Refly: otwarta platforma Vibe Workflow, która zamienia rozmowy w powtarzalne procesy

Refly przedstawia się jako pierwsza otwarta platforma Vibe Workflow, a chodzi nie o kolejne okno czatu, lecz o wolną kanwę. Otwiera się na niej kilka niezależnych rozmów, rozkłada pomysły, źródła i wyniki wyszukiwania, łączy je i kończy dokumentem lub powtarzalnym procesem. Integruje ponad 13 głównych modeli językowych, przetwarza pliki multimodalne, ma system umiejętności i silnik bazy wiedzy, działa w chmurze lub samodzielnie przez Docker.

Problem jednego wątku polega na tym, że jednocześnie zapomina i rozmywa. Przy czternastej wymianie ustalony szkielet, odrzucone opcje i cytowane źródła leżą w jednym kontekście, a model gubi wątek. Refly rozkłada rozmowy na węzły na kanwie, każdy z własnym kontekstem, i dokładnie wskazujesz, które węzły wchodzą do tej rundy, a które czekają. To bliższe realnej pracy: kilka linii biegnie równolegle i łączy się, gdy trzeba.

Druga warstwa to utrwalanie. Jednorazowa odpowiedź znika, a Refly stara się zachować proces: skąd pochodzi materiał, która umiejętność go przetworzyła, który model działał, co powstało. Otwartość ma tu znaczenie, bo ani przepływ, ani dane nie muszą tkwić na serwerach jednego dostawcy.

Najważniejsze możliwości

Rozmowy w wielu wątkach

Kilka niezależnych kontekstów rozmowy prowadzonych jest równolegle i swobodnie przełączasz się między węzłami, dzięki czemu złożony przepływ agentowy jest możliwy bez wpychania wszystkiego w jedną os czasu.

Ramy wielu modeli

Ponad 13 głównych modeli podłączono z mieszanym planowaniem i przetwarzaniem równoległym, więc zmiana modelu nie wymaga zmiany narzędzia, a interfejs rozmowy pozostaje jeden.

Przetwarzanie multimodalne

Pliki PDF, DOCX, TXT i ponad siedem formatów oraz popularne obrazy PNG i JPG przetwarzane są wsadowo.

Umiejętności oparte na AI

Możliwości takie jak Perplexity AI i Stanford Storm dają wyszukiwanie w sieci, wydobywanie wiedzy, przeformułowanie pytań i rekomendacje.

Kontekst i baza wiedzy

Można zbudować tymczasową bazę wiedzy i wybierać węzły jako kontekst; baza przyjmuje niejednorodne źródła, prowadzi wyszukiwanie semantyczne na RAG i buduje graf wiedzy.

Zbieranie i wycinki

Zbieranie jednym kliknięciem z platform takich jak GitHub i Medium z automatyczną klasyfikacją i tagami oraz wycinanie dowolnej strony do własnej biblioteki.

Jak się z tego korzysta

1. Otwórz stronę, naciśnij start i zaloguj się przez Google lub GitHub, albo wejdź prosto do Refly Cloud.
2. Na ekranie głównym wybierz utwórz kanwę i traktuj pracę jako obszar roboczy, nie jako jedno pytanie.
3. Otwórz kilka rozmów na kanwie i pozwól różnym kierunkom iść równolegle.
4. Poprawiaj treść według odpowiedzi AI i przenoś do kolejnej rundy tylko potrzebne węzły.
5. Po zakończeniu wyeksportuj do dokumentu lub udostępnij do wspólnej recenzji.
6. Do samodzielnego hostingu wdroż przez Docker; minimum to dwa rdzenie CPU i 4 GB pamięci. Wdrożenie prywatne dla firm jest dostępne na zgłoszenie.

Sposoby wdrożenia

• Chmura: otwórz Refly Cloud i korzystaj ze wszystkich funkcji bez konfiguracji, rozsądny pierwszy krok przed samodzielnym hostingiem.
• Hosting Docker: dwa rdzenie CPU i 4 GB pamięci jako podane minimum, jedno polecenie kontenera uruchamia usługę.
• Rozwój lokalny: postępuj według CONTRIBUTING.md w repozytorium, przydatne, gdy chcesz zmieniać kod lub podłączyć własne modele.
• Firma: skontaktuj się z zespołem po wdrożenie prywatne, gdy lokalizacja danych jest twardym wymogiem.
• Koszty: samodzielny hosting usuwa abonament, ale dodaje rachunki za API modeli, zarządzanie kluczami i aktualizacje; licz to co miesiąc.

Dla kogo

• Dla badaczy prowadzących złożony temat tygodniami i trzymających źródła, hipotezy i wnioski w osobnych węzłach, które się nie zanieczyszczają.
• Dla piszących dokumentację techniczną lub długie artykuły, którzy trzymają pomysł i finalny szkic na jednej kanwie.
• Dla budujących osobistą bazę wiedzy, gdzie zbieranie, wycinki i wyszukiwanie tworzą jedną linię.
• Dla zespołów, którym zależy, gdzie leżą dane: otwarty kod i samodzielny hosting zostawiają proces i materiały na własnych maszynach.
• Dla używających kilku modeli, którzy chcą wybierać pod zadanie, a nie być przywiązani do jednego.

Granice i zastrzeżenia

• Wątki i kanwa mają koszt nauki; kto przywykł do jednej długiej rozmowy, na początku uzna zarządzanie węzłami za cięższe niż samo pytanie.
• Ponad 13 modeli oznacza, że jakość zależy od wybranego modelu i sposobu wywołania, a ten sam prompt zachowuje się w każdym inaczej.
• Baza wiedzy opiera się na RAG i wyszukiwaniu semantycznym, więc strategia dzielenia i jakość źródeł decydują o wyniku; śmieci na wejściu zostają śmieciami na wyjściu.
• Samodzielny hosting to własne rachunki API, zarządzanie kluczami i aktualizacje, a dwa rdzenie z 4 GB to dolna granica, nie komfort.
• Źródło nie podaje limitów ani rozliczeń poszczególnych modeli, więc różnicę kosztów między chmurą a własnym serwerem trzeba policzyć samemu.
• Polityka przechowywania danych i użycie do treningu nie są opisane; ustal to przed pracą z umowami i danymi osobowymi.

Częste pytania

Czym Refly różni się od zwykłego czatu AI?

Zwykłe narzędzie to jedna linia rozmowy; Refly to kanwa, na której kilka rozmów biegnie równolegle, węzły można precyzyjnie wybrać jako kontekst, a wynik utrwala się jako powtarzalny proces.

Czy można hostować samodzielnie?

Tak. Projekt opisuje drogę przez Docker z minimum dwóch rdzeni CPU i 4 GB pamięci; dostępna jest też chmura i wdrożenie prywatne.

Jakie pliki są obsługiwane?

Źródło wymienia PDF, DOCX, TXT i ponad siedem formatów dokumentów oraz popularne obrazy PNG i JPG.

Czy trzeba programować?

Nie. Kanwą steruje się rozmową i operacjami na węzłach; wiersz poleceń i pliki konfiguracyjne dotyczą tylko samodzielnego hostingu i rozwoju lokalnego.