Scarlett

• 1. 概要 （共 232 字）

  Scarlett 是一款嵌入 Slack 與 iMessage 的 AI 協作同事（AI Co-Worker），由 tryscarlett.ai 團隊開發，底層由 Claude 系列模型驅動。它和常見的聊天機器人最大的區別是「幹真活」：不只是生成文字，而是在自己的雲端計算機上呼叫 3,000 多個應用整合，端到端地執行多步驟工作流——拉資料、寫文件、發郵件、建看板、部署小應用。   產品定位清晰，面向重度使用 Slack 的遠端團隊、銷售與客服團隊、中小型企業，用自然語言即可驅動日常運營的自動化。

• 2. 產品背景 （共 312 字）

  Scarlett 的官方站點為 scarlett.ai，對外營銷落地頁為 tryscarlett.ai。從頁面資訊看，團隊把自己定義為「AI 同事」而非「AI 助手」，強調 Scarlett 像真實同事一樣擁有獨立的雲端工作環境（cloud computer），能跨應用保持上下文並持續推進任務，而非侷限在單一聊天執行緒裡回答問題。   截至目前公開資訊，Scarlett 尚未披露融資輪次、創始人背景或公司註冊地等細節，屬於早期成長的 SaaS 創業產品。其在多個 AI 工具導航站（ExploreAI、MossAI、AIToolly、Dir2AI）均有收錄，公開頁面宣稱「三分鐘完成接入、隨時可取消、贈送 50 美元免費額度」，走的是典型的自助式 PLG 路線。

• 3. 產品功能與使用體驗 （共 723 字）

  Scarlett 的核心能力可以概括為一句話：把自然語言指令翻譯成跨工具的真實操作。使用者把 Scarlett 邀請進 Slack 頻道或 iMessage 群，用大白話交代任務，例如「把上週的銷售報告拉出來發到 #team-updates」，它就會連線對應工具、跑完工作流、把結果回貼到聊天裡。   它的整合規模是賣點之一——官方稱已接入 3,000 多個工具，覆蓋 CRM（Salesforce、HubSpot）、專案管理（Linear、Notion）、日曆、雲盤、郵箱、支付（Stripe）、廣告（Google Ads、Meta Ads）等，使用者連線後無需額外配置即可呼叫。   更關鍵的是「執行」而非「回答」。Scarlett 在自己的雲端計算機上執行任務，可以起草簡報、產出併傳送 PDF、編寫程式碼、搭建資料看板、構建並部署小型應用、研究競品、生成詳細報告。對於高風險動作（如部署程式碼、外發郵件），它會先向使用者確認再執行，並會自我複核工作結果。   產品內建了一批可一鍵啟用的場景化工作流，能直觀說明它的能力邊界：每日團隊簡報（每個工作日上午 9 點彙總專案狀態與阻塞項）、會議前簡報（抓取參會人、公司背景與最近郵件執行緒）、客戶反饋主題提煉、客服工單分診（掃描工單與郵件、分類問題並彙總 recurring issues）、周度經營報告、驅動盤合同/發票巡檢、工程釋出說明（把合併的 GitHub PR 與 Linear issue 轉成對外發布說明與內部 changelog）、收件箱跟進清掃（找出未回覆的重要 Gmail 對話並起草跟進）。   模型層面，Scarlett 以 Claude 為主幹，並按任務挑選最合適的模型——聊天用 Opus、規劃用 Fable、編碼用 Claude 5.6，以此兼顧推理深度與執行速度。

• 4. 定價與商業模式 （共 275 字）

  Scarlett 採用兩檔定價。Team 版每月 50 美元，包含 25,000 credits、Slack 原生執行緒與 @提及觸發、全部 3,000+ 整合、定時與迴圈任務、更高的併發上限，以及高階自動化與草稿能力。Enterprise 版為定製報價，在 Team 基礎上增加 SSO 與基於角色的訪問控制、發票與定製結算條款、安全評審與 SLA、專屬 onboarding。   新使用者可獲 50 美元免費額度，官方宣稱接入耗時不到三分鐘、可隨時取消。需要注意的是，部分第三方導航站（如 ExploreAI）標註的起價為「每月 29 美元」，與官方落地頁的 50 美元存在出入，實際價格應以官網為準。

• 5. 使用者評價 （共 295 字）

  從各工具導航站的聚合評分看，Scarlett 在易用性、效能、價效比、介面、準確度等維度普遍拿到 8/10 左右，綜合約 8/10。使用者最認可的點集中在三方面：一是直接活在團隊已有的 Slack 裡，沒有新介面要學；二是整合庫龐大，複雜多步驟任務也能一把跑完；三是基於 Claude 的上下文理解穩健，迴圈任務配置簡單，能顯著減少手工雜活。   負面反饋也較集中：它要求團隊本身就活躍在 Slack 或 iMessage 上，離了這兩個場景價值大打折扣；高階工作流往往需要給出明確指令才能跑出好效果，對模糊需求的容錯有限；目前僅支援文字互動，沒有語音或視覺化介面；執行效果依賴第三方工具 API 的可用性，對方不穩就會卡住。

• 6. 行業評價 （共 324 字）

  在 Dir2AI 的橫向對比中，Scarlett 的質量評分約 90.2（榜首 92.1、Claude Tag 89.2、Viktor 89.2），平均響應時間約 25 秒（最快 9.8 秒、Viktor 14 秒），屬於「質量中上、速度偏穩重」的區間——對一個真正動手幹活、而非只吐字的工具來說，25 秒是合理代價。   行業觀察者普遍認為，Scarlett 的差異化在於「agent 式執行力」：多數 AI 助手只生成文字，Scarlett 維護持久工作空間、真正發郵件、更新 CRM、建報告。它與 Slack 原生融合、憑據由安全代理託管、AI 模型本身看不到密碼與金鑰，這套安全設計被多次點名肯定。也有人指出，它的主動性仍偏弱，主要靠使用者下發指令驅動，更復雜場景的自主編排還需後續模型能力補齊。

• 7. 爭議與風險 （共 381 字）

  Scarlett 面臨的風險主要是場景繫結與合規。其能力高度依賴 Slack/iMessage，對不用這兩個平臺的團隊幾乎無用；同時它缺少視覺化拖拽式工作流編輯器，習慣低程式碼搭建的運營團隊可能覺得不夠靈活；對金融、醫療等強監管、要求本地化部署（on-prem）的行業，純雲端方案難以直接滿足。   資料安全方面，官方強調每個工作空間有隔離的雲基礎設施，傳輸與靜態均加密，資料不用於訓練模型，憑據由安全代理以 AES-256-GCM 加密保管、僅在動作執行時注入，敏感動作等待人工批准，Scarlett 也只能看到被明確邀請進入的頻道。這套說辭降低了顧慮，但作為早期 SaaS，其長期合規與審計能力仍需企業客戶自行評估。此外，市場上還存在同名但完全無關的「Scarlet AI」中文虛擬陪伴 App，檢索時容易混淆，應以官網域名 scarlett.ai / tryscarlett.ai 為準。

• 8. 適用人群與使用建議 （共 268 字）

  Scarlett 適合：重度依賴 Slack 的遠端團隊、需要實時同步 CRM 的銷售團隊、做工單分診的客服團隊、管理專案流轉的工程團隊，以及沒有專職自動化工程師的中小企業。   它不太適合：不使用 Slack/iMessage 的團隊、需要視覺化拖拽編排複雜流程的團隊、以及強監管且要求本地部署的行業。若你的核心訴求是「在聊天裡一句話把跨系統的雜活自動跑完」，Scarlett 是值得試的水桶型選擇；若需要的是通用對話或內容創作，ChatGPT、Claude 這類純聊天助手更輕量；若需要企業級低程式碼流程編排，可考慮 Zapier、Make 等成熟方案搭配使用。

• 9. 總結 （共 113 字）

  Scarlett 把「AI 同事」的概念落到了 Slack 裡——靠 3,000+ 整合和 Claude 驅動的端到端執行力，讓團隊用一句話就能跑完跨系統的真實工作流；它未必最快，但是把自動化嵌進日常聊天、降低上手門檻這條路上，做得相當紮實。

暫無深度報告

• 

  Kax844

  —

  我們自己沒自動化工程師，以前這些雜活要麼堆人要麼堆流程工具。Scarlett 等於把「一句話驅動跨系統」這件事門檻打到地板，對中小團隊是實打實的槓桿。不需要會寫程式碼，業務同學自己就能讓它跑起一條流水線。

---

• 

  zaultViperGray

  —

  對比過 Claude Tag 和 Viktor，Scarlett 質量分 90.2 不算最高，但它是真去發郵件、更新 CRM、建看板的，那倆主要還在聊天框裡。對「要結果不要答案」的團隊，這點差異是關鍵。速度慢幾秒能接受，畢竟它真在幹活不是隻打字。

---

• 

  Nathan_MartinezZ

  —

  接入太簡單了，兩分鐘就跑起來了。

---

• 

  SusanHoward52026

  —

  實測下來「幹真活」不是吹的——上週讓它把合併的 PR 和 Linear issue 轉成釋出說明，出來的 changelog 直接能發，工程同學基本零改動。比我們自己手寫快太多，對沒有專職技術寫作的小團隊是真省人，等於白撿一個文件工程師。

---

• 

  Jacqueline.Russell168

  —

  50 美金一個月，小團隊算下來還行。

---

• 

  4P6ZP

  —

  安全這塊是我最在意的——每個工作空間隔離、憑據由代理託管、AI 本身看不到金鑰、資料不拿去訓練。我們財務也敢接了。不過敏感動作還是要它先問一句再發，這個確認環節挺必要，別嫌煩，真出過一次誤發就知道值了。

---

• 

  MargaretTorres1687

  —

  會議前簡報這個場景真香——自動把參會人、公司背景、最近郵件執行緒匯成一份，我進會前掃一眼就行。以前這種準備起碼十分鐘，現在零成本。建議做銷售的都開，尤其見客戶前那份 company context 救過我好幾次場。

---

• 

  Met_aWave

  —

  每天早上的團隊簡報真香，省了我半小時。

---

• 

  JackThomas_2022892

  —

  最大爽點是活在我們本來就用的 Slack 裡，不用再開一個後臺。@一下就有結果，新同事也沒學習成本。我們之前試過幾個自動化平臺，光是教人畫流程圖就勸退一半人，Scarlett 這種聊天式反而全員用得起來。

---

• 

  ASICantKrause

  —

  太香了。

---

• 

  Cheryl.Allen_Max

  —

  我們運營三個人，把週報、日報、合同巡檢全交給它了。週一是自動經營報告，工作日九點自動專案狀態摘要，Drive 一有新合同就 alert 到 Slack。前兩週還盯著它乾沒幹對，現在基本放手了，等於白撿半個運營助理，人力直接騰出來做內容。

---

• 

  PatrickSanchezZ

  —

  我們銷售組用它掃 Gmail 沒回復的對話，自動起草跟進郵件還加提醒，這一週跟進率明顯上來了。之前這種活要麼漏要麼拖，現在每天定點掃一遍，重要的客戶一個沒漏，銷售總監特意問了我們用了啥工具。

---

• 

  MargieHale

  —

  回不去了。

---

• 

  CRussell_Plus

  —

  客服分診挺準，工單歸類省心。

---

• 

  4o9tdsd8m1

  —

  模型按任務挑，聊天用 Opus、編碼用 Claude 5.6，感覺比單一模型穩，複雜報告也不翻車。之前用純單一模型的助手寫帶資料的週報，經常把數字算錯，Scarlett 這種分任務排程明顯更靠譜，長文邏輯也連貫。

---

• 

  Ronald_Evans_77878

  —

  高階工作流還是得把指令說清楚，模糊一句話它容易跑偏。我們後來養成了「先給明確輸入輸出」的習慣，比如「從 X 拉資料、按 Y 分組、輸出成 Z 格式發到某頻道」，跑出來的質量立刻穩了。把它當實習生帶，別當魔法棒揮。

---

• 

  ABrownIII

  —

  響應有點慢，平均二十多秒。

---

• 

  ZAalv

  —

  依賴第三方 API，上週 Salesforce 介面抖了一下，它卡半天，算是被綁在別人穩定性上了。這種跨系統工具的通病，關鍵任務最好讓它跑完再人工瞄一眼，別完全放手。

---

• 

  rptv2

  —

  文字互動沒毛病，但不能語音、沒有視覺化拖拽編排，複雜流程只能靠自然語言描述，比 Zapier 那種畫流程圖還是費腦子。如果你們團隊習慣了低程式碼拖拽，剛切過來會不適應，建議先用它跑標準化的高頻任務。

---

• 

  MSullivan520

  —

  離了 Slack 基本廢，我們外包團隊用飛書，只能自己手動搬，體驗割裂。

---

• 

  NicoleRoberts_Pro

  —

  適合重度 Slack 團隊，飛書黨慎入。

---

• 

  KatherinePerry_X

  —

  50 美元免費額度夠試一陣，我們先用著看長期值不值。目前每天呼叫的 credits 還不低，月底得算算賬。如果高頻使用，25,000 credits 一個月對一個五人小團隊其實不算寬裕，重活多的得留意用量。

暫無評論