Relevance AI

Relevance AI 是什么

Relevance AI 是一个用于搭建、部署和管理 AI Agent 与多 Agent Workforce 的低代码平台。它把 Agent 指令、知识库、工具调用、应用集成、触发器、审批、升级处理和运行监控放在同一套产品里。用户既可以通过 Invent 用自然语言生成初始 Agent，也可以从空白开始配置模型、提示词、工具、知识和行为边界，再把多个专业 Agent 连接成一支协作团队。

它的重点不是让一个聊天机器人回答所有问题，而是把业务拆成明确角色。例如销售研究 Agent 负责收集公司信息，资格判断 Agent 根据规则评分，文案 Agent 草拟个性化邮件，最后由人工批准后才写入 CRM 或发送。平台适合希望快速验证 Agent 工作流、但不想从模型 API、向量数据库、任务队列和权限系统全部自建的运营、销售、客服与内部自动化团队。

核心组成

• Agents：配置角色、目标、指令、模型、知识、工具和自主运行限制。Agent 可以独立工作，也可以在需要时请求人工输入或升级给负责人。
• Tools：Agent 执行动作的单元，可以调用应用集成、HTTP API、代码、模型提示或一个多步骤工作流。工具是否稳定，直接决定 Agent 能否进入真实业务。
• Knowledge：提供基于检索增强生成的知识库，可连接文件、网站、Google Drive、SharePoint、Notion 等来源。同步并不等于内容可靠，仍需处理权限、版本和过期信息。
• Workforces：在可视化画布上连接多个 Agent、工具和触发器，设置交接条件、自动运行、人工审批或由 Agent 判断是否需要批准。
• Invent 与 Marketplace：通过描述需求生成 Agent 或工具初稿，也可克隆模板。模板能加快起步，但必须检查连接权限、提示词、失败策略和适用地区。
• 监控与评测：活动中心、任务视图、告警和逐步推出的 Evals 能帮助团队查看失败、升级、成本和质量。部分高级评测能力以 Enterprise 或逐步开放为主。

适合哪些团队

Relevance AI 最适合有清晰流程负责人和可量化输入输出的团队。销售运营可以把名单研究、字段补全、资格评分和草拟跟进拆成几个 Agent；客服团队可以让知识检索 Agent 先回答，再把退款、合同、账户安全等高风险问题升级给人工；内部运营可以把表单、数据库、邮件和项目管理系统连接起来。

如果任务完全确定、步骤固定、没有语义判断，普通工作流自动化通常更便宜、更可预测。如果团队要求完整自托管、在私有网络中运行所有组件、深度修改代码或完全控制模型网关，n8n、Dify 或自建框架可能更合适。低代码平台减少了初期工程工作，但不会消除业务设计、数据治理、测试和持续维护。

价格、Actions 与 Vendor Credits

新计费模型把用量拆成 Actions 与 Vendor Credits。一次 Tool 运行通常计为一个 Action；由 Agent 或 Workforce 调用工具也会计费，而且工具失败仍可能消耗 Action。Vendor Credits 用于第三方模型和相关 AI 成本。付费方案可以绑定自己的模型 API Key，从而绕过平台 Vendor Credits，但第三方模型费用、条款和密钥安全由用户负责。

官方价格页当前显示：Free 为 0 美元，含每月 200 Actions、一个用户、一个项目和一个 Workforce；Pro 月付 29 美元，含每月 2500 Actions和约 6 美元 Vendor Credits，年付折算约 19 美元/月；Team 月付 349 美元，含每月 7000 Actions、约 70 美元 Vendor Credits、5 个构建用户和 45 个终端用户，年付折算约 234 美元/月；Enterprise 为定制价格与额度。

官方价格页与帮助文档对额外 Actions 的单价曾出现不一致，因此本文不把某个 top-up 数字当成长期承诺。采购前应以登录后的结算页、适用合同和当前帮助文档为准。套餐内 Actions 会在续费周期重置；购买的 Action top-up 和 Vendor Credits 的结转规则不同，取消订阅后未用额度可能失效。

审批、失败处理与成本控制

平台允许对工具或 Workforce 连接设置 Auto Run、Approval Required 或 Let Agent Decide。涉及外发邮件、CRM 修改、退款、账号权限、合同、采购和删除操作时，应从 Approval Required 开始。低风险读取或内部草稿经过稳定测试后，才适合逐步放宽。

工具可以设置重试次数以及重试耗尽后的终止或人工升级。重试也会增加工具执行次数、等待时间和成本。团队应设置 Agent Autonomy Limit、项目级硬上限、用量告警和失败通知，避免一个错误输入触发循环调用。演示中成功一次并不能证明工作流可长期运行，至少要测试空字段、重复记录、API 限流、权限失效、超时和人工未响应等情况。

隐私、数据区域与第三方服务

Relevance AI 提供美国北弗吉尼亚、英国伦敦和澳大利亚悉尼等组织区域；组织创建后区域不能直接更改。选择区域前应结合客户位置、合同、数据驻留和下游集成判断。平台的隐私政策说明数据可能交由托管、支付、分析、支持等服务商处理，使用第三方模型和 Pipedream 扩展集成时还会形成额外数据流。

条款允许 Relevance AI 在提供和改进服务所合理需要的范围内使用 Client Data，并要求用户确保上传内容与连接数据拥有合法权利。公开条款没有给出足够清晰、统一的 AI 输出所有权说明，因此不能简单宣称所有生成结果在所有套餐下都自动完成版权转让。处理客户数据、个人信息、合同或未公开资料时，应核对 DPA、子处理商、模型供应商、保留删除规则和企业订单。

局限与风险

• Actions 与 Vendor Credits 双重计量，成本不能只看订阅月费。
• 工具失败和重试仍可能消耗 Actions，高频流程需要硬上限和告警。
• 多 Agent 的交接增加了可解释性和责任边界设计，不是 Agent 越多越好。
• 低代码连接器仍会遇到字段变化、OAuth 失效、API 限流和供应商停服。
• Free 和 Pro 适合验证，团队协作、终端用户、评测和企业治理可能需要更高套餐。
• 官方条款对 Client Data 的许可较宽，AI 输出权利不够明确，敏感业务应做合同审查。
• 平台是托管服务，不等同于完整自托管；取消后需要提前导出配置和业务数据。

与替代工具怎么选

Lindy 更偏自然语言创建个人与业务助理，邮件、日历、会议和跟进的起步路径更短。Dify 更适合希望开源、自托管并构建面向用户的 LLM 应用、RAG 和工作流的技术团队。Gumloop 强项是可视化数据与网页研究流程，n8n 则提供更强的自托管、脚本和通用自动化控制。

Relevance AI 的优势是把 Agent、工具、知识和多 Agent Workforce 作为一套完整产品，并提供逐边审批、升级与任务视图。它最适合愿意先把业务流程和责任边界写清楚，再用低代码快速验证和运营 AI 团队的组织。