对话 Ribbi：所有人都在做创作工具，我们在做一个有品味、会进化的「人」

📌 一句话摘要

本文是对 AI 内容创作 Agent 产品 Ribbi 创始人的深度访谈，阐述了其将 AI 定位为全流程、会进化的「人」而非单一工具的产品哲学，并详细介绍了其基于 Skill 说明书、Taste 品味学习和 Single Agent 架构的技术实现与商业思考。

📝 详细摘要

本文是 Founder Park 对 AI 内容创作 Agent 产品 Ribbi 创始人 Robin 的深度访谈。Ribbi 的核心理念是颠覆将 AI 视为单一创作工具（如替代剪映、Canva）的思维，转而构建一个能接管从灵感、生产、发布到数据监控全链路的、有品味、会进化的「人」。文章详细探讨了其三大核心创新：1）以「Skill 说明书」而非固定工作流的方式，让一个主 Agent 灵活调用上百个工具，实现无限组合；2）通过自研 VLM 模型和 Taste Agent，学习并进化用户的审美品味，实现创作风格的个性化与平台兜底；3）采用 Single Agent + 异步辅助 Agent 的架构，避免 Multi-agent 的上下文损耗，并实现技能、品味和创作内容三个维度的自主进化。创始人还分享了其「Agent in the loop」、内容创作普惠化以及给 AI「更多的手」（工具）等非共识思考，展现了在 AI 创作工具红海中独特的差异化路径和产品野心。

💡 主要观点

- AI 时代的内容创作 Agent 应是一个全流程、会进化的「人」，而非割裂的单点工具。 Ribbi 挑战行业共识，认为创作包含灵感、生产、发布、数据迭代的完整闭环，现有产品割裂了上下文。其目标是构建一个能接管全链路、懂品味、并能基于数据反馈自主优化创作范式的智能体。

Skill 是给模型阅读的「说明书」，而非约束模型的固定工作流，这是灵活性的关键。 Ribbi 将每个能力封装为场景化的 Skill（如「把文章变成视频」），但其底层是工具的自由组合。主 Agent 像阅读说明书一样理解 Skill，并能根据需求跨 Skill 调用或自行组合工具，突破了传统线性工作流对想象力的限制。

「品味」（Taste）可以被模型学习、进化，并用于实现创作的个性化与审美兜底。 通过自研 VLM 模型将用户喜欢的图片/视频风格提炼为文本，经 Taste Agent 压缩进用户上下文，形成审美画像。平台还建立共享审美池为新用户兜底，但核心用户的品味权重更高，确保了进化方向的质量。

采用 Single Agent + 异步辅助 Agent 架构，追求「Agent in the loop」而非「Human in the loop」。 单一主 Agent 维持连贯的创作上下文，多个异步 Agent（如 Taste、Skill、Memory Agent）在后台处理数据收集、反思与进化，将养料反馈给主 Agent。这减少了 Multi-agent 架构的信息损耗，并推动系统持续自主优化。

产品的核心壁垒在于「给 AI 更多的手」、品味数据飞轮以及工程化整合能力，而非依赖单一模型。 创始人认为，即使未来出现 AGI，它仍需要工具（手）来操作内容。Ribbi 的壁垒在于整合大量工具的能力、用户使用产生的 Skill 与 Taste 数据飞轮，以及将不同模型优势组合放大的工程架构，这构成了完整的增长正循环。

💬 文章金句

- AI 时代的内容创作，不应该是一个工具，而应该是一个「人」，一个接管你整条内容创作链路的、懂品味的、会进化的「人」。

• 对于模型来说，skill 是一本又一本说明书，而真正阅读说明书的人依旧是模型本身。
• 我们赌的事情是：模型会持续地进化，而模型持续进化的最终形态是自主进化的模型。
• 写好一个内容只完成了 25%，更重要的 75% 是发布、持续优化、再迭代、再进化，而这之前都没有被完成。
• 我们核心做的就是给 AI 创造足够多的手。

📊 文章信息

AI 初评：91

来源：Founder Park

作者：Founder Park

分类：人工智能

语言：中文

阅读时间：57 分钟

字数：14040

标签： AI Agent, 内容创作, Ribbi, 产品设计, 自主进化

阅读完整文章