在画布上对话任务，还是把知识建成底座对外输出？
Flowith 用画布式 AI 会话帮你一步步完成任务；2Ryun 把知识建成结构化底座，并把它直接输出成网站与客服。
一个「在会话里把事办了」，一个「把知识养成资产再分发」。
Flowith
基于画布（canvas）的 AI 工作空间——把多个 AI 能力和知识源连成可复用的工作流。它的强项是流程编排：你把知识库、搜索、生成、多模型节点拖到画布上，连成一条能反复跑的 Agent 流水线。
2Ryun 知识库
AI 原生知识库——文档写进去，知识自动生长，并作为单一源头同时供给网站、可分享图谱页和同源客服。它不做一次性对话，而是把知识养成持续对外产出的底座。
能力对比表
从核心形态到费用，十二个关键维度帮你快速定位。
| 维度 | 2Ryun 知识库 | Flowith |
|---|---|---|
| 核心形态 | AI 原生知识库——文档写进去，知识自己长出来 | 画布式 AI 工作空间，多 Agent / 知识源编排 |
| 知识从哪来 | 文档 / 网页 / 多格式入库，AI 自动抽取条目、建关联 | 你接入的知识源 + 画布上连接的多类 AI 节点 |
| 知识如何形成 | 长出来——AI 抽取条目、自动建链、标注知识断层 | 你来搭画布、连节点，工作流产出结果 |
| 出口能力 | ✔ 生成网页 / 开客服 / API——知识能「发」出去 | 工作流输出（文本 / 文件），对外多以结果交付 |
| 对外公开资产 | ✔ 知识图谱可生成可分享公开页；所有可分享页天然 SEO/GEO 优化 | 无「对外公开、可被搜索引擎/AI 引用」的页面资产概念 |
| 搜索与召回 | 语义 + 图谱遍历；回答标注出自哪条具体条目 | 工作流内检索节点调用 |
| 知识关联 / 图谱 | ✔ 自动构建知识图谱；可生成可分享公开图谱页 | 画布上的节点关联，非对外可分享图谱资产 |
| 数据主权 | ✔ 可导出 Markdown / PDF / DOC / PNG，知识条目与图谱数据均可导出 | 工作流与数据存于平台 |
| 协作 | 共享知识库；多人协作文档；共享客服 | 工作流可分享复用 |
| 集成 / 生态 | API + 导出；同源供网站与客服 | 多模型 / 多工具节点编排 |
| AI 能力 | 全库语境；回答可溯源到具体条目 | 多 Agent 编排、可并行调用多个模型 |
| 适用人群 | 想让知识对外传播 / 做网站 / 做客服的个人与团队 | 想用画布编排复杂 AI 工作流的构建者 |
| 费用 | 免费使用（核心） | 免费 + 算力 / 订阅档 |
标注「待核」的项目需以各平台最新文档为准。
Flowith 是什么？
Flowith 是基于画布（canvas）的 AI 工作空间，定位「把多个 AI 能力和知识源连成可复用的工作流」。它的强项是流程编排——你不是一次问答，而是把知识库、搜索、生成、多模型节点拖到画布上，连成一条能反复跑的 Agent 流水线。对「想让 AI 按我的结构干复杂活」的构建者，它很对路。
它的知识管理思路是「你来编排」：价值在于你设计的流程，而不在知识自动生长。它不强调把知识变成对外的公开资产。
2Ryun 知识库是什么？
2Ryun 是 AI 原生知识库，定位是「知识底座」而非「任务画布」：文档写进去，知识自动生长，并作为单一源头同时供给网站、可分享图谱页和同源客服。
它不做一次性对话，而是把知识养成持续对外产出的底座。
同一份知识 → 多个出口
- ● 一个网站页面——文档改一处、对应页面就重新生成，且内置 SEO/GEO 优化
- ● 一个可分享的 2D/3D 知识图谱页——点开任一知识条目都能逐级溯源到源文档
- ● 一个挂在网站上的同源客服——文档改了它就跟着变
但 2Ryun 真正的分野不在「能发」，而在「自动知识活化」：文档写进去，AI 自动抽条目、排重合并、标出断层与亮点，知识库自己长、自己完善，随时能用。对外发布只是这套能力的一环——发布页天然做好 SEO/GEO 优化，而我们同样能把文档编辑做扎实（基于 Tiptap 的编辑器、20+ 内容块、文档树、多主题、多格式导入导出），再叠加上一座会自动生长的知识库。
核心差异
1. 编排 AI 干活 vs 知识长出来、发出去
这是分水岭。Flowith 让你设计「AI 怎么干」，产出留在工作流结果里；2Ryun 让你存进去的知识「长出来并对外产出」。如果你要的是「我的知识能被世界找到」，目前只有后者原生做到。
2. 知识如何形成
Flowith 的价值来自你搭的画布与节点连接；2Ryun 的价值来自 AI 抽取条目、自动建链、主动标断层。2Ryun 的「知识是长出来的，不是整理出来的」不是口号，而是架构主张——你不必先设计流程，知识就持续生长。
3. 对外可见性
Flowith 的工作流结果多在其平台内交付，没有「对外公开、可被 AI 引用」的页面资产概念。2Ryun 的可分享图谱页和生成网页本身就是 SEO/GEO 资产。这是「对内编排」与「对外传播」两类产品。
4. 数据主权
两者都把数据存在平台。2Ryun 的立场是明确的：文档可导出 Markdown/PDF/DOC/PNG，知识条目与图谱数据也能导出——不存在「存进去搬不出来」。Flowith 的工作流与数据绑定其平台。
Flowith 更强的地方（诚实说）
- ▸ 复杂工作流编排：多 Agent、多模型并行，适合结构化任务
- ▸ 画布直观：可视化连接节点，比纯提示词好维护
- ▸ 可复用流水线：一次搭好反复跑，适合批处理
如果「用画布让 AI 按我的流程干复杂活」是你核心需求，Flowith 很合适。2Ryun 补的是它结构上没有的「知识长出对外资产」这一环。
谁该用谁
用 Flowith，如果你： 核心需求是编排多步骤、多模型的 AI 工作流，产出留在任务结果里，不打算把知识变成对外的公开网站或客服。
用 2Ryun，如果你： 想让沉淀的知识对外产出——生成可被搜索引擎和 AI 引擎抓取的网页、可分享的知识图谱页面，或直接在网站上挂一个同源客服。
两者都用： Flowith 做复杂 AI 工作流的编排与批处理，2Ryun 做「知识对外变成资产和流量入口」的那一层。不冲突。
为什么在 Flowith 之外加上 2Ryun
- ◆ 他们要对外资产：Flowith 的工作流结果是交付物，不是能被 Google 收录、被 AI 引用的网页。
- ◆ 他们要一个源头喂多个出口：同一份知识 → 网站 + 客服，不用重复维护。
- ◆ 他们要可溯源的信任：2Ryun 的回答指向具体条目，天然适合 GEO（生成式引擎优化）。
诚实 FAQ
从 Flowith 迁到 2Ryun 的五步
免费开始
注册 → 存下第一篇，免费使用
2ryun.wiki