Scarlett

• 1. 概要 （共 232 字）

  Scarlett 是一款嵌入 Slack 与 iMessage 的 AI 协作同事（AI Co-Worker），由 tryscarlett.ai 团队开发，底层由 Claude 系列模型驱动。它和常见的聊天机器人最大的区别是「干真活」：不只是生成文本，而是在自己的云端计算机上调用 3,000 多个应用集成，端到端地执行多步骤工作流——拉数据、写文档、发邮件、建看板、部署小应用。   产品定位清晰，面向重度使用 Slack 的远程团队、销售与客服团队、中小型企业，用自然语言即可驱动日常运营的自动化。

• 2. 产品背景 （共 312 字）

  Scarlett 的官方站点为 scarlett.ai，对外营销落地页为 tryscarlett.ai。从页面信息看，团队把自己定义为「AI 同事」而非「AI 助手」，强调 Scarlett 像真实同事一样拥有独立的云端工作环境（cloud computer），能跨应用保持上下文并持续推进任务，而非局限在单一聊天线程里回答问题。   截至目前公开信息，Scarlett 尚未披露融资轮次、创始人背景或公司注册地等细节，属于早期成长的 SaaS 创业产品。其在多个 AI 工具导航站（ExploreAI、MossAI、AIToolly、Dir2AI）均有收录，公开页面宣称「三分钟完成接入、随时可取消、赠送 50 美元免费额度」，走的是典型的自助式 PLG 路线。

• 3. 产品功能与使用体验 （共 723 字）

  Scarlett 的核心能力可以概括为一句话：把自然语言指令翻译成跨工具的真实操作。用户把 Scarlett 邀请进 Slack 频道或 iMessage 群，用大白话交代任务，例如「把上周的销售报告拉出来发到 #team-updates」，它就会连接对应工具、跑完工作流、把结果回贴到聊天里。   它的集成规模是卖点之一——官方称已接入 3,000 多个工具，覆盖 CRM（Salesforce、HubSpot）、项目管理（Linear、Notion）、日历、云盘、邮箱、支付（Stripe）、广告（Google Ads、Meta Ads）等，用户连接后无需额外配置即可调用。   更关键的是「执行」而非「回答」。Scarlett 在自己的云端计算机上运行任务，可以起草演示文稿、产出并发送 PDF、编写代码、搭建数据看板、构建并部署小型应用、研究竞品、生成详细报告。对于高风险动作（如部署代码、外发邮件），它会先向用户确认再执行，并会自我复核工作结果。   产品内置了一批可一键启用的场景化工作流，能直观说明它的能力边界：每日团队简报（每个工作日上午 9 点汇总项目状态与阻塞项）、会议前简报（抓取参会人、公司背景与最近邮件线程）、客户反馈主题提炼、客服工单分诊（扫描工单与邮件、分类问题并汇总 recurring issues）、周度经营报告、驱动盘合同/发票巡检、工程发布说明（把合并的 GitHub PR 与 Linear issue 转成对外发布说明与内部 changelog）、收件箱跟进清扫（找出未回复的重要 Gmail 对话并起草跟进）。   模型层面，Scarlett 以 Claude 为主干，并按任务挑选最合适的模型——聊天用 Opus、规划用 Fable、编码用 Claude 5.6，以此兼顾推理深度与执行速度。

• 4. 定价与商业模式 （共 275 字）

  Scarlett 采用两档定价。Team 版每月 50 美元，包含 25,000 credits、Slack 原生线程与 @提及触发、全部 3,000+ 集成、定时与循环任务、更高的并发上限，以及高级自动化与草稿能力。Enterprise 版为定制报价，在 Team 基础上增加 SSO 与基于角色的访问控制、发票与定制结算条款、安全评审与 SLA、专属 onboarding。   新用户可获 50 美元免费额度，官方宣称接入耗时不到三分钟、可随时取消。需要注意的是，部分第三方导航站（如 ExploreAI）标注的起价为「每月 29 美元」，与官方落地页的 50 美元存在出入，实际价格应以官网为准。

• 5. 用户评价 （共 295 字）

  从各工具导航站的聚合评分看，Scarlett 在易用性、性能、性价比、界面、准确度等维度普遍拿到 8/10 左右，综合约 8/10。用户最认可的点集中在三方面：一是直接活在团队已有的 Slack 里，没有新界面要学；二是集成库庞大，复杂多步骤任务也能一把跑完；三是基于 Claude 的上下文理解稳健，循环任务配置简单，能显著减少手工杂活。   负面反馈也较集中：它要求团队本身就活跃在 Slack 或 iMessage 上，离了这两个场景价值大打折扣；高级工作流往往需要给出明确指令才能跑出好效果，对模糊需求的容错有限；目前仅支持文本交互，没有语音或可视化界面；执行效果依赖第三方工具 API 的可用性，对方不稳就会卡住。

• 6. 行业评价 （共 324 字）

  在 Dir2AI 的横向对比中，Scarlett 的质量评分约 90.2（榜首 92.1、Claude Tag 89.2、Viktor 89.2），平均响应时间约 25 秒（最快 9.8 秒、Viktor 14 秒），属于「质量中上、速度偏稳重」的区间——对一个真正动手干活、而非只吐字的工具来说，25 秒是合理代价。   行业观察者普遍认为，Scarlett 的差异化在于「agent 式执行力」：多数 AI 助手只生成文字，Scarlett 维护持久工作空间、真正发邮件、更新 CRM、建报告。它与 Slack 原生融合、凭据由安全代理托管、AI 模型本身看不到密码与密钥，这套安全设计被多次点名肯定。也有人指出，它的主动性仍偏弱，主要靠用户下发指令驱动，更复杂场景的自主编排还需后续模型能力补齐。

• 7. 争议与风险 （共 381 字）

  Scarlett 面临的风险主要是场景绑定与合规。其能力高度依赖 Slack/iMessage，对不用这两个平台的团队几乎无用；同时它缺少可视化拖拽式工作流编辑器，习惯低代码搭建的运营团队可能觉得不够灵活；对金融、医疗等强监管、要求本地化部署（on-prem）的行业，纯云端方案难以直接满足。   数据安全方面，官方强调每个工作空间有隔离的云基础设施，传输与静态均加密，数据不用于训练模型，凭据由安全代理以 AES-256-GCM 加密保管、仅在动作执行时注入，敏感动作等待人工批准，Scarlett 也只能看到被明确邀请进入的频道。这套说辞降低了顾虑，但作为早期 SaaS，其长期合规与审计能力仍需企业客户自行评估。此外，市场上还存在同名但完全无关的「Scarlet AI」中文虚拟陪伴 App，检索时容易混淆，应以官网域名 scarlett.ai / tryscarlett.ai 为准。

• 8. 适用人群与使用建议 （共 268 字）

  Scarlett 适合：重度依赖 Slack 的远程团队、需要实时同步 CRM 的销售团队、做工单分诊的客服团队、管理项目流转的工程团队，以及没有专职自动化工程师的中小企业。   它不太适合：不使用 Slack/iMessage 的团队、需要可视化拖拽编排复杂流程的团队、以及强监管且要求本地部署的行业。若你的核心诉求是「在聊天里一句话把跨系统的杂活自动跑完」，Scarlett 是值得试的水桶型选择；若需要的是通用对话或内容创作，ChatGPT、Claude 这类纯聊天助手更轻量；若需要企业级低代码流程编排，可考虑 Zapier、Make 等成熟方案搭配使用。

• 9. 总结 （共 113 字）

  Scarlett 把「AI 同事」的概念落到了 Slack 里——靠 3,000+ 集成和 Claude 驱动的端到端执行力，让团队用一句话就能跑完跨系统的真实工作流；它未必最快，但是把自动化嵌进日常聊天、降低上手门槛这条路上，做得相当扎实。

暂无深度报告

• 

  Kax844

  —

  我们自己没自动化工程师，以前这些杂活要么堆人要么堆流程工具。Scarlett 等于把「一句话驱动跨系统」这件事门槛打到地板，对中小团队是实打实的杠杆。不需要会写代码，业务同学自己就能让它跑起一条流水线。

---

• 

  zaultViperGray

  —

  对比过 Claude Tag 和 Viktor，Scarlett 质量分 90.2 不算最高，但它是真去发邮件、更新 CRM、建看板的，那俩主要还在聊天框里。对「要结果不要答案」的团队，这点差异是关键。速度慢几秒能接受，毕竟它真在干活不是只打字。

---

• 

  Nathan_MartinezZ

  —

  接入太简单了，两分钟就跑起来了。

---

• 

  SusanHoward52026

  —

  实测下来「干真活」不是吹的——上周让它把合并的 PR 和 Linear issue 转成发布说明，出来的 changelog 直接能发，工程同学基本零改动。比我们自己手写快太多，对没有专职技术写作的小团队是真省人，等于白捡一个文档工程师。

---

• 

  Jacqueline.Russell168

  —

  50 美金一个月，小团队算下来还行。

---

• 

  4P6ZP

  —

  安全这块是我最在意的——每个工作空间隔离、凭据由代理托管、AI 本身看不到密钥、数据不拿去训练。我们财务也敢接了。不过敏感动作还是要它先问一句再发，这个确认环节挺必要，别嫌烦，真出过一次误发就知道值了。

---

• 

  MargaretTorres1687

  —

  会议前简报这个场景真香——自动把参会人、公司背景、最近邮件线程汇成一份，我进会前扫一眼就行。以前这种准备起码十分钟，现在零成本。建议做销售的都开，尤其见客户前那份 company context 救过我好几次场。

---

• 

  Met_aWave

  —

  每天早上的团队简报真香，省了我半小时。

---

• 

  JackThomas_2022892

  —

  最大爽点是活在我们本来就用的 Slack 里，不用再开一个后台。@一下就有结果，新同事也没学习成本。我们之前试过几个自动化平台，光是教人画流程图就劝退一半人，Scarlett 这种聊天式反而全员用得起来。

---

• 

  ASICantKrause

  —

  太香了。

---

• 

  Cheryl.Allen_Max

  —

  我们运营三个人，把周报、日报、合同巡检全交给它了。周一是自动经营报告，工作日九点自动项目状态摘要，Drive 一有新合同就 alert 到 Slack。前两周还盯着它干没干对，现在基本放手了，等于白捡半个运营助理，人力直接腾出来做内容。

---

• 

  PatrickSanchezZ

  —

  我们销售组用它扫 Gmail 没回复的对话，自动起草跟进邮件还加提醒，这一周跟进率明显上来了。之前这种活要么漏要么拖，现在每天定点扫一遍，重要的客户一个没漏，销售总监特意问了我们用了啥工具。

---

• 

  MargieHale

  —

  回不去了。

---

• 

  CRussell_Plus

  —

  客服分诊挺准，工单归类省心。

---

• 

  4o9tdsd8m1

  —

  模型按任务挑，聊天用 Opus、编码用 Claude 5.6，感觉比单一模型稳，复杂报告也不翻车。之前用纯单一模型的助手写带数据的周报，经常把数字算错，Scarlett 这种分任务调度明显更靠谱，长文逻辑也连贯。

---

• 

  Ronald_Evans_77878

  —

  高级工作流还是得把指令说清楚，模糊一句话它容易跑偏。我们后来养成了「先给明确输入输出」的习惯，比如「从 X 拉数据、按 Y 分组、输出成 Z 格式发到某频道」，跑出来的质量立刻稳了。把它当实习生带，别当魔法棒挥。

---

• 

  ABrownIII

  —

  响应有点慢，平均二十多秒。

---

• 

  ZAalv

  —

  依赖第三方 API，上周 Salesforce 接口抖了一下，它卡半天，算是被绑在别人稳定性上了。这种跨系统工具的通病，关键任务最好让它跑完再人工瞄一眼，别完全放手。

---

• 

  rptv2

  —

  文本交互没毛病，但不能语音、没有可视化拖拽编排，复杂流程只能靠自然语言描述，比 Zapier 那种画流程图还是费脑子。如果你们团队习惯了低代码拖拽，刚切过来会不适应，建议先用它跑标准化的高频任务。

---

• 

  MSullivan520

  —

  离了 Slack 基本废，我们外包团队用飞书，只能自己手动搬，体验割裂。

---

• 

  NicoleRoberts_Pro

  —

  适合重度 Slack 团队，飞书党慎入。

---

• 

  KatherinePerry_X

  —

  50 美元免费额度够试一阵，我们先用着看长期值不值。目前每天调用的 credits 还不低，月底得算算账。如果高频使用，25,000 credits 一个月对一个五人小团队其实不算宽裕，重活多的得留意用量。

暂无评论