Vellum AI 是一套面向 LLM 应用工程化的 AI智能体 与开发平台，公开文档覆盖 Agent Builder、Prompts、Workflows、Evaluation、Deployments、Monitoring、Documents、Security 等模块；官网同时将新产品方向描述为个人 AI 助手与个人智能平台。

Vellum AI - LLM 应用工程化与个人智能平台

Vellum AI 的核心参数与统计

Vellum AI 早期更明确地面向“把 LLM 应用从原型带到生产”的工程化场景，官方文档仍在维护 Prompt、Workflow、Evaluation、Deployment、Monitoring 和 SDK 等能力；2026 年官网首页与定价页则把产品叙事扩展到 Personal Intelligence，强调个人 AI 助手、长期记忆、工具调用、桌面控制、自托管与云端运行。对本项目的工具收录而言，Vellum AI 更适合归入 AI Agent / LLM 应用开发平台，而不是单一聊天助手或单一 Prompt 编辑器。

参数	当前公开信息
官方入口	https://www.vellum.ai/
文档入口	https://docs.vellum.ai/product/getting-started/overview
核心定位	LLM 应用开发、Prompt/Workflow 管理、评测、部署、监控；官网同时主推 Personal AI Assistant
主要模块	Agent Builder、Prompts、Workflows、Evaluation & Test Suites、Deployments、Monitoring、Documents、Security
开发者能力	Client SDK、Workflows SDK、Prompt/Workflow API、Document Index API、Test Suite API
运行形态	Web 控制台、API、开源/自托管个人助手、Mac 下载入口
公司信息	YC W23；YC 页面显示总部为 New York，状态 Active
公开团队规模	YC 页面显示 Team Size 23；以 YC 页面实时信息为准
当前公开价格结构	个人助手官网定价页显示 Base/Pro、机器规格、存储与按需 credits；旧 LLM 平台企业套餐未公开完整价格

定位变化：Vellum AI 的公开材料存在两条产品线语义。docs.vellum.ai 仍是 LLM 应用工程平台文档，覆盖开发、测试、部署与监控；www.vellum.ai 主页和定价页则把“个人 AI 助手”放在第一层叙事。采购或技术选型时，应先确认团队需要的是开发平台能力、Workflows SDK，还是个人助手运行环境。

边界说明：Vellum AI 不直接提供底层大模型，也不是通用模型 API 供应商。它更像位于模型、工具、业务逻辑和生产环境之间的编排与治理层，价值取决于团队是否已经在构建需要长期迭代和上线治理的 AI 应用。

Vellum AI 的用户与市场认可

Vellum AI 的市场信号主要来自 YC 公司档案、官方融资/发布信息、开发者文档完整度以及 Workflows SDK 的公开开源路径。YC 页面显示 Vellum 属于 Winter 2023 批次、状态为 Active、地点为 New York，并列出 Akash Sharma、Sidd Seethepalli、Noa Flaherty 为创始人。该页面还收录了 “Vellum for Agents”“Vellum Workflows”“Build production-worthy LLM applications” 等发布脉络，说明其产品形态经历了从生产级 LLM 应用平台到 Agent builder 与个人智能的演进。

融资与公司信号：YC 页面聚合的新闻信息显示，Vellum 在 2025-07-10 相关报道中出现 20M Series A 与官方公告条目；这一数字用于说明公司阶段，不应替代实时财务或商业合同判断。

开发者认可：Vellum Workflows SDK 官方博客在 2025-07-14 宣布 GA，并明确其开源、可免费试用、支持 UI 与代码双向同步。相比只提供 Web UI 的工具，SDK 路线能吸引需要版本控制、代码审查和工程交付流程的团队。

采用边界：公开页面未披露可核验的总用户数、企业客户数或平台收入。对需要量化供应商稳定性的组织，仍需在采购阶段复核 SOC/安全材料、SLA、客户案例、数据保留策略和合同条款。

Vellum AI 的成本优势：把原型、评测和上线治理放进同一条链路

Vellum AI 的成本优势不是单纯便宜，而是减少 LLM 应用从 Prompt 试验到上线后的断层。若团队用脚本、Notebook、Prompt 文档、内部后台和监控系统分别拼接，显性订阅费可能较低，但回归测试、版本追踪、线上问题定位和跨角色协作会形成隐藏成本。Vellum 的公开能力把这些环节放进一个工作台和 API 生命周期里，适合需要持续上线和迭代的 AI 功能。

成本层级	公开价格/模式	主要成本项
C 端 / 个人助手	官网定价页显示可免费开始；Pro 示例为平台费、机器规格、存储和 credits 分离计费	机器规格、存储、LLM 推理、Web search、图像生成、第三方 API credits
开发者 / API	Workflows SDK 公开为开源且免费试用；平台 API 价格细项未完整公开	Prompt/Workflow 调用、评测运行、文档索引、环境隔离、工程集成
企业 / 私有化	企业级旧平台价格未公开；个人助手可自托管路径显示无平台费和机器层级收费	合同条款、数据保留策略、SSO/RBAC、SLA、安全审查、自托管运维

C 端/个人层：当前官网定价页围绕个人助手配置展开，显示 Small 免费、Medium +$35/mo、Large +$60/mo、XL +$125/mo，以及 4 GiB 免费到 500 GiB +$120/mo 的存储阶梯；Pro 示例显示 $10/mo 平台费、Medium 与 10 GiB 存储组合，credits 另行按用量计费。

开发者/API 层：LLM 应用平台文档公开了 API key、环境隔离、Prompt/Workflow execution、Test Suites、Document Indexes 等接口，但没有在公开页面给出所有旧平台套餐的完整价格。预算评估应以官方实时页面与商务沟通为准。

企业/私有化层：企业用户的真实成本通常来自安全审查、数据留存、监控数据保留、模型供应商费用、私有网络、环境隔离和内部流程改造。Vellum 在安全文档中说明交互会用于监控、调试和质量评估，并支持企业配置数据保留策略，这些能力对合规团队有价值，但也需要逐条确认合同边界。

Vellum AI 的主要功能

Vellum AI 的功能可以按“构建、测试、部署、监控、扩展”五段理解。它不是只解决 Prompt 文案，而是把 Prompt、Workflow、模型调用、评测指标、生产执行记录和 API 集成放进一个闭环。

• Prompt 工程与协作：文档包含 Prompt Engineering、Collaboration、Custom Models、Multimodality、Prompt Caching 等模块，适合多人维护 Prompt、比较模型输出和控制 Prompt 变更。
• Workflow 编排：Workflows 用低代码界面定义 LLM 调用链和业务逻辑，支持 Input Variables、Scenarios、Nodes、Edges、Final Outputs；部署后可以通过 API 调用并记录输入、输出和每步延迟。
• Agent Node 与工具调用：Agent Node 自动处理 OpenAPI schema 生成、循环逻辑和 function call 输出解析，用于减少手写工具调用流程的重复工程。
• Evaluation & Test Suites：Test Suites 使用返回 0 到 1 分数的 Metrics 对 Prompt 或 Workflow 做量化评测，适合大规模场景、回归测试和部署前质量门禁。
• Deployments 与环境隔离：Deployment 可对应 Prompt 或 Workflow，Environment 提供开发、测试、生产等隔离，包含独立 API keys、Release history、文档索引和监控数据。
• Observability in Production：生产执行会被自动记录，支持查看请求、输入、输出、延迟、成本和用户反馈，用于调试、性能优化和质量改进。
• Documents 与 Search API：文档索引和 Search API 可用于 RAG 场景，且搜索结果按 Environment 的 API key 隔离，减少开发/生产数据混用。
• Workflows SDK：以声明式、类型安全的方式定义 Agentic AI systems as graphs，并支持代码与 Vellum visual editor 双向同步。

这些功能的验收重点不在“是否能生成一次答案”，而在能否把同一条 AI 业务链路反复测试、版本化、部署和追踪。对于生产级 LLM 应用，这是 Vellum 相比普通 Prompt 工具更值得关注的部分。

Vellum AI 的模型与版本演进

Vellum AI 没有公开一个类似“v1/v2”的单一产品版本号，版本线索更适合按产品能力里程碑理解。

平台文档与能力面

• 2026-06-10：Platform Docs 公开更新时间。官方文档站 sitemap 显示大量产品与开发者页面在这一时间更新，覆盖 Agent Builder、Prompts、Workflows、Evaluation、Deployments、Monitoring、Documents、Security、Client SDK 与 Workflows SDK。
• 2025-07-14：Workflows SDK GA。官方博客宣布 Workflows SDK 正式可用，定位为用于定义 agentic systems 的表达式框架，并提供 CLI 与 UI 双向同步。
• 2023：YC W23 与早期生产级 LLM 应用定位。YC 公司页保留了 Vellum 作为 “Build production-worthy LLM applications” 的早期发布脉络。

产品方向变化

2026 年官网首页、定价页和 llms.txt 把 Vellum 描述为个人智能平台，强调个人助手具备长期记忆、工具、身份、桌面控制和云/本地运行。与此同时，独立文档站仍保留面向 LLM 应用开发者的完整平台文档。这意味着 Vellum 的最新公开产品重心已经从纯 B2B LLM 开发平台扩展到 Personal AI，但开发平台能力并未从文档中消失。

对采用方而言，版本演进的实际含义是：若目标是企业 LLM 应用平台，应重点确认旧平台能力、Workflows SDK、Evaluation、Deployment 和 Monitoring 的当前商业可用性；若目标是个人助手，应重点确认桌面端、云端、credits、自托管和数据控制路径。

Vellum AI 的技术优势

Vellum AI 的技术优势集中在“工程闭环”和“可治理的 Agent/Workflow 图”。

图式编排机制：Workflows 把 Prompt Node、API Node、Code Execution Node、Guardrail Node、Conditional Node、Merge Node、Final Output Node 等能力组织成图。机制上，团队能把 LLM 调用、工具请求、检索、业务规则和结果输出拆成可观察节点；效果上，线上问题不再只是“模型回答错了”，而能定位到检索、Prompt、工具调用或后处理中的具体环节；适用场景是 RAG、客服、销售运营、文档抽取、多 Agent 协作等多步任务。

评测与运行时护栏：Evaluation Metrics 可在 Test Suites 中用于回归测试，也可通过 Guardrail Node 进入 Workflow 执行路径。机制上，评分不只发生在离线报告里，还能影响后续分支；效果上，团队可以在生成结果不满足阈值时重试、转人工或走备用路径；适用场景是知识问答、合规文本生成和需要质量门槛的自动化流程。

环境与版本隔离：Deployment lifecycle 文档明确 Environment 维护独立 API keys、Release histories、document indexes 和 monitoring data。机制上，开发、测试和生产不共享关键执行上下文；效果上，团队能降低 Prompt/Workflow 改动直接污染生产链路的风险；适用场景是多人协作、受监管业务和持续交付流程。

代码与可视化协作：Workflows SDK 支持 graph 结构静态、声明式、类型安全，并与可视化编辑器双向同步。机制上，开发者可用代码审查和版本控制维护核心逻辑，业务侧可在 UI 中理解和反馈流程；效果上，减少“低代码平台难进工程流程”和“纯代码流程业务方看不懂”的两端割裂。

如何使用 Vellum AI

Vellum AI 的使用入口取决于目标形态：LLM 应用开发平台、Workflows SDK，或个人 AI 助手。

入口	适合对象	使用要点
Vellum Web / App 控制台	产品、AI 工程、业务运营团队	注册账户，建立 Prompt/Workflow Sandbox，配置模型、变量、场景和部署环境
Client SDK / API	后端、平台、数据团队	使用 Environment-scoped API keys 调用 Prompt/Workflow、Document Index、Test Suites 等接口
Workflows SDK	需要代码优先的 AI 工程团队	用 Python SDK 定义类型安全图结构，再通过 CLI 与 Vellum UI 双向同步
Mac / 自托管个人助手	个人与本地优先用户	当前官网提供 Mac 下载、自托管和本地 workspace 路径；需自行确认 API key、数据与运行环境

典型落地路径可以分三步。第一步先在 Sandbox 中定义一个低风险任务，例如客服摘要、销售线索分析或文档抽取，并准备 10 个以上场景作为最小评测集。第二步把 Prompt 或 Workflow 部署到 Development / Staging 环境，通过 API 接入业务系统，记录执行输入、输出、延迟和成本。第三步再引入 Test Suites、Release Tags、生产监控和数据保留策略，形成可回滚、可审计、可持续迭代的上线链路。

如果团队只需要一次性 Prompt 调试，Vellum 的平台能力可能显得偏重；如果团队已经需要把 AI 功能嵌入生产业务，并且担心模型切换、Prompt 回归、工具调用失败和线上可观测性，Vellum 的价值会更明显。

Vellum AI 的产品定价

当前官网公开定价页主要围绕个人助手和云端运行资源展开，而旧 LLM 应用平台的企业级完整价格未在公开页面稳定披露。因此，价格判断应分开看。

定价项	公开信息	备注
免费开始	官网显示 Start free、No credit card to start	适合个人助手或早期试用，具体额度以实时页面为准
Pro 示例	页面显示 $10/mo 平台费，机器与存储另计	机器规格、存储和 credits 分离
Credits	$1 = 1 credit	用于 LLM inference、web search、image generation 和经 managed OAuth 路由的付费第三方 API
机器规格	Small 免费；Medium +$35/mo；Large +$60/mo；XL +$125/mo	官网定价页面向 assistant compute ceiling
存储	4 GiB 免费；10 GiB +$5/mo 至 500 GiB +$120/mo	persistent disk，包括文件、笔记、对话历史、skills 与 workspace 数据
自托管	页面说明无平台费、无机器 tier charges	仍有自有硬件、VPS、私有云和运维成本
企业 LLM 平台	未公开完整固定价目	需商务确认 seats、SLA、安全、数据保留、私有部署和支持条款

成本不确定项：Vellum 当前官网的公开价格更偏个人助手运行资源，并不等同于所有 LLM 应用平台能力的企业价。对团队采购，应把平台订阅、模型供应商 token、检索/搜索、评测运行、监控数据留存、私有网络和安全审计一起纳入总成本。

Vellum AI 的应用场景

• 生产级 Prompt 管理：适用于同一个 Prompt 需要多人协作、模型对比、场景评测和部署版本追踪的团队。验收重点是每次 Prompt 改动是否能触发回归测试，并保留上线后的执行记录。
• 多步骤 Agent / Workflow 编排：适用于需要串联 LLM、检索、API、代码执行、条件分支和人工升级的流程。验收重点是每个节点的延迟、失败处理、输入输出和成本是否可观察。
• RAG 与文档问答：Documents、Search API 和 Environment-scoped document indexes 适合把文档检索嵌入 Prompt/Workflow。验收重点是检索命中率、引用上下文质量、不同环境数据隔离和幻觉控制。
• 评测驱动开发：Evaluation & Test Suites 适合在上线前批量评估 Prompt/Workflow，避免模型切换或参数调整带来隐性回归。验收重点是指标是否贴近业务目标，而不是只追求通用分数。
• 个人 AI 助手与自托管：当前官网展示个人助手、长期记忆、工具、独立身份和本地/云端运行。验收重点是数据所有权、API key 管理、本地 workspace 可读性和实际工具权限控制。

这些场景的共同点是“AI 输出会进入真实业务流程”。如果 AI 仅用于零散探索，轻量聊天工具或单独 Prompt 编辑器可能更省；一旦进入部署、监控、回归和审计，Vellum 的平台化能力才更容易体现。

Vellum AI 的适用人群

• AI 产品与平台团队：需要把 LLM 功能从 Demo 推进到生产系统，关注 Prompt/Workflow 版本、环境隔离、监控与回归测试。
• AI 工程师与后端开发者：需要 SDK、API、代码优先工作流和可视化调试并存，适合使用 Workflows SDK 与 Client SDK。
• 业务运营与 Ops 团队：需要把销售、客服、内容、产品运营中的重复判断和信息整理做成可观察 Agent 流程。
• 合规与安全敏感团队：需要确认数据存储、保留策略、环境隔离、API key 和自托管路径，Vellum 提供相关公开文档，但合同级条款仍需复核。
• 个人效率用户：若目标是个人 AI 助手、桌面工具调用、长期记忆和本地 workspace，当前官网产品线已经更贴近这一人群。

不太适合的情况也很清楚：团队只做一次性 Prompt 试验、没有上线监控需求、不能接受第三方平台记录执行数据，或短期内无法投入评测集和流程治理。Vellum 的价值来自工程闭环，缺少这些前提时，学习和迁移成本可能高于收益。

Vellum AI 的总结与展望

Vellum AI 是一个正在经历产品叙事转换的工具：它的开发者文档仍然展示完整的 LLM 应用平台能力，包括 Prompt、Workflow、Evaluation、Deployment、Monitoring 与 SDK；官网主页和定价页则把个人 AI 助手、长期记忆、自托管和云端资源计费放在更突出位置。这个变化不一定削弱其开发平台价值，但会让选型者更需要确认当前采购入口和商业条款。

当前限制主要有四类。第一，旧 LLM 平台的企业价格、客户规模和完整 SLA 未在公开页面充分披露。第二，官网面向个人助手的价格结构不能直接推导为企业 LLM 平台价格。第三，生产级使用需要团队自行建设评测集、失败处理和权限治理，平台不能自动替代业务验收。第四，数据存储与交互记录会用于监控和调试，合规团队需要结合数据保留策略逐项确认。

落地建议是先用一个低风险但真实的 AI 工作流试点：准备 10 到 30 个代表性场景，在 Vellum 中搭建 Prompt/Workflow，使用 Test Suites 做回归测试，再通过 Staging 环境接入内部系统。扩展前重点确认四件事：模型与第三方 API 成本是否可控，生产监控是否满足排障要求，数据保留和环境隔离是否符合合规要求，企业合同是否覆盖 SSO、SLA、支持和自托管边界。

版本信息

• Vellum Platform Docs 2026-06-10 ：官方文档站公开索引的更新时间；当前文档覆盖 Agent Builder、Prompts、Workflows、Evaluation & Test Suites、Deployments、Monitoring、Documents、Security、Developers 与 Self-Hosting 等产品模块。 （2026-06-10）
• Workflows SDK GA ：Vellum 官方博客宣布 Workflows SDK 正式可用，用于以声明式、类型安全方式定义 Agentic AI systems，并支持代码与可视化编辑器双向同步。 （2025-07-14）
• YC W23 Company Profile ：Y Combinator 公司页显示 Vellum 属于 Winter 2023 批次，公开描述中包含面向 Agent、Workflow 与生产级 LLM 应用的产品发布脉络；精确日以 YC 页面实时信息为准。 （2023-01-01）