Refly AI 交流群播客 20250528

群聊日报：refly.ai

2025年5月28日的交流内容，涵盖了对AI工具（特别是Refly）的讨论、新发布的AI产品信息、硬件购买建议以及一些日常闲聊。核心讨论围绕Refly的功能改进需求（如工作流、数据处理、客户端），AI产品的发展方向（To Prosumer理念），以及对当前AI技术和产品的评价。

主要主题和重要观点:

1. Refly的功能需求与改进方向:

• 工作流和输入输出串行化: 多位用户提及Refly目前在支持复杂工作流和将上一节点输出作为下一节点输入方面存在不足。Fann-武汉-研发用户分享了通过提示词勉强实现串联的尝试，并指出“靠提示词终归不太稳定 还是得从工程设计上支持”。上海-Refly-Marc询问了具体场景，表明团队正在考虑相关功能。
• 数据处理能力: 北京-产品-Yoan用户提出了对Refly进行轻量级数据处理的需求，例如清洗和正确引用表格数据，以解决RAG（检索增强生成）中出现的幻觉问题。
• 客户端的需求: 用户们对Refly客户端表现出强烈的期待，主要诉求包括数据本地保存、类似Cursor的Markdown AI编辑器、利用本地性能以及支持本地MCP。Time will tell用户表示“我要客户端”，并希望重构后能实现文档组件与其他组件的联动。上海-Refly-Marc询问了用户对客户端的主要诉求，收集用户反馈。
• MCP（Refly插件）的讨论: MCP被视为Refly扩展能力的重要途径。Peng用户分享了MCP配置指南的视频，并讨论了将一堆MCP抽象封装为可用的场景化功能，甚至 potentially generating revenue (“那么这个封装是不是可以 被大家使用产生收益呢”)。用户也指出当前MCP配置对普通用户来说上手困难 (“因为mcp配置普通人难以玩转”)，缺乏完整的闭环案例。

1. AI产品的发展方向与市场定位:

• To Prosumer理念: 武汉-木子不是木子狸用户分享了Twitter上的一个观点，认为一种被低估的AI产品模型是面向"Prosumer"（创作型消费者）的工具。核心原则包括：
• 核心价值是帮助用户变现，而非仅仅提高效率。
• 增强创作力，而非直接替代。
• 必须对接真实的变现渠道。 这个观点引起了用户的共鸣，认为其“挺有道理的”。
• 国内AI模型评价: 用户讨论了国内一些AI模型，如讯飞星火、文心、豆包、千问和小猿AI。对讯飞星火评价不高 (“不用考虑”，回答灯谜出错)。豆包被认为“还是很好用的”，但也存在回答错误的问题 (“豆包我不敢给孩子用了”，“老回答错”)。小猿AI因其强大的数据积累（特别是题库）被认为非常适合儿童教育场景 (“感觉他家数据巨强”)。DeepSeek（DS）的最新版本引起了讨论，用户测试了其联网和获取实时信息的能力，并认为“ds 还是蛮实诚的”，虽然在某些方面仍有不足（如天气信息）。

1. AI技术的进步与挑战:

• AI造假技术: 用户分享了关于AI造假技术（AI换脸等）已经达到“炉火纯青”程度的视频和文章链接，引发了对AI潜在风险的关注。
• AI与教育: 讨论到湖北卷模考作文中出现的“deepseek味”，引发了对教育模式的反思，认为高考应出一些AI难以应对的题目，而非侧重技术比拼 (“说明高考应该出一些 ai 力所不能及方向的题目，单纯的考察技术谁卷的过 ai”)。
• AI工具对创作的影响: “人改变工具 工具反过来塑造人”的观点被提出，讨论了工具对人类创作过程的影响，以及在工具普及前存在的“异化”现象（如死记硬背作文预制菜）。

1. 硬件与技术趋势:

• Mac Mini降价: 用户们注意到Mac Mini的价格显著下降，特别是教育优惠和以旧换新补贴后的价格非常吸引人。这引发了用户们的购买欲望，并讨论了苹果产品强大的产品力和供应链管理 (“供应链大师 库克”)。
• 鸿蒙系统讨论: 对华为鸿蒙系统的讨论提及了其不完善的功能和市场定位（“政企机”），认为个人用户可能被视为“韭菜”。

关键引用:

• "目前阶段并不能作为全自动化的生产力产出agent，而是需要一定的 human-in-loop" - Fann-武汉-研发 总结当前Refly的Agent能力
• "我觉得还是要增加原子稳定能力，和原子构建能力" - Peng 提出Refly能力提升方向
• "现在还是趋向于ai画布 以后会增加工作流" - Time will tell 对Refly未来发展的预测
• "Refly 的核心产品理念是什么？" - Fann-武汉-研发 对产品定位的疑问
• "因为场景很容易说清楚" - Peng 解释为什么常态讨论场景
• "数据本地保存 然后还要类似cursor的markdown ai编辑器" - 武汉-木子不是木子狸 对客户端的主要诉求
• "我现在还能多都是手动清洗数据啊" - 北京-产品-Yoan 在RAG场景中遇到的数据处理痛点
• "那么需要重复执行的是不是固化下来比较好避免每次单独再来一次" - Peng 讨论工作流抽象的价值
• "现在好的mcp 就是一个产品" - Peng 对MCP能力的肯定
• "主要是，他们生态还不错，各种案例，一般人完全能上手..." - 北京-产品-Yoan 比较Construct引擎的生态优势
• "我之前一直用Construct2/3引擎做游戏，理论上你想用它出成品游戏，那需要很强的工程能力，各种接口接入，数据怎么准备，资源怎么规范。而这类引擎，新手是完全可以上手的" - 北京-产品-Yoan 举例说明易用性对用户上手的关键作用
• "如果能做到新手直接用起来，那就真的是refly最佳应用场景之一啦！" - 北京-产品-Yoan 对Refly易用性的期望
• "黑盒分享就未必了" - Peng 暗示MCP黑盒化可能影响分享和收益
• "Prosumer 不会因为你帮他快 10 倍而买单，他会因为你帮他多赚 1000 块而留下。" - 武汉-木子不是木子狸 分享的To Prosumer理念核心
• "说明高考应该出一些 ai 力所不能及方向的题目，单纯的考察技术谁卷的过 ai。" - 沉默 对AI时代教育的反思
• "跟几百上千的课程比起来， refly 这种直接改变交互的应用才是真正颠覆性的。" - 沉默 强调Refly交互层面的价值

未解决的问题和潜在的跟进项:

• Refly团队如何规划工作流、输入输出串行化等功能的实现？
• Refly客户端的开发进度和预期上线时间？
• Refly团队是否会考虑增强数据处理能力，或提供更易用的MCP来解决数据清洗问题？
• Refly如何平衡AI画布的灵活性与工作流的固化需求？
• Refly的产品理念是什么？是否会考虑To Prosumer的方向？
• DeepSeek最新版本是否真的具备了联网能力，其获取实时信息的能力如何？
• Mac Mini教育优惠和以旧换新的具体操作流程和限制？

结论:

这份聊天日志提供了Refly用户社区对产品功能、发展方向以及当前AI市场和技术的宝贵见解。用户们对Refly寄予厚望，特别是在工作流、数据处理和客户端方面提出了明确的需求。同时，关于To Prosumer理念的讨论也为AI产品未来的市场定位提供了新的思考角度。对硬件价格的关注和对国内AI模型的评价也反映了用户对技术发展和性价比的考量。Refly团队似乎正在积极收集用户反馈，以指导产品未来的迭代和重构。