在大语言模型的崛起中，越来越多的应用场景被不断挖掘。随着模型质量的提升和上下文长度的增加，复杂AI搜索变得可能。许多公司尝试利用大语言模型为搜索引擎赋能，甚至包括 OpenAI 也在探索利用大语言模型来增强信息检索能力。类似于秘塔 AI 和 Perplexity 这样的便捷 AI 搜索工具也逐渐流行起来。

然而，像上面提到的这些搜索工具都存在一个明显的限制，即局限于单一模型或单一交流，缺乏不同连接点之间的关系和跳转。最近推出的新工具 Flowith 在某种程度上挑战了这一限制。

这个slogan起的就很科幻，“来自未来”和“地表最强大”非常的抓人眼球。

创新点

从他们的官网当中可以看到和传统的对话是交互不同，Flowith采用了节点式的交互方式，并且也支持多模态的搜索。

事不宜迟，让我们进入网站进行体验：

这里已发现页的其他用户的记录作为例子：

我们选择“Tesla product”这个主题，可以看到，整体是一个非常大的类脑图结构。

这也是这个工具生成结果的展示了，在展现结果的同时，也将用户交互的过程进行了某种程度上的反应

用户可以输入一个节点，然后网站将基于这个节点来自动判断，用户是想要检索一个概念还是信息，并且基于这个生成思维导图。

只是看别人的例子也没有意思，我们直接上手来看吧：

体验

我们在日常冲浪的过程当中，经常能够遇到各种没见过的概念，我们这里以传播学上的“模因”这个概念为例子，对它进行展开。

首先最开始我们需要输入一个最初始的节点，这个节点的输入内容可以是疑问，也可以是请求。

我们这里选择自动决策模式进行体验：

在开始后，Flowith将对这个主题的展开方式进行选择：

前后不超过10秒钟，我们就可以得到围绕这个概念相对详尽的一个导图：

可以看到它不仅从网络上对这个概念进行了搜索，还对搜索结果对于概念的相关性进行了排序。在搜索的基础上，他还对搜到的内容进行了总结。

除此之外我们还可以选择使用知识图谱的方式，浏览和这个概念有关的其他概念：

knowledge graph：

可以看到获得的知识图谱相对还是很完善的，对于其中一些我们想要进一步认识的点，我们可以点击对它再生成额外的知识图谱在这里就不再赘述了。

总结

Flowith在目前众多的基于llm的信息检索工具中，拥有独特的基于节点的检索和浏览方式，相比纯文本的信息流式浏览，这种平面上的浏览和检索方式的效率无异于提升了一个维度。虽然目前在ui交互和生成质量的稳定性上还有所欠缺，比如经常会遇到生辰一半就自动断掉的情况（不过也有可能是网络问题），但是整体上还是非常值得去试一试，至少我们在面临新的未知的概念的时候，我们又多了一项强有力的工具。

注册邀请码（内含使用额度）

给你 share 一个支持 GPT-4o 和 3.5 免费的产品 flowith，用这个链接注册就行：

https://flowith.io/invitation?code=ZJ47Q1