项目介绍

在生成式 AI 爆发的今天，大多数用户仍停留在与 ChatGPT 进行简单的对话阶段。然而，随着业务复杂度的提升，单一的 Prompt 已难以满足需求。开发者和创作者需要的是一种能够将复杂逻辑、外部工具（Tools）和多步流程整合在一起的“技能”。

Refly（refly-ai/refly）正是为此而生的开源 AI Agent 技能构建平台。它不仅仅是一个简单的对话界面，更是一个将 AI 能力模块化、标准化和工程化的工具层。Refly 提出的核心理念是“Skills are infrastructure, not prompts”，旨在打破 AI 任务的“黑盒”属性，让 AI 的执行变得可观测、可干预且可重复利用。

其灵活的架构和对 MCP（Model Context Protocol） 的深度支持，使其成为了连接大模型与现实业务逻辑的重要桥梁。

核心功能

Refly 的强大之处在于它对“技能（Skill）”的深度定义。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。用户不需要编写复杂的 Python 或 Node.js 代码，即可通过结构化的方式串联起搜索、分析、生成、修改等多个环节。
2. 确定性运行时（Deterministic Runtime）： 这是 Refly 区别于其他 Agent 框架的关键。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。
3. 多端集成能力： 在 Refly 中构建的一个“技能”，可以瞬间分发到多个场景。它支持作为 API 导出，支持集成到 Claude Code、Cursor 等编程工具中，甚至可以直接一键部署为 Slack 或飞书（Lark） 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 协作完成长篇内容的创作、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 Google 搜索，无缝扩展 AI 的能力边界。

使用方法

Refly 的部署与使用非常友好，支持本地运行或通过 Docker 快速启动。

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：

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

**3. 配置环境变量：**在根目录创建 .env 文件，配置你的大模型 API Key（如 OpenAI 或 Claude）：

cd deploy/dockercp env.example .env  # 按需设置环境变量信息

4. 启动项目：

docker compose up -d

启动后，访问 http://localhost:5700 即可进入 Refly 的可视化控制台，开始构建你的第一个 AI Skill。

优势对比

维度	Refly	传统 Prompt 平台 (如 Poe/Coze)	自动化工具 (如 Zapier/Make)
控制力	高 （支持运行时干预和单步调试）	低（黑盒输出，难以中途纠偏）	中（基于硬逻辑，AI 灵活性不足）
集成度	极强 （支持 MCP, IDE, 办公软件）	较弱（多限于网页端或简单 API）	强（但缺乏 AI 深度推理逻辑）
开源属性	完全开源 ，支持私有化部署	闭源 SaaS 模式	闭源 SaaS 模式
适用人群	开发者、高级内容创作者	普通 AI 玩家	企业自动化专员

Refly 的杀手锏在于它对开发者体验的极致追求。它不试图取代 IDE 或现有的工作流，而是通过 MCP 协议让自己成为这些工具的“智能插件库”。

总结

Refly 的出现，标志着开源社区在 AI 应用层进入了“工业化”阶段。它通过对工作流的可视化封装、对运行时的严格控制以及对主流协议的全面兼容，大幅降低了构建高质量 AI Agent 的门槛。

对于内容创作者，Refly 是一个懂业务逻辑的数字助理；对于开发者，它是加速 AI 功能落地的脚手架。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】