揭秘Vibe Workflow：朱啸虎领投，前coze核心团队产品

核心发现

AI工作流工具正在经历从「程序员专属」到「普通人可用」的关键转型。传统工具（n8n、Dify、Coze）虽然功能强大，但需要用户具备API对接、节点配置、逻辑编排等技术能力，搭建一个8-10节点的工作流需要3-6小时（权威数据）。而以Refly为代表的Vibe Workflow新形态，通过自然语言一句话生成工作流，将创建时间从数小时缩短至几分钟（多源验证），彻底降低了使用门槛。

PART 01

AI工作流工具特点与门槛

1.1 主流工具对比

n8n：通用自动化工具

定位 ：开源的跨平台工作流集成工具，专注于非AI场景的自动化任务（权威数据）

核心特点 ：

• 支持1000+第三方服务节点（如Slack、Google Sheets）
• 通过可视化界面编排复杂流程
• 提供本地部署和云服务版本

使用门槛 ：

• 技术要求 ：需熟悉工作流逻辑和API集成，技术门槛中等（权威数据）
• 学习成本 ：学习门槛高，需理解API、JSON、工作流逻辑（权威数据）
• 配置复杂度 ：用户需要拖拽节点并设置参数，一旦流程稍微复杂，就需要通过编写代码来维护if-else等控制逻辑（权威数据）
• 时间成本 ：通过copilot配合，搭建一个8到10个节点的流程需要3到6个小时，加上调试成本，至少消耗大几十万token（权威数据）

Dify：企业级LLM应用开发平台

定位 ：开源的大语言模型应用开发平台，面向企业级用户和开发者（权威数据）

核心特点 ：

• 内置50+工具（如Google Search、Stable Diffusion）
• 支持复杂工作流编排、知识库管理、多用户协作
• 支持多种大模型（如GPT、Claude3等）

使用门槛 ：

• 技术要求 ：需一定开发能力，适合定制化需求（如调整模型参数、私有化部署）（权威数据）
• 适用人群 ：开发者、技术团队、需私有化部署的企业

Coze（扣子）：低代码AI智能体平台

定位 ：字节跳动旗下的低代码AI智能体开发平台，面向C端用户和快速原型开发（权威数据）

核心特点 ：

• 主要支持国内大模型（如豆包、智谱）
• 提供模板化工作流和插件市场
• 对字节系生态（如抖音、飞书）集成友好

使用门槛 ：

• 操作方式 ：零代码/低代码操作，适合快速上线
• 核心问题 ：即使是飞书智能伙伴这样概念先进的产品，最终也往往只有实施人员能用起来，直接把小白用户、产品运营拒之门外（权威数据）

1.2 传统工具的共同痛点

「程序员的工具」困境 （权威数据）：

• 需要写代码、搞if-else逻辑
• 充斥着复杂的节点配置、参数调试和API对接
• 对非程序员用户非常不友好，抬高了使用门槛

黄巍（Refly创始人）的观察：「无论是传统的低代码平台，还是后来加了AI的Coze，本质上依然是『程序员的工具』。你要写代码，要搞if-else，这直接把小白用户、产品运营拒之门外了。」（权威数据）

PART 02

Agent vs Workflow：两种极端形态

2.1 Agent：智能但不可控的「黑盒」

核心特点 （权威数据）：

• 自主性 ：无需人类实时干预，能根据任务目标独立规划步骤，甚至动态调整策略
• 环境交互能力 ：通过数据接口、传感器等渠道实时捕捉环境信息
• 动态决策能力 ：基于感知到的信息进行多维度分析，而非依赖固定规则

典型代表 ：Manus、Genspark等通用Agent

核心问题 （多源验证）：

• 像是一个神奇的对话框，你输入指令，它给你结果
• 「黑盒」特性：过程不可控，结果不稳定
• 整体成本高、稳定性不足、执行时间难以预期
• 同一位用户多次提交相同指令时，产出的结果往往并不一致
• 就像自动驾驶，你只能坐在后排干着急

2.2 Workflow：可控但复杂的「白盒」

核心特点 （权威数据）：

• 流程固定性 ：步骤顺序、执行规则不可动态变更，除非人工调整流程设计
• 高稳定性 ：因规则明确，执行过程可预期、易监控，出错概率低
• 模块化设计 ：各步骤可拆分为独立模块，便于替换或新增

典型代表 ：n8n、Dify等专业Workflow工具

核心问题 （多源验证）：

• 强大但复杂，像是一台手动挡赛车
• 需要懂API、参数配置，门槛极高
• 一旦流程稍微复杂，就需要通过编写代码来维护if-else等控制逻辑

2.3 本质差异

Agent vs Workflow的核心区别 （权威数据）：

• Agent是「动态决策者」 ：能根据环境变化自主调整策略，无需依赖固定步骤
• Workflow是「静态执行者」 ：完全遵循预设步骤，无法应对未纳入规则的情况

形象比喻：Agent类似「有经验的自主创业者」，能根据市场变化灵活调整业务方向；Workflow则像「标准化生产线的工人」，严格按操作手册完成指定动作。

PART 03

Vibe Workflow：第三条路径

3.1 核心概念

定义 ：介于Agent和Workflow之间的「智能辅助驾驶」（权威数据）

理念来源 ：与Vibe Coding的理念一脉相承。Vibe Coding本质上在描述一种人机协作权力的让渡：人类只负责提供「Vibe」——即意图、直觉和方向，而将繁琐的代码实现过程完全交给AI（权威数据）

Vibe Workflow的核心 ：用户只需通过自然语言描述需求，AI即可自动完成复杂节点的编排与配置（权威数据）

3.2 技术创新点

创新1：Agent节点化

传统做法 ：单个节点往往只负责调用一个API或执行一段代码

Refly的做法 （权威数据）：

• 对Workflow的底层结构进行了重构：每一个节点本身都是一个Agent
• 用户只需为Agent编写prompt、选择合适的tools，系统即可完成多步规划与问题求解
• 给每个Agent一台沙箱，让它操作电脑去写代码、根据给定的tools做数据拉取等操作，再做可视化呈现，解决if-else逻辑

效率提升 ：内部测试显示，在相同任务下，一个Refly.AI节点可以替代大约20个n8n节点的功能（权威数据）

创新2：自然语言生成工作流

核心能力 （多源验证）：

• 通过自然语言一句话即可生成完整工作流
• 彻底跳过节点配置环节
• 任务创建时间从数小时缩短至几分钟
• 平台内置Copilot辅助生成结构，过程可复用

技术实现 ：

• 一句话生成Workflow本身消耗的token非常低，可能也就几千甚至上万个token
• Kimi K2这样的模型已经能够非常好地完成这个任务

创新3：白盒化的可控性

核心特点 （权威数据）：

• 提供一套「Agent Editor」，将Agent进行白盒化
• 用户面向的Workflow被极大地简化了，所有操作都是自然语言表达，不需要懂搭建逻辑
• 用户拥有随时介入的权利：可以看着它跑，觉得不对随时暂停、修改、人工接管
• 把workflow封装成一个简单的、好看的落地页，用户只需要填参数，甚至不需要填，就能运行

3.3 成本与效率对比

搭建成本 （权威数据）：

• n8n ：3-6小时 + 大几十万token消耗
• Refly ：几分钟 + 几千至上万token消耗

执行成本 （权威数据）：

• Refly ：每个任务消耗1至2个积分，成本约0.1至1元
• Manus ：单任务数美元的成本

成本降低 ：至少5至7倍，而且其他人可以复用这个成果，后续调用时token消耗可能仅为原本的50%甚至10%

3.4 权衡与取舍

准确性权衡 （权威数据）：

• 放弃了一部分的准确性和稳定性，去换取更大用户规模的使用
• 核心策略：通过大幅降低使用成本与门槛，来平衡用户对准确率的诉求
• 试图用门槛降低10倍的优势，去换取稳定性降低1到2倍的代价

场景选择 （权威数据）：

• 完全放弃了数字或企业自动化操作这种非常准确的场景
• 更强调内容产出：用户组合多模态、音频、视频模型，产出一篇报告或一个数字人视频
• 这些模态对准确率的要求不高，只要70%内容是对的，听上去有用，用户就觉得OK
• 希望为用户提供80%有用的结果，用户愿意为它付费，并做二次编辑

PART 04

从「程序员专属」到「普通人可用」的演进

4.1 演进路径

第一阶段：纯代码时代

• 需要完全手写代码实现自动化
• 只有程序员能够使用

第二阶段：低代码/可视化时代

• 代表工具：n8n、Dify、Coze
• 通过可视化界面降低门槛
• 但仍需要理解API、节点配置、逻辑编排
• 本质上依然是「程序员的工具」

第三阶段：自然语言时代（当前）

• 代表工具：Refly等Vibe Workflow平台
• 通过自然语言一句话生成工作流
• 普通人也能轻松把自己的流程经验复制并分享给其他人

4.2 目标用户的扩展

传统工具的用户画像 （权威数据）：

• 开发者、技术团队
• 需私有化部署的企业
• 技术团队、需灵活集成的业务运维人员

Vibe Workflow的用户画像 （多源验证）：

• 第一批 ：有n8n、Dify使用经验，但觉得搭建很复杂的技术尝鲜者
• 第二批 ：自媒体与内容创作者（核心增量用户）
• 第三批 ：教育场景、职场白领（写报告、监控内容、做产品分析等）
• 第四批 ：金融场景（财报分析等）

4.3 「降低门槛」的价值

对个人的价值 （权威数据）：

• 不懂代码的普通知识工作者也能进入自动化领域
• 通过简单的指令，解决日常工作中的重复性劳动
• 像「数字生命卡兹克」这样的AI领域KOL，可以把自己的「写文工作流」做成模版，粉丝付费运行，实现经验变现

对行业的价值 ：

• 将AI工作流从「几十万专业群体」扩展到「大众商品」
• 让更多人能够享受AI自动化带来的效率提升
• 推动AI应用从「技术展示」到「实际落地」的转变

PART 05

未来趋势：协同而非替代

5.1 Agent与Workflow的融合

协同增效的方式 （权威数据）：

• 稳定性增强 ：通过嵌入Workflow模块固定关键步骤（如审批节点必须按流程执行），提升整体稳定性
• 效率优化 ：简单、重复的环节交给Workflow（如数据录入、格式校验），复杂、需要判断的环节交给Agent（如异常数据的原因分析）

未来方向 （权威数据）：

• Workflow的智能化升级 ：引入Agent技术，让固定流程具备「动态调整」能力
• 多Agent与Workflow的协同 ：多个Agent分工处理不同环节，通过Workflow串联形成闭环

5.2 行业共识

黄巍的判断（权威数据）：「从长期来看，理想状态当然是：用户只需要说一句话，系统就能端到端帮他把事情做完。这是一个大家都在追求的美好愿景。但就目前来说，大家对模型的发展和能力边界都有一个基本共识：模型可以解决一部分问题，但仍然离不开人的参与。」

核心理念 ：

「我们不是要取代人，而是让人像搭乐高一样，把AI能力组装起来。」

PART 06

关键数据汇总

• 传统工具搭建时间 ：3-6小时
• Vibe Workflow搭建时间 ：几分钟
• 节点效率提升 ：1个Refly节点 = 20个n8n节点
• 成本降低 ：相比Manus降低5-7倍
• 门槛降低vs稳定性权衡 ：门槛降低10倍 vs 稳定性降低1-2倍
• n8n支持的服务节点 ：1000+
• Dify内置工具 ：50+

---

数据来源说明 ：

[1] 极客公园Founder Park对Refly创始人黄巍的深度访谈

[2] 什么值得买对Vibe Workflow vs n8n的对比分析

[3] CSDN技术博客对Dify、Coze、n8n的对比分析

[4] 腾讯云开发者社区对n8n部署的技术指南

[5] 腾讯新闻「暗涌Waves」对Refly融资的深度报道

[6] CSDN技术博客对AI Agent vs Workflow的理论分析

所有核心观点均经过多源交叉验证