Refly：首个能原生导出到 Cursor 的开源 Agent Skills 构建器
Refly：首个能原生导出到 Cursor 的开源 Agent Skills 构建器 Web/Docker | 7.4k Stars 这是什么 Refly 是首
Gana · 2026-08-23 · 8 分钟阅读Refly：首个能原生导出到 Cursor 的开源 Agent Skills 构建器
Web/Docker | 7.4k Stars
这是什么
Refly 是首个开源的 Agent Skills 构建平台，核心理念是"Skills 不是 Prompt，是持久化基础设施"。它通过可视化 IDE 让你将企业 SOP 和业务逻辑编译为可版本控制、可复用的确定性 Agent Skill，然后导出到 Claude Code、Cursor、Codex 等 AI 编程工具中作为可调用的工具使用。
与 n8n、Dify 等工作流工具不同：传统工作流是"触发即黑盒"，难以中途干预和跨环境复用；而 Refly 提供可干预运行时（Intervenable Runtime），允许你在执行过程中暂停、审计、修正 Agent 行为，确保 100% 的业务合规。与 LangChain 等框架不同：Refly 不需要手写 Python/TypeScript 样板代码，用自然语言描述意图后由 Copilot 编译为优化的 DSL，3 分钟即可将静态 SOP 变成可执行 Skill。
Refly 可以输出为多种形态：REST API（供 Lovable 等前端调用）、Webhook（接入飞书/Slack）、或原生导出到 Claude Code/Cursor 作为 Agent 工具。已集成 3000+ 原生工具（Stripe、Slack、Salesforce、GitHub 等），并完整支持 MCP 协议。
适合谁 / 不适合谁
| 人群 | 是否推荐 | 原因 |
|---|---|---|
| 不断重复相同 AI Agent 提示词的开发者/运维 | ✅ 推荐 | 将高频工作流固化为可复用 Skill，一次构建、到处运行，大幅降低 token 消耗 |
| 企业 IT 团队，需要将内部 SOP 转化为 AI Agent 可执行的操作 | ✅ 推荐 | 版本化 Skill 注册中心 + 可审计运行时，满足合规和团队协作需求 |
| 仅在 ChatGPT 网页端偶尔聊天的普通用户 | ⚠️ 酌情 | Refly 面向 Agent 工作流构建者，需要一定的工程思维，不适合轻量对话场景 |
安装
# 方式一：使用托管版（免部署）
# 直接访问 https://refly.ai/workspace 注册即可使用
# 方式二：Docker 自部署（推荐开发者）
# 详见 https://docs.refly.ai/community-version/self-deploy/
# 方式三：安装 Refly CLI（用于导出 Skills 到 Cursor/Claude Code）
npm install -g @powerformer/refly-cli
# 方式四：从源码构建
git clone https://github.com/refly-ai/refly
cd refly
pnpm install
pnpm dev
自部署默认访问 http://localhost:5700，首次登录需注册并配置模型提供商（OpenAI/Anthropic 等）。
核心用法
- 创建工作流：登录后点击"New Workflow"，可选择空白画布（拖拽节点）或 Vibe 模式（用自然语言描述需求，AI 自动生成工作流）
- 配置节点：添加"网页搜索"、"LLM 分析"、"输出格式"等节点，连接形成完整流程。支持 3000+ 原生工具集成
- 测试调试：点击 Run 执行工作流，在可干预运行时中查看每一步的中间结果，发现问题可中途暂停修正
- 导出为 API：在设置中生成 API Key，通过 REST 端点 (
POST /api/v1/workflows/{id}/execute) 调用工作流 - 导出为 Skill：
refly skill publish <skill-id>将工作流发布为 Skill，在 Claude Code 或 Cursor 中通过npx skills add refly-ai/<skill-name>安装使用 - 接入飞书/Slack：配置 Webhook 触发器，当用户在飞书/Slack 中 @机器人 并发送消息时自动触发工作流并返回结果
注意事项与风险
- 自部署版本需要自行管理模型 API Key（OpenAI/Anthropic 等），token 成本由使用的模型决定
- 工作流的确定性取决于构建时的逻辑设计，自然语言描述的 Vibe 模式需要在测试中验证边界情况
- 开源许可为 ReflyAI Open Source License（Apache 2.0 + 附加限制），商用部署前请确认许可条款
- Refly Skills 生态仍在早期阶段，官方和社区 Skills 覆盖场景有限
- CLI 工具 (
@powerformer/refly-cli) 当前功能主要为技能安装和发布，高级编排仍在完善中
与你现有工具的关系
- 与 Cursor/Claude Code：Refly 不是替代品，而是增强层。你可以把在 Refly 中构建的企业工作流导出为 Cursor/Claude Code 可直接调用的 Skill，让编程 Agent 具备访问内部系统的能力
- 与 n8n/Dify：Refly 在工作流编排上与 n8n/Dify 有重叠，但核心差异在于输出形态——n8n 侧重自动化触发，Refly 侧重将工作流作为可移植的 Agent Skill 分发到不同运行时
- 与 Lovart/LibTV：Refly 的 API 导出能力可直接为 Lovable 类前端应用提供后端接口。如果你在用 Lovart 生成 App 界面，Refly 可以快速构建与之匹配的后端工作流 API
常见问题（FAQ）
Q: Refly 和 n8n 最大的区别是什么？
A: n8n 的本质是"可视化自动化触发器"，工作流绑定在实例上难以跨环境复用。Refly 将工作流编译为可移植的 Agent Skill，可以导出给 Claude Code、Cursor 或作为独立 API 调用。此外 Refly 支持运行时干预（中途暂停修正），n8n 是触发后全自动执行。
Q: 自部署需要什么资源？
A: 最低配置 2 核 CPU、4GB RAM，推荐 Docker 部署。Refly 本身不包含 LLM，需要自行配置 OpenAI/Anthropic API Key。工作流执行时的 token 消耗取决于复杂度，精简的 DSL 设计可降低 token 花费。
Q: "Vibe 模式"生成的工作流可靠吗？
A: Vibe 模式适合快速原型，能极大加速从 0 到 1 的过程。但对于生产级工作流，建议在 Vibe 生成的基础上进行节点级精细调整，并通过反复测试覆盖边界情况。Refly 提供了完整的测试和审计日志来支持这一流程。
相关链接
- GitHub：https://github.com/refly-ai/refly
