Relevance AI
免费
Relevance AI 是面向企业和业务团队的 AI智能体 平台，官方定位为 AI Workforce 之家，支持低/无代码构建 Agent、工具、知识库和多智能体团队，并提供集成、触发器、权限与企业治理能力。
核心参数与统计
Relevance AI 官方将自己定位为“AI Workforce”的平台：业务专家可以在低/无代码环境中构建 AI agents 和多智能体团队，让 Agent 像数字员工一样执行任务；工程团队则可通过 API、MCP、集成与治理能力把这些 Agent 纳入企业系统。
| 参数 | 当前公开信息 |
|---|---|
| 官方入口 | https://relevanceai.com/ |
| 产品定位 | 低/无代码 AI Workforce、AI Agent 与多智能体团队平台 |
| 核心对象 | Agents、Tools、Workforces、Knowledge、Integrations |
| 典型能力 | 构建 Agent、配置工具步骤、连接外部应用、触发任务、任务队列与审批治理 |
| 计费维度 | plan、Actions、Vendor Credits、用户/项目/Workforce 等额度 |
| 免费层 | $0/月，含 200 Actions/月、1 个 Workforce、1 个用户与 1 个项目等公开额度 |
| 最新公开更新 | 2026-05-29 Tasks timeline view，来自官方 Changelog |
| 企业安全 | 官方文档列出 SOC 2 Type II 与 GDPR 合规相关说明 |
| 采用数据 | 官方 2025-05-06 博客披露 2025 年 1 月平台创建 40000 个 agents |
这些参数说明 Relevance AI 不是单一聊天机器人，而是围绕“创建、委派、监控、治理 Agent 工作”的平台型产品。它把 Agent 的角色、工具、知识源、触发器和运行记录放在同一套界面中，更适合希望把 AI 引入具体业务流程的团队。
用户与市场认可
Relevance AI 的市场信号主要来自官方客户案例、融资披露和分析机构/评价平台露出。官网客户页展示 Canva、Autodesk、KPMG、Lightspeed、Qualified、SafetyCulture 等客户故事或案例入口；其中 Qualified 案例标题披露“35+ AI agents”，SafetyCulture 案例标题披露“3x meetings”，这些均应按官方客户页展示口径理解。
官方博客在 2025-05-06 宣布完成 2400 万美元 Series B，投资方包括 Bessemer Venture Partners、King River Capital、Insight Partners 和 Peak XV，并披露 2025 年 1 月平台创建 40000 个 agents。官网首页还展示 G2 4.5 星、CB Insights “Leading Enterprise Agent Vendor”、Everest Group “Agentic AI Luminary”等市场背书；这类评价适合作为采纳信号，具体榜单口径仍以对应机构页面为准。
成本优势
Relevance AI 的成本优势来自两层：一是免费层和低门槛试用让团队能先验证 Agent 流程；二是 Actions、Vendor Credits、usage alerts、spend controls 等机制让企业能把 AI Workforce 的运行成本纳入预算管理。
| 方案 | 官方公开价格 | 适用对象 | 关键额度/说明 |
|---|---|---|---|
| Free | $0/月 | 探索平台和测试 Agent | 200 Actions/月、$2 一次性 Vendor Credits、无限 Agents & Tools、1 Workforce、1 User、1 Project、30 天任务历史 |
| Pro | 年付 $19/月起，月付 $29/月 | GTM 操作者和工程师 | 面向开始构建并委派 Agent 任务的个人或轻量团队 |
| Team | $234/月起 | 规模化构建的团队 | 面向多成员、多流程协作与团队级使用 |
| Enterprise | Custom | 组织级 AI Workforce | 面向全组织部署、治理、安全、支持和定制需求 |
与单点订阅型 AI 助手相比，Relevance AI 的价值不只看席位价格，还要计算“每个可自动执行流程节省的人工工时”和“错误复核成本”。适合的试点方式是先选一个高频、边界清晰、可验收的流程，记录 Actions 消耗、人工复核时间和成功率，再决定是否扩大使用。
主要功能
- Agents：官方文档将 Agent 作为完成任务的核心单位，支持配置指令、模型、触发器、工具、任务视图和运行状态，适合把销售、运营、研究、客服等任务拆成可执行角色。
- Tools：Tools 是 Agent 用来完成动作的能力单元，可包含 API 调用、LLM prompts、自定义代码和集成动作，适合把业务系统操作封装成可复用步骤。
- Workforces：Workforce 提供可视化画布，让多个专门化 Agent 组成团队、协作并被监控，适合多角色、多阶段的端到端流程。
- Knowledge：Knowledge 是官方 RAG 能力，用于给 Agent 提供上下文、知识表和检索信息，适合企业资料、文档、客户数据和流程知识接入。
- Integrations 与 Triggers：官方文档说明可通过外部服务、API、webhook、scheduled triggers、integration triggers 等方式触发 Agent，并连接 CRM、邮件、协作、生产力、客服、分析和开发工具。
- 治理与管理：Pricing 与管理文档列出使用额度、usage alerts、usage limits、spend controls、RBAC、SOC 2/GDPR 等能力，面向企业级可控运行。
模型与版本演进
Relevance AI 是持续迭代的云端平台，官方没有用传统语义化版本号包装产品，因此更适合按 Changelog 与公开里程碑记录版本。
| 版本节点 | 日期 | 官方来源 | 变化重点 |
|---|---|---|---|
| Tasks Timeline View | 2026-05-29 | 官方 Changelog | Tasks 页 Approvals、Escalated、Errors 标签加入按日统计图表，增强运行监控 |
| MCP access for Member role | 2026-05-13 | 官方 Changelog | RBAC 组织中 Member 角色可连接 Relevance MCP，以自身权限访问 Agent |
| Pricing and packaging changes | 2025-09-08 | 官方订阅文档 | 订阅、plan 与 credits 包装调整，价格以官方定价页为准 |
| $24M Series B | 2025-05-06 | 官方博客 | 获得 2400 万美元 Series B，并披露 2025 年 1 月创建 40000 个 agents |
从演进路径看，Relevance AI 正从“低代码构建 Agent”扩展到“企业可治理的 AI Workforce”：一端加强 MCP、API、Teams、Confluence 等连接能力，另一端加强任务可观测、权限、用量和支出控制。
技术优势
Relevance AI 的技术路线可以概括为“低/无代码构建层 + Agent 运行层 + 工具/知识/集成层 + 企业治理层”。这种组合降低了业务专家进入 Agent 构建的门槛，同时保留工程团队需要的 API、MCP、集成和访问管理能力。
它的优势不在于自研基础大模型，而在于把模型调用、外部系统动作、RAG 知识和任务触发组合成可运行的业务单元。对企业而言，关键价值是把“会聊天的模型”变成“能按权限、按流程、按监控执行任务的工作系统”。
如何使用
| 使用入口 | 适合对象 | 验证重点 |
|---|---|---|
| Web Builder | 业务专家、运营、GTM 团队 | 是否能低代码配置 Agent、工具、触发器和任务复核流程 |
| Chat 与 Agents 页面 | 一线使用者和团队成员 | Agent 是否能稳定接收任务、返回结果并进入任务队列 |
| Integrations | RevOps、IT、平台团队 | CRM、邮件、Slack/Teams、客服、数据工具等连接是否满足权限与审计要求 |
| API / Webhook / MCP | 工程团队和自动化平台 | 鉴权、权限边界、触发稳定性、日志与失败重试 |
| Enterprise 管理 | 管理员与安全团队 | RBAC、usage limits、spend controls、SOC 2/GDPR、数据处理条款 |
典型落地步骤是：先选定一个可衡量流程，克隆或创建 Agent；再配置 Tools、Knowledge 与 Triggers；随后在小范围任务中观察结果质量、Actions 消耗和人工复核比例；最后把通过验证的 Agent 纳入团队工作流，并设置用量、权限与异常处理规则。
产品定价
官方文档将 Relevance AI 的定价描述为 plan tiers、Actions、Vendor Credits 与 feature comparison 的组合。公开价格包括 Free、Pro、Team 和 Enterprise 四类：Free 用于探索，Pro 面向单人 GTM 操作者，Team 面向规模化构建团队，Enterprise 面向组织级 AI Workforce。
需要特别注意的是，Relevance AI 的账单并不只由订阅价格决定。Actions 代表 Agent 执行动作的消耗，Vendor Credits 与底层模型/外部供应商成本相关；团队还需要关注每月额度、续期是否重置、top-up、usage alerts、usage limits 和 spend controls。采购前应以官方定价文档与合同条款为准，不应依据第三方目录估算最终成本。
应用场景
- GTM 与销售开发：构建 BDR、线索研究、邮件起草、CRM 更新和跟进提醒 Agent，收益是减少销售运营中的重复检索和系统录入。
- 客户支持与成功：让 Agent 结合知识库、工单系统和协作工具处理分流、摘要、回复草稿和升级提醒，收益是缩短响应链路并保持人工复核。
- 研究与运营分析：把公开资料、内部知识表、网页/API 数据和结构化输出连接成研究 Agent，收益是让团队用统一流程完成资料收集和初步判断。
- 企业内部自动化：把 Slack/Teams、邮件、日历、数据表和审批流程联通，形成可监控的自动化任务队列，收益是把跨系统流程从手工切换变成可追踪执行。
适用人群
- 业务专家和 GTM 团队：适合有明确任务 SOP、希望自行配置 Agent 但不想从代码框架开始的人群。
- RevOps、运营和自动化团队：适合把多个 SaaS 系统连接成可运行流程，并需要观察 Actions、错误和审批状态的团队。
- 工程与平台团队：适合通过 API、webhook、MCP 与集成能力，把 Agent 纳入现有平台或内部工具链。
- 企业管理员和安全团队：适合需要 RBAC、用量控制、支出控制、安全合规说明和企业支持的组织。
不适合的情况也很清晰：如果只是一次性聊天问答，通用聊天助手更轻；如果需要完全本地化、自托管和源码级控制，Relevance AI 这类云端平台需要额外评估数据、合规和部署边界。
总结与展望
Relevance AI 的核心竞争力在于把 Agent 构建、工具动作、知识检索、外部集成、多智能体协作和企业治理组织成一个低代码 AI Workforce 平台。官方定价层级、Changelog、客户案例和融资披露显示，它已经从早期 Agent 构建工具走向企业级 AI Workforce 操作系统。
后续值得持续观察三点：第一，MCP、API、Teams、Confluence 等集成是否继续扩展并保持稳定；第二，Actions 与 Vendor Credits 的成本模型是否足够透明，能否支撑大规模自动化；第三，企业治理、审计、数据处理和权限控制能否覆盖更多高风险业务流程。对团队来说，最稳妥的采用路径是从单一流程试点开始，用成功率、人工复核率、Actions 消耗和业务结果判断是否扩大部署。
版本信息
- Tasks Timeline View ：官方 Changelog 显示，Tasks 页的 Approvals、Escalated、Errors 标签加入按日统计的 timeline 图表，用于查看任务状态变化。
- MCP access for Member role ：官方 Changelog 显示，Relevance MCP 向 RBAC 组织中的 Member 角色开放，用户可用自身权限连接 MCP 客户端并访问有权限的 Agents。
- Pricing and packaging changes ：官方文档列出订阅、计划与 credits 相关定价包装变更节点，价格和额度以官方定价文档实时说明为准。
- $24M Series B for AI Workforce ：官方博客宣布获得 2400 万美元 Series B 融资，并披露 2025 年 1 月平台创建 40000 个 agents 的采用数据。
用户评价