工作流

工作流选型要先分清画布式创作流与应用间自动化流：前者可看美图 Artflo、Flowith，后者可看 Make、Pokee AI；模型层 Claude 动态工作流正把编排转向调度，分享环节则有 ShareOne。结论是别追求一个工具全包，按创意发散、系统串联、单点能力、交付分层选型更有效。

如果你问的是「工作流」这个品类该怎么入门，我的判断是：先想清楚你要的是「画布式创作流」还是「应用间自动化流」，这两类产品的选型逻辑完全不同。前者解决的是创意生产里素材、模型、步骤怎么串起来，后者解决的是表格、邮件、CMS 这些系统之间怎么自动传递数据。搞混了这两件事，你会在错误的工具上浪费大量时间。

下面按「创作型工作流」「自动化型工作流」「底层能力与新动向」三块来说，最后给一个选型对照。

一、创作型工作流：画布是核心交互

这类产品的共同点是把「线性对话」换成「二维空间」，让你在一个画布里同时铺开多个节点、多个模型、多个版本。

Artflo：美图的 AI 概念影像工作流平台

Artflo 是美图公司旗下的 AI 工作流平台，2026 年 6 月 17 日在美图影像节上正式发布，6 月 30 日上线。按极客公园的报道，它「专为创意工作者打造」，核心形态是无限画布，主打一站式创作——也就是说，从概念到影像的多个环节尽量在同一个画布内完成，而不是在几个工具之间反复导出导入。

适合的人群很明确：做概念影像、需要大量试错和版本对比的创意工作者。它的价值不在于单点生成质量，而在于把「试」这件事的空间成本降下来。具体收费与额度以官网为准。

Flowith：更早把画布做成交互范式的产品

Flowith 由上海骇斯科技有限公司开发，2023 年由一支 10 名 95 后创业者组成的团队推出。它和传统线性聊天 AI 最大的差别是采用二维画布交互界面，允许用户在同一空间内与多个节点并行交互。如果你习惯「先发散铺开、再收敛」的工作方式，画布式交互会比一条对话线舒服很多。

把 Artflo 和 Flowith 放在一起看，能看出画布这条路线的两种取向：一个从影像创作场景切入，一个从通用生产力切入。

二、自动化型工作流：连接器数量决定天花板

Make：拖拽连接 2400+ 应用

Make 是一款无代码 AI 自动化平台，通过简单的拖拽操作就能连接 2400+ 应用程序。典型场景是这样的：当 Google 表格新增一行数据时，自动生成 WordPress 文章并发布到社交媒体。这类「触发器 + 动作」的链路是自动化工作流的基本单位，Make 的强项在于连接器覆盖广、可视化程度高。

Pokee AI：把配置成本压到一句话

站内文章《零代码AI革命：Pokee AI如何用一句话实现工作流自动化？》里提到一个很真实的痛点：每天在十几个应用间切换处理邮件、日程、发票；为了完成「总结会议纪要 → 制作 PPT → 分发给团队成员」这种多步骤任务，要在多个应用间来回切换数小时。文章也点明了传统自动化工具如 n8n 虽然功能强大，但节点配置复杂。

Pokee AI 的思路是用自然语言直接描述需求来生成工作流，把「配置节点」这一步的认知门槛降下来。它和 Make 不是替代关系：链路简单、追求上手速度选前者；链路复杂、需要精细控制选后者。

ShareOne：工作流末端那个「分享」环节

这个产品值得单独提一句，因为它解决的是很多人做工作流时最尴尬的一步。站内介绍里描述得很具体：AI 生成了一份带图表的竞品分析报告，想发给同事，结果发现「分享」这步异常尴尬——复制、粘贴，格式全乱。

ShareOne 的定位是把 AI 对话变成永久网页的轻量分享工具，产品形态是「文档发布助手 Skill」。它属于工作流的最后一公里：内容生产完了，怎么让别人稳定地看到。做 Agent 工作流的人应该都会有共鸣。

三、底层能力：工作流正在从「编排」走向「调度」

2026 年下半年有个明显变化：模型厂商开始自己提供工作流调度能力，而不是让你在外面用自动化平台拼。

Claude 动态工作流在 2026 年 10 月 9 日上线（官方发布线程发布于当日 16:12 UTC，约合北京时间 10 月 10 日凌晨 0 点 12 分），公告通过 Claude 开发者账号 @ClaudeDevs 与 Claude 平台发布，地点为美国 Anthropic 总部所在地。核心能力是单次可调用上千个智能体并行，属于 Claude 托管智能体的新增能力。

这件事的连带讨论也挺有意思：站内资讯提到，参与者包括 Anthropic 工程团队、Bun 创始人 Jarred Sumner，以及一位曾公开批评智能体集群的 OpenAI Codex 高级工程师。也就是说，「千子代理并行」这条路在工程社区内部本身就有争议，不是一边倒的赞美。

另外两条产品线也值得留意，它们更像是工作流里的「能力供给方」：

• StepAudio 3：阶跃星辰 2026 年 9 月发布的语音音频矩阵，含 Realtime、ASR、TTS、Gen、Music，覆盖实时交互、识别、合成、生成、音乐等方向。语音类工作流（比如会议记录 → 摘要 → 播报）可以直接挂这套能力。
• GLM-5.3-FlashX：智谱 2026 年 9 月 18 日宣布上线，API 同步开放，Model Key 为「GLM-5.3-FlashX」，定位是智能、价格、速度三位一体的高速推理层。工作流里那些高频、低复杂度的判断节点，用这类高速推理层比用旗舰模型更划算。

四、一个安全提醒：工作流也会被拿来当攻击面

这条不是产品推荐，但做工作流的人必须知道。2026 年 9 月 15 日 Wiz Research 开始跟踪一起名为 Gheist 的攻击活动，2026 年 10 月 25 日 Wiz 官方博客发布完整分析报告（页面标注 October 25, 2026），同日 Threadlinqs 发布威胁情报条目。

这次活动的特点是850 个账号被植入泄密工作流——攻击者不是直接偷数据，而是往你的自动化链路里塞一个「把数据往外送」的节点。这也解释了为什么企业环境里给工作流平台授权时要格外谨慎：你给的每一个应用连接权限，都是链路里一个可以被利用的出口。

五、选型对照表

一句话总结：别追求「一个工具全包」，工作流这件事天然是分层的——画布层负责创意发散，自动化层负责系统串联，模型层负责单点能力，分享层负责交付。想清楚自己在哪一层卡住，再去找对应的产品，比盲目试十个工具有效得多。

相关问题

Q1：画布式工作流和传统线性对话 AI，实际用起来差别大吗？
差别主要在「并行」和「回看」。线性对话里你要不断往回翻上下文，画布可以把多个分支同时摊开，试错成本低很多，但前提是你愿意接受更大的信息密度。

Q2：无代码自动化平台会不会不够灵活？
取决于链路复杂度。像 Make 这类连接器覆盖广的平台，大部分常规场景够用；真正卡住人的往往是节点配置的学习曲线，这也是 Pokee AI 这类自然语言方案存在的意义。

Q3：为什么模型厂商要自己做工作流调度？
因为编排层离用户太近。Claude 动态工作流单次可调上千个智能体，这种规模的调度放在外部自动化平台里做，延迟和成本都不划算。

Q4：给工作流平台授权应用连接，有什么风险？
Gheist 攻击里 850 个账号被植入泄密工作流就是例子。原则是：只授必需的权限，定期审查链路里每一个对外发送的节点。

Q5：语音能力在工作流里有什么用？
像 StepAudio 3 这种含 Realtime、ASR、TTS 的矩阵，能把会议录音、语音指令这些非结构化输入接进链路，是纯文本工作流覆盖不到的场景。

参考链接

• 零代码AI革命：Pokee AI如何用一句话实现工作流自动化？
• StepAudio 3 语音大模型 ↗
• GLM-5.3-FlashX ↗