产品详细介绍

MNML AI 是一个以“极简（Minimal）”为核心理念打造的 AI 工作流与应用构建平台，旨在让用户在尽可能少的界面干扰和配置步骤下，完成从模型接入、流程编排到应用发布的全流程搭建。

平台核心特点包括：

  1. 极简界面与专注体验

    • 整体设计风格干净克制，减少多余按钮与复杂菜单。
    • 将常用操作集中在少数关键入口，降低新手上手门槛。
    • 适合希望“快速搭好就用”的个人开发者、产品经理与小团队。

  2. 多模型与多数据源支持

    • 支持主流大语言模型与图像模型接入（如 OpenAI、Anthropic、其他云厂商模型等，具体以平台实际支持为准）。
    • 可通过统一界面管理不同模型的密钥与调用参数。
    • 为后续扩展更多模型与工具预留接口，方便升级与替换。

  3. 可视化工作流编排

    • 通过拖拽节点、连线的方式搭建 AI 流程，无需复杂代码。
    • 节点可包含：模型调用、文本处理、条件判断、工具调用、API 请求等。
    • 支持将多个步骤组合为一个可复用模块，便于在不同项目中快速复用。

  4. 一键发布与分享

    • 将搭建好的工作流快速封装为 Web 应用、聊天机器人或 API 接口。
    • 支持生成可分享链接，方便团队内部试用与对外演示。
    • 适合用来搭建客服助手、内容生成工具、内部知识问答机器人等。

  5. 团队协作与权限管理（视具体版本而定）

    • 支持多人协作编辑同一工作流或项目。
    • 可对不同成员设置查看、编辑、发布等权限。
    • 便于在公司或团队内部统一管理 AI 应用资产。

  6. 注重隐私与安全

    • 通过密钥管理与访问控制，减少敏感信息泄露风险。
    • 提供日志与调用记录，便于审计与问题排查。
    • 具体数据合规与安全策略以平台最新说明为准。

整体而言，MNML AI 更像是一个“极简 AI 工具箱”：用尽量少的配置和界面元素，帮助你快速把想法变成可用的 AI 应用与自动化流程。

简单使用教程

以下为基于典型使用流程整理的简明上手步骤，具体以实际界面为准：

  1. 注册与登录

    • 访问 MNML AI 官网（https://mnml.ai/）。
    • 使用邮箱或支持的第三方账号完成注册。
    • 登录后进入主控制台/工作区界面。

  2. 配置模型与密钥

    • 在“Settings/设置”或“Models/模型”相关入口中，添加你已有的模型 API Key（如 OpenAI Key 等）。
    • 为不同模型命名，方便在后续工作流中选择。
    • 可根据需要设置默认模型与基础参数（如温度、最大 Token 等）。

  3. 创建新工作流（Flow / Project）

    • 在主界面点击“New Flow / New Project / Create”之类按钮。
    • 为工作流命名，例如“客服问答机器人”或“内容生成助手”。
    • 进入可视化编辑画布，开始搭建流程。

  4. 拖拽节点搭建流程

    • 从左侧或顶部的节点面板中，拖拽所需节点到画布：
      • 输入节点：用户输入、Webhook、表单等。
      • 模型节点：选择前面配置好的大模型，设置提示词（Prompt）。
      • 逻辑节点：条件判断、分支、循环等。
      • 工具/API 节点：调用外部接口或内部工具。
    • 通过连线将节点连接起来，形成从“输入 → 处理 → 输出”的完整路径。

  5. 配置提示词与参数

    • 在模型节点中编写提示词，例如：
      • 说明角色（如“你是一个专业客服”）。
      • 约束输出格式（如“请用简体中文回答，控制在 200 字以内”）。
    • 根据需要调整温度、最大长度等参数，以平衡创造性与稳定性。

  6. 测试与调试工作流

    • 在编辑界面点击“Run / Test / Preview”按钮。
    • 输入测试问题或示例数据，查看模型输出是否符合预期。
    • 如结果不理想，可：
      • 调整提示词内容。
      • 修改节点顺序或逻辑分支。
      • 更换模型或参数。

  7. 发布为应用或接口

    • 当工作流效果满意后，点击“Deploy / Publish”进行发布。
    • 选择发布形式：
      • Web 聊天页面：生成一个可访问链接，适合给同事或用户使用。
      • 内嵌组件：将聊天窗口或表单嵌入到你自己的网站。
      • API 接口：为其他系统提供可调用的 HTTP 接口。
    • 根据需要设置访问权限（公开、仅团队、仅自己等）。

  8. 迭代优化与团队协作

    • 根据真实使用反馈，持续优化提示词与流程结构。
    • 邀请团队成员加入项目，共同编辑或维护。
    • 使用平台提供的日志与统计功能，观察调用量、错误率与用户行为，进一步改进体验。

通过以上步骤，即使没有深厚的编程背景，也可以在 MNML AI 上快速搭建一个可用的 AI 助手或自动化工作流，并在实际业务场景中落地使用。