Refly：开源AI Agent技能平台，可视化工作流与实时干预革新应用开发

在生成式AI浪潮中，许多用户的使用仍停留在与ChatGPT进行简单对话的阶段。然而，当业务逻辑变得复杂时，单一的提示词往往难以胜任。无论是开发者还是内容创作者，都迫切需要一个能将复杂逻辑、外部工具和多步骤流程整合成标准化、可复用“技能”的解决方案。

Refly正是响应这一需求的开源AI Agent技能构建平台。它不仅是一个对话界面，更是一个将AI能力模块化、标准化和工程化的工具层。其核心主张“Skills are infrastructure, not prompts”，旨在打破AI任务的黑盒属性，使其执行过程变得可观测、可干预且可复用。其灵活的架构以及对MCP（Model Context Protocol）的深度支持，使其成为连接大模型与具体业务逻辑的关键桥梁。

核心功能

Refly的强大之处在于它对“技能”的深刻定义与实现。以下是其核心功能亮点：

1. Vibe Workflow（可视化感官工作流）： Refly提供了一套直观的逻辑定义方式。用户无需编写复杂的Python或Node.js代码，即可通过结构化方式串联起搜索、分析、生成、修改等多个环节。
2. 确定性运行时： 这是Refly区别于其他Agent框架的关键特性。它允许用户在AI执行过程中进行实时审计。如果AI的输出偏离预期，用户可以中途介入、暂停或重定向任务，确保最终结果的合规性与高质量。
3. 多端集成能力： 在Refly中构建的一个“技能”，可以轻松分发到多个应用场景。它支持作为API导出，可集成到Claude Code、Cursor等编程工具中，甚至能一键部署为Slack或飞书的机器人。
4. Refly Canvas（自由画布）： 这是一个类似于Notion但更具交互性的创作空间。它支持多线程对话和知识库整合，用户可以在画布上通过AI协作完成长篇内容创作、代码编写或数据分析。
5. 原生支持MCP协议： 通过支持Anthropic的MCP协议，Refly可以轻松调用成百上千种第三方工具，从数据库查询到网络搜索，无缝扩展AI的能力边界，这在构建复杂的AI Agent时尤为关键。

使用方法

Refly的部署与使用非常友好，支持通过Docker快速启动，方便开发者在本地进行测试和开发。

1. 环境准备

• 硬件要求：
  • CPU: 至少2个核心
  • 内存: 最低4GB（建议8GB）
  • 存储空间: 20GB以上可用
• 软件需求：
  • Docker: 版本24.0+
  • Docker Compose: 版本2.20+

2. 克隆与安装
使用Git克隆项目仓库并进入目录：

git clone https://github.com/refly-ai/refly.git
cd refly

3. 配置环境变量
在根目录创建 .env 文件，用于配置您的大模型API密钥（如OpenAI或Claude）：

cd deploy/docker
cp env.example .env  # 请根据实际需要编辑.env文件中的变量

4. 启动项目
使用Docker Compose一键启动所有服务：

docker compose up -d

启动完成后，在浏览器中访问 http://localhost:5700 即可进入Refly的可视化控制台，开始构建您的第一个AI Skill。

优势对比

为了更清晰地展示Refly的定位，我们将其与相关类型的工具进行对比：

Refly的核心优势在于它对开发者体验的极致追求。它并不试图取代现有的IDE或工作流，而是通过MCP协议让自己成为这些工具的“智能插件库”，提供了一套强大的AI技能构建与调试的技术文档和最佳实践参考。

总结

Refly的出现，标志着开源社区在AI应用层进入了更成熟的“工程化”阶段。它通过对工作流的可视化封装、对运行时的严格可控性以及对主流协议的全面兼容，显著降低了构建高质量、可管控AI Agent的技术门槛。

对于内容创作者而言，Refly可以成为一个深谙业务逻辑的智能数字助理；对于开发者来说，它则是加速AI功能从构思到落地的强大脚手架。如果您对构建下一代AI应用或探索Agent的更多可能性感兴趣，不妨深入了解这个项目，并在云栈社区与更多开发者交流心得。

项目地址：https://github.com/refly-ai/refly