Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
Refly：能匯出給 Cursor 與 Claude Code 的 Agent Skills 構建器
Refly 是 Powerformer, Inc. 維運的 Agent Skills 構建器，GitHub 累計 7,449 顆星，主打用 Vibe Mode 把業務邏輯編譯成可版控、可暫停、可匯出的 Skill 規格，並透過 @powerformer/refly-cli 提供 Claude Code 路徑。授權採 Apache 2.0 加上組織商用限制的 ReflyAI License（source-available 而非標準開源），self-host 需注意尚未修補的 SSRF 通報。
用 AI 摘要這篇文章：
AI Agent 落地進到企業內部以後，最痛的環節常常不是模型不夠聰明，而是「上次那個會抓競品定價的 Agent 是怎麼寫的？為什麼換個人就跑不起來？」n8n 跟 Dify 拖拉連線很好上手，但業務一複雜，畫面就像盤絲洞；LangChain 給你完整自由，但每改一次就要重刻一份 boilerplate，跑起來像黑箱，審計軌跡難追。GitHub 上累計 7,449 顆星、720 個 fork 的 Refly，把自己定位成「首個 Agent Skills 構建器」，鎖的就是這塊中間地帶：把自然語言描述的業務邏輯，編譯成可版控、可暫停、可被 Claude Code 與 Cursor 直接呼叫的技能資產。下面從三個讀者最常問的問題切入：它到底是不是開源？跟 n8n、Dify、LangChain 的差別在哪？匯出給 Cursor 與 Claude Code 實際上指的是什麼？
先把身分與授權講清楚。Refly 的 GitHub repo 是 refly-ai/refly，主要語言是 TypeScript，由 Powerformer, Inc. 維運，官網是 refly.ai。授權採用該公司自訂的 ReflyAI Open Source License（以 Apache 2.0 為底，加上兩類額外條款），GitHub 因而把 SPDX 標記為 NOASSERTION，並不是 OSI 認可的標準開源授權。截至 2026-07-22，repo 累計 7,449 顆星、720 個 fork、94 個未解 issue，main 分支最近一次 commit 落在 2026-03-25，最新發版是 v1.1.0（2026-02-02），issue 更新仍在 7 月出現，屬於有在維護、但程式碼節奏不算密集的專案。
問題一：Refly 真的是「開源」嗎？授權要先看清楚再談落地
官方 README 與 repo description 都自稱「first open-source agent skills builder」，ahhhhhfs 原文也跟著用「開源」形容它。但讀過 LICENSE 全文後，這個「開源」需要加但書：第 1 條 b 項規定任何組織（公司、機構、團隊）的商業使用，都必須另外向 [email protected] 申請商業授權，涵蓋把 Refly 包進自家產品、提供他人代營運服務、用 Refly 產生商業內容等情境；個人用途（含個人商業活動）則維持免費。第 2 條 a 項進一步禁止在使用前端介面時移除 LOGO 與版權標示（前端範圍明確界定為 apps/web/ 與 packages/ai-workspace-common，或是 Docker image 裡的 web image）。第 3 條則要求貢獻者同意 Powerformer 可以調整授權強度、並可將貢獻碼用於商業雲業務。
這在業界有個專有名詞叫 source-available（原始碼可見），跟 open source（OSI 開源）是兩件事。OSI 認可的開源授權不允許針對「使用者類型」或「使用情境」設限，ReflyAI License 卻把個人與組織商用一刀切開，這正是 PolyForm Noncommercial、BSL、Elastic License 這類「半開源」授權的共同特徵。同樣的情形在 Onlyoffice、MoePeek 這類產品也出現過，TechMoon 過去討論 Coworker 時也特別提醒「原始碼公開 不等於 開源」。對 Refly 來說，工程師個人想 clone 來學 Vibe Workflow、做 side project 都沒問題；但若打算包進公司內部工具鏈、或當成對外服務的一環收費，請務必先取得商業授權，否則後續的法務風險不會比直接用未授權閉源軟體輕。
除了授權條款本身，自架者還要注意兩個已公開的資安通報。Issue #2280（2026-06-15 回報，截至 7 月中仍 open）記錄了 POST /v1/misc/scrape 端點的 SSRF 漏洞：後端會直接對使用者送來的 URL 執行 fetch()，沒驗證協定、host 或解析後的 IP 是否落在 private / loopback / cloud metadata 區段，攻擊者只要註冊一個帳號（Refly 預設開放 email 註冊）就能讓後端代為請求 169.254.169.254 這類內部位址，並把頁面 title 與 meta description 讀回來。同一條徑底也指出 dumpFileFromURL 在重新托管 markdown 圖片時會把完整 response body 存下來，風險更高。Issue #2276（2026-05-05）則記錄了 executable artifacts 的數個安全發現。這兩個 issue 在挑版本、配置反向代理與網段隔離時都要列入考量。
問題二：跟 n8n、Dify、LangChain 到底差在哪？
Refly 官方在 README 直接把定位寫得很明白：Workflow builders（n8n、Dify）擅長 orchestration，但 workflow 是 trigger-only 的黑箱，難以重用；Agent frameworks（LangChain）具備強大基礎元件，但需要大量 boilerplate 與維護成本。Refly 自己選的位置是 Skill OS，把業務邏輯包成可版控、可暫停、可匯出的「技能資產」，讓任何 Agent 框架都能回頭呼叫。換句話說，n8n 的產出是 workflow，LangChain 的產出是 Python / TS 程式碼，Refly 的產出則是一份可以版控、可以被 Claude Code 當工具呼叫的 Skill 規格。
| 維度 | n8n / Dify（workflow 派） | LangChain（code-first 派） | Refly Skills |
|---|---|---|---|
| 互動深度 | trigger-only，黑箱 | 程式化，要改碼 | Intervenable runtime，可中途暫停與修正 |
| 構建方式 | 手拉 API 與 JSON | 手寫 Python / TS boilerplate | Copilot-led，描述意圖即生成 |
| 失敗救援 | 整條 workflow 重跑 | debug 後 redeploy | 可在執行中 hot-fix |
| 可攜性 | 綁在 n8n instance | 綁 LangChain 框架 | 可匯出給 Claude Code、Cursor、MCP |
| 部署型態 | function tool 受限 | 自架微服務 | stateful API，原生 production-ready |
| 授權 | n8n 為 Sustainable Use License（另有 faircode 限制）；Dify 為 Apache 2.0 + 商用條款 | MIT | ReflyAI License（Apache 2.0 + 組織商用需授權） |
但這個比較表有幾個地方要還原一下現實。n8n 在 2024 年改用 Sustainable Use License 以後，本身就不再是 OSI 開源，「workflow 派 vs code-first 派」這個二分法對 n8n 並不完全公平，畢竟 n8n 也能透過 Code Node 寫 JavaScript。LangChain 這兩年也推出了 LangGraph，把「可暫停、可分支、可重播」的能力補上，與 Refly 的 Intervenable Runtime 概念重疊。另外，「skill」這個詞在市場上也正被 Claude Skills、MCP 規範、OpenAI Custom GPTs 同時競爭，標準還沒收斂。換句話說，這個定位表呈現的是 Refly 想推動的敘事，未必是已被業界一致接受的共識。
問題三：Cursor 與 Claude Code 的匯出路徑，目前真正能用的是哪條
ahhhhhfs 原文把「原生匯出到 Cursor」當成 Refly 最吸引人的特性，這個描述方向是對的，但 README 用語更保守：「Native export for Claude Code and Cursor (coming soon)」。換句話說，截至 v1.1.0，Claude Code 的 skill 匯出已可透過官方 CLI 落地，Cursor 那條仍在 coming soon 階段。把技能匯出去的實際路徑是這樣的：
1. 在 Refly 平台上用 Vibe Mode 或視覺畫布構建一條 workflow，例如「查詢生產資料庫並產生合規週報」。完成後這條 workflow 會被編譯成一份 Skill 規格（含輸入 schema、執行步驟、失敗救援策略）。
2. 透過官方 CLI @powerformer/refly-cli 把這份 Skill 發佈到 refly-skills registry，或裝到本機：
npm install -g @powerformer/refly-cli
refly skill install <skill-id>
或用 npx 直接拉：
npx skills add refly-ai/<skill-name>
3. 安裝完成後，這個 Skill 就會出現在 Claude Code 的可用工具清單裡，Agent 可把它當成一般的 function / MCP tool 呼叫；Cursor 端則要等官方把 coming soon 拿掉。
這個架構跟傳統 MCP server 的差別在於：MCP server 是你寫好一支程式，掛在 stdio 或 HTTP 上給 Agent 連；Refly Skill 則是先把業務邏輯在 Refly 平台構建、編譯、版控，再以 Skill 規格的形式交付給 Agent runtime。對重視審計與 SOP 合規的團隊來說，差別很關鍵：當 Agent 出問題時，你回頭看到的會是「這條 skill 在 Refly 上的版本 N，是誰在什麼時間點改了 step 3」，而不是工程師本機某個 MCP server 的 git history。相對代價是你的 Skill 生命週期綁在 Refly 平台上，等於多了一個倚賴；對單人開發者或只是想做 quick automation 的人，這層抽象不一定划算。
除了 Claude Code 與 Cursor 這條「AI coding tool」軸，README 列出的其他匯出目的地還包含：把 Skill 暴露成 stateful API 給 Lovable 等 app builder 串接、做成 webhook 給 Slack／Lark／Feishu／Microsoft Teams 觸發、或當成相容於 AutoGen、Manus、LangChain 的可呼叫工具。這意味著 Refly 想扮演的是「企業內部 AI 邏輯的中央技能庫」，而不是單純的 workflow 引擎。如果你的團隊已經在多個 Agent 框架之間拉扯，這個「構建一次、到處匯出」的賣點確實有吸引力；反之，如果你只用單一框架（例如只用 Claude Code），直接寫 MCP server 會比回頭學一套 Vibe DSL 更直覺。
實際部署過 Claude Code skill 的開發者會發現，refly-skills registry 與官方 MCP server 清單最大的差別在「治理層」。MCP server 是協定層的開放規範，任何人都能開、任何 Agent 都能連，不需要註冊或發版；refly-skills 則把「Skill 規格」視為一份可版控的資產，發佈者要透過 refly skill publish 把 skill 推到 registry，使用者再透過 refly skill install 或 npx skills add 拉回本機。這套流程對應的是 npm 或 Docker Hub 那種「中央 registry + 版本管控」思維，與 MCP 那種「client 直接連 server」的 peer-to-peer 模型走的是不同路線。對企業內部要管理「誰能用哪個 skill、哪個版本正在服役」的需求，這層治理機制是有意義的；對習慣寫一支 MCP server 就直接上線的獨立開發者，則要多學一份 DSL 與 CLI 流程，learning curve 不算太低。Registry 目前的內容以官方展示用的範例 skill 為主，第三方社群貢獻的數量與品質仍待觀察，這也是評估落地範圍時要納入的變數。
構建體驗：Vibe Mode 與 Intervenable Runtime 的工程意義
Refly 的核心構建體驗叫 Vibe Mode，背後是該公司自訂的 Model-Native DSL。讀者用自然語言描述意圖（例如「做一支會抓公開網頁、抽出定價策略、輸出 markdown 報告的工具」），Refly 會把這段意圖編譯成可執行的 skill 規格。README 強調三個賣點：意圖驅動構建、為 LLM 最佳化的精簡 DSL（可降 token 成本）、三分鐘內把靜態 SOP 變成 production-ready skill。這套構建模式跟 AI coding plan 對比中涵蓋的「描述即生成」工具屬於同一類思路，差別在於 Refly 產出的不是程式碼，而是 skill 規格。
Intervenable Runtime 則是 Refly 對「Agent 黑箱問題」的回應。官方在 README 直接列了與 n8n、LangChain 的對比：傳統 workflow 失敗要整條重跑、傳統 SDK 要 debug 後 redeploy，Refly 則允許在執行過程中暫停、審計、修正邏輯後再續跑。對需要 compliance audit 的企業應用（金融、醫療、政府標案）來說，這個能力確實有價值，因為它把 Agent 的執行軌跡變成可中斷、可解釋的流程，不再是「AI 跑完才知道它做了什麼」。但同樣要還原現實：暫停、修正、重跑這套機制對 runtime 的狀態管理要求很高，Refly 目前仍是 v1.x，大型 workflow 在中途 hot-fix 的穩定性，建議在自家場景實測過再上線，不要把 README 的行銷語當成生產環境的保證。
把 Refly 的三個核心能力擺在一起看，會發現它的設計賭注是「Skill 規格能成為 Agent 時代的共用貨幣」。Vibe Mode 解決構建摩擦、Intervenable Runtime 解決執行可控、Skill Registry 解決治理與重用，三條軸線各自獨立運作但也彼此倚賴。這條路徑與 LangChain 的 LangGraph、Crew AI 的 Crew、微軟 AutoGen 的 recipe 系統其實有部分重疊：業界都在找「把 Agent 邏輯沉澱成可重用資產」的標準格式，只是各自用的詞彙與其他組件綁定程度不同。Refly 比較特別的地方在於，它把「Skill」從 Agent 框架裡抽出來當成獨立產品營運，而不是把 skill 機制埋在某個 framework 內部。這個賭注能否成立，最終要看 refly-skills registry 能不能吸引足夠的第三方貢獻、以及 Cursor 匯出能不能如承諾上線。在這兩個訊號明確以前，把它當成「Claude Code 生態的官方 skill 構建器之一」會比當成「Agent 時代的標準」更務實。
自架門檻：Docker Compose 與 BYOK 模型路由
Refly 的自架路徑是 Docker Compose 一鍵拉起來，啟動後預設監聽 http://localhost:5700。第一次登入要註冊帳號（email signup 預設開放，這也是前面 SSRF 議題特別提醒的原因），再到 Settings 裡設定 model provider（OpenAI、Anthropic 等），填入自己的 API key，把第一個 chat model 設成 default，整個平台才算準備完。模型整合走 BYOK（Bring Your Own Key）路線，跟 FreeLLMAPI、Coworker 的設計同源：平台本身不賣算力，使用者自帶 key、自負 API 費用與合規責任。Refly 在 LICENSE 第 2 條 b 項也明確要求使用者遵守個別模型供應商的服務條款，等於把責任清楚切開。
BYOK 的另一個關鍵議題是資料流向。Refly 自架版本的 workflow 執行會在你自己的後端呼叫 LLM API，意味著你丟給 workflow 的素材（文件、查詢、使用者輸入）會經過你的 Refly 後端送到你設定的模型供應商。對企業內部資料來說，這條鏈路在「資料資產可控」這一層是透明的（資料沒有進第三方平台，只進你信任的模型供應商），但與真正「純本機推論」的 local-first 工具是兩回事：模型運算仍在雲端，供應商日誌政策才決定真正的隱私邊界。技術上，Refly 也支援私有的 Skill Connector，可以串接自家資料庫、腳本、內部系統，這條路徑則完全在你掌握之內。對隱私要求極高的場景，可考慮把 model provider 指向自架的 Ollama 或 vLLM 端點，但 Refly 官方沒有特別標榜這條「全離線」配置，需要自己測相容性。
誰該認真考慮 Refly，誰該先繞路
| 你的情境 | 建議 | 理由 |
|---|---|---|
| 公司內部要導入 AI Agent 並需要合規審計軌跡 | 值得試，但要先談商業授權 | Intervenable Runtime、Skill Registry、SOP-grade 設計貼合需求；組織商用必須授權 |
| 團隊已在 Claude Code／Cursor 上大量開發 | 值得試 Claude Code 匯出 | 官方 CLI 與 refly-skills registry 已落地；Cursor 仍在 coming soon |
| 個人開發者想做 side project 或學 Vibe Workflow | 個人用途免費，可一試 | 授權第 1 條 a 項涵蓋個人商業活動；模型費用自付 |
| 只想做一次性自動化、用完即丟 | 先繞路 | Skill OS 抽象對一次性任務太重；n8n 或直接寫腳本更快 |
| 完全沒有後端工程能量 | 先繞路或用 refly.ai 雲端版 | 自架要會 Docker、反代、網段隔離與 BYOK；SSRF 議題尚在 |
| 需要真正「純離線」local-first 處理 | 先繞路 | Refly 後端仍會送外部 LLM；要離線需自架 Ollama／vLLM 並自行驗證 |
| 打算把 Refly 包進對外 SaaS 收費 | 務必先談商業授權 | 授權第 1 條 b 項明文禁止，違反會踩法律紅線 |
除了上面這些情境，有幾個附加訊號也要列入考量。main 分支最近一次 commit 落在 2026-03-25，從那之後到 7 月的活動主要在 issue 討論與小修補，屬於「仍在維護但不算高頻節奏」的專案；對倚賴快速修 bug 的企業用戶來說，這個節奏要評估是否能接受。另一個訊號是官方同時維運雲端版 refly.ai/workspace，首頁打的是「Vibe Workflow for Non-Technical Users」與「給非技術創作者用的自動化平台」，受眾與自架的開發者版不完全相同，挑選授權方案時別把兩者混淆。Refly 在 dual-use 議題上則屬於灰色地帶：它跟 OpenCut、SimilarRepos 這類工具一樣，本身是被動能力，但它能封裝出來的 skill 確實可用於內容農場、SEO spam 或自動化爬蟲。Refly 官方 README 對此沒有明確的 acceptable use policy，僅在 LICENSE 要求使用者遵守模型供應商條款，這一塊由自架者自負。
常見問題
Q：Refly 是免費的嗎？
A：個人使用（含個人商業活動）免費，組織商用必須另外向 [email protected] 申請商業授權。模型的 API 費用由使用者自付。
Q：Refly 跟 n8n 的差別是什麼？
A：n8n 的產出是 workflow（trigger-only，重跑成本高）；Refly 的產出是 Skill 規格（可版控、可匯出給 Claude Code、可在執行中暫停修正）。授權上兩者都不是 OSI 開源，但限制類型不同。
Q：可以離線使用 Refly 嗎？
A：平台本身可自架，但 LLM 運算預設走外部 BYOK API。要完全離線需把 model provider 指向自架 Ollama／vLLM，相容性需自行驗證。
Q：Cursor 匯出什麼時候上線？
A：README 在 Native export 條目下標註 Cursor 為 coming soon，目前正式落地的是 Claude Code 匯出（透過 @powerformer/refly-cli）。建議以 refly-skills registry 的實際可用清單為準。
Q：把 Refly 包進對外 SaaS 收費可以嗎？
A：不行，LICENSE 第 1 條 b 項明文禁止任何組織的商業使用，必須先取得 Powerformer, Inc. 的商業授權。
Q：已知有哪些資安風險？
A：Issue #2280 通報 /v1/misc/scrape 與 dumpFileFromURL 有 SSRF 風險（截至 7 月中仍 open），#2276 記錄 executable artifacts 的數個安全發現。自架務必關閉非必要的註冊管道、配置反向代理與網段隔離。
結論：定位清楚，但要分清「敘事」與「現況」
Refly 想解的問題是真的：把非結構化的 AI 邏輯沉澱成企業可治理的技能資產，是 Agent 走向生產環境的關鍵一步。Intervenable Runtime、Skill Registry、BYOK、匯出給 Claude Code 這幾條軸線合在一起，的確是市面上少見的組合。但落地前要把三件事分清楚：它自稱的「open source」其實是 source-available，組織商用必須另談授權；Cursor 匯出仍是 coming soon，目前真正落地的是 Claude Code 路徑；self-host 還存在已公開但未修的 SSRF 通報，自架需自行補上反向代理與網段隔離。把這三層但書放進來再決策，會比跟著行銷敘事走更踏實。如果是個人開發者想學 Vibe Workflow、或企業內部已有合規需求與法規資源，Refly 值得排進評估清單；如果只是想做一次性自動化、或期望「一鍵開箱」的純離線工具，先繞路會更有效率。
最後補一個技術追蹤建議：Refly 的發版節奏不算快，self-host 用戶建議盯緊 refly-skills registry 與 changelog，重要升級前先看一眼 issue 標題檢查有沒有新爆出的安全通報，再決定要不要跟。對應的官方資源是 GitHub repo、docs.refly.ai 文件站、refly-skills 技能庫與 官方 Discord，學習曲線與社群狀態都可在這幾個地方先觀察一輪再下手。
