15.2 主流平台详解
上一节我们鸟瞰了 AI 编排平台的全景,现在该卷起袖子,深入每个平台的引擎舱,看看它们到底是如何工作的,以及哪个最适合你。
Dify:开源 LLMOps 的扛把子
基因图谱
出身: 2023 年诞生于中国,创始团队深知国内开发者的痛点
定位: 开源的 LLM 应用开发平台,对标 OpenAI 的 GPT Builder(但更强大)
口号: "Build AI apps in minutes, not months"
GitHub Stars: 50,000+(2026 年数据)
核心能力拆解
Dify 不是简单的"聊天机器人构建器",它是一个完整的 LLMOps 平台,涵盖了从开发、测试到部署、监控的全生命周期。
1. 三种应用类型
聊天助手(Chat Assistant)
- 类似 ChatGPT 的对话界面
- 支持多轮对话、上下文记忆
- 可以注入知识库、工具调用
用户: 帮我分析这个月的销售数据
AI: [调用数据库工具] 好的,我看到本月销售额是...
[生成图表] 这是趋势图...
需要我深入分析哪个区域吗?文本生成(Text Generator)
- 单次输入输出,无上下文
- 适合内容生成、翻译、摘要等任务
- 可以批量处理
输入: [上传 100 篇文章]
输出: [自动生成 100 个 SEO 友好的标题]AI 工作流(Workflow)
- 复杂的多步骤编排
- 支持条件分支、循环、并行
- 这是 Dify 最强大的功能
[收到客户邮件]
↓
[AI 分析情绪] → 如果情绪负面 → [标记为优先级 1]
↓ ↓
[提取关键信息] [通知主管]
↓
[检索历史记录]
↓
[AI 生成回复草稿]
↓
[发送到审核队列]2. 知识库系统
Dify 的知识库不是简单的"上传文档",而是一个专业级 RAG 引擎:
文档处理:
- 支持格式: PDF、Word、Markdown、TXT、HTML、XLSX、CSV
- 自动解析: 表格识别、图片 OCR、网页抓取
- 增量更新: 文档修改后自动同步
分块策略:
自动模式: AI 智能分块(识别段落、章节)
固定长度: 按字符数切分(可设置 overlap)
自定义: 用分隔符手动控制检索算法:
- 向量检索: 语义相似度(默认)
- 全文检索: 关键词匹配
- 混合检索: 两者结合,重排序(Rerank)
Embedding 模型选择:
OpenAI text-embedding-3-large (推荐,质量最好)
OpenAI text-embedding-ada-002 (性价比高)
本地模型: BGE、M3E、GTE(免费,需自部署)3. Prompt 编排
Dify 的 Prompt 编辑器是程序员和产品经理都能用的设计典范:
变量系统:
你是一个｛｛role｝｝,你的任务是｛｛task｝｝。
用户信息:
- 姓名: ｛｛user.name｝｝
- 历史购买: ｛｛user.purchase_history｝｝
请根据以上信息,｛｛instruction｝｝内置变量:
｛｛query｝｝: 用户输入｛｛context｝｝: 知识库检索结果｛｛history｝｝: 对话历史｛｛sys.date｝｝: 当前日期｛｛sys.time｝｝: 当前时间
Prompt 调试:
- 实时预览: 看到变量替换后的实际 Prompt
- 对比测试: A/B 测试不同 Prompt 版本
- 历史记录: 保存每次迭代的效果
4. 工具调用(Function Calling)
Dify 把 OpenAI 的 Function Calling 包装成了可视化配置:
内置工具:
- Google 搜索
- Wikipedia 查询
- 天气查询
- DuckDuckGo 搜索
自定义工具:
# 示例: 查询库存
工具名称: check_inventory
描述: 查询产品库存数量
参数:
- product_id (必填): 产品 ID
- warehouse (可选): 仓库位置
API 端点: https://api.yourcompany.com/inventory
方法: POST
认证: Bearer Token工具编排:
用户: "帮我查一下北京明天天气,如果下雨就推荐室内活动"
AI 执行流程:
1. 调用天气工具 → 获取明天北京天气
2. 判断: 如果 weather.condition == "rain"
3. 调用搜索工具 → 搜索"北京室内活动推荐"
4. 综合结果生成回复部署方式
Docker 一键部署(推荐):
git clone https://github.com/langgenius/dify.git
cd dify/docker
docker-compose up -d
# 访问 http://localhost:3000
# 默认账号: admin@example.com
# 默认密码: 查看日志云服务(官方托管):
- 免费额度: 200 次调用/天
- 付费版: $29/月起(无限调用,更多模型)
- 企业版: 私有化部署 + 技术支持
资源需求:
最低配置:
- CPU: 2 核
- 内存: 4GB
- 存储: 20GB
推荐配置(生产环境):
- CPU: 4 核+
- 内存: 8GB+
- 存储: 100GB+
- 外加向量数据库(Qdrant/Weaviate)适用场景
最适合:
- 中小型团队快速搭建 AI 产品
- 需要私有化部署的企业
- 想要开源免费但功能全面的方案
- 中文用户(文档、社区都很友好)
不适合:
- 需要极致性能优化的大规模应用(建议代码优化)
- 复杂的多 Agent 协作(能做但不是强项)
- 非常定制化的需求(可能需要改源码)
Coze:字节跳动的 AI 乐高
基因图谱
出身: 字节跳动 2024 年推出,背靠抖音、头条的 AI 技术积累
定位: 下一代 Bot 构建平台,对标 GPTs 但更强调企业级能力
口号: "No code, just logic"
访问: https://www.coze.com
核心能力拆解
1. Bot 构建
Coze 的核心是Bot(机器人),不是简单的聊天窗口,而是一个拥有技能的智能体:
Persona(人设):
名称: 客服小美
角色: 专业的电商客服
性格: 热情、耐心、专业
语言风格: 亲切自然,使用 emoji
专业领域: 订单查询、退换货、产品咨询技能系统:
- 插件(Plugins): 预制的能力模块(搜索、翻译、图片生成)
- 工作流(Workflows): 自定义的复杂逻辑
- 知识库(Knowledge): 专属的文档数据
- 数据库(Database): 结构化数据存储
对话策略:
开场白: "你好!我是客服小美,有什么可以帮你吗?"
引导语: "你可以问我关于订单、物流、退货的问题"
兜底回复: "抱歉,这个问题我还不太清楚,正在学习中..."
转人工: 当检测到复杂问题或负面情绪时,引导转人工2. 插件市场
Coze 最强大的是插件生态,类似 ChatGPT 的 GPT Store,但更开放:
官方插件:
- Web 搜索(Google、Bing)
- 图片生成(DALL-E、Midjourney API)
- 视频分析(提取字幕、总结内容)
- 代码执行(Python 沙箱)
- OCR 识别
社区插件:
- 快递查询(顺丰、京东)
- 天气预报(高德地图)
- 股票行情(新浪财经)
- 音乐搜索(网易云音乐)
自建插件:
// Coze 插件是标准的 HTTP API
// 只需定义 OpenAPI 规范即可
{
"openapi": "3.0.0",
"info": {
"title": "客户数据查询",
"version": "1.0.0"
},
"paths": {
"/customer/{id}": {
"get": {
"summary": "获取客户信息",
"parameters": [
{
"name": "id",
"in": "path",
"required": true,
"schema": { "type": "string" }
}
]
}
}
}
}3. 工作流引擎
Coze 的工作流类似 Dify,但更侧重业务逻辑编排:
节点类型:
- 大模型节点: 调用不同的 LLM(GPT-4、Claude、豆包)
- 插件节点: 调用插件能力
- 知识库节点: 检索文档
- 代码节点: 执行自定义 JavaScript 代码
- 条件节点: if-else 逻辑
- 循环节点: 批量处理
- 并行节点: 同时执行多个任务
实战案例:智能招聘助手
[收到简历(PDF)]
↓
[OCR 节点: 提取文本]
↓
[LLM 节点: 结构化解析]
输出: { "姓名": "张三", "学历": "本科", "工作年限": 5 }
↓
[条件节点: 工作年限 >= 3?]
├─ 是 → [知识库检索: 匹配合适岗位]
│ ↓
│ [LLM 节点: 生成面试邀请]
│ ↓
│ [邮件插件: 发送邀请]
└─ 否 → [数据库: 存入人才库]
↓
[结束: 标记为"潜力候选"]4. 多端发布
Coze 的一大亮点是一次构建,多端发布:
支持平台:
- Web 网页(生成嵌入代码)
- 微信公众号(官方对接)
- 飞书(字节自家生态)
- Slack
- Discord
- Telegram
- 自定义 API(对接任何平台)
发布流程:
1. 在 Coze 平台完成 Bot 搭建
2. 点击"发布"
3. 选择目标平台(如微信公众号)
4. 扫码授权
5. 自动配置 Webhook
6. 测试 → 上线 ✅用户在微信里发消息,背后就是你的 Coze Bot 在响应,无需写任何后端代码。
定价
- 免费版: 每天 100 次对话,基础插件
- 专业版: ¥99/月,无限对话,所有插件,优先模型
- 团队版: ¥999/月,多人协作,数据分析,API 调用
- 企业版: 定制报价,私有化部署,SLA 保障
适用场景
最适合:
- 企业客服机器人(微信、飞书集成便捷)
- 内容创作助手(插件丰富)
- 营销自动化(社交媒体多端发布)
- 字节系产品生态的开发者
不适合:
- 需要开源/自部署(Coze 是云服务)
- 复杂的数据处理流程(工作流能力有限)
- 非中国市场(主要面向国内)
n8n + AI:老牌自动化的 AI 进化
基因图谱
出身: 2019 年诞生于德国,原本是自动化工作流工具
定位: Fair-code(源码可见,商业使用收费)的自动化平台
转型: 2024 年大力拥抱 AI,新增大量 AI 节点
GitHub Stars: 45,000+
为什么 n8n 特别?
如果说 Dify 和 Coze 是"为 AI 而生",那 n8n 是"为连接而生"。它的核心优势是:连接任何东西。
集成数量: 400+ 应用(Google、Slack、GitHub、Notion、数据库...)
触发器: 定时、Webhook、邮件、文件监控、数据库变动...
AI 能力: 是锦上添花,不是核心
AI 节点详解
1. AI Agent 节点
n8n 的 Agent 是会使用工具的 AI:
[触发: Webhook 接收用户请求]
↓
[AI Agent 节点]
- LLM: GPT-4
- 工具:
* Google 搜索
* 计算器
* 数据库查询
* 发送邮件
- 策略: ReAct(Reason + Act)
↓
[返回结果]实际运行:
用户: "帮我查一下特斯拉的股价,如果涨了就发邮件通知我"
AI Agent 思考过程:
1. [调用工具: 股票查询] → 特斯拉 $250,涨幅 +3%
2. [推理] → 股价上涨了,需要发邮件
3. [调用工具: 发送邮件] → 发送到 user@example.com
4. [返回] → "已发送邮件通知你特斯拉股价上涨"2. AI Langchain 节点
集成 LangChain 的核心能力:
- 向量存储: Pinecone、Qdrant、Weaviate
- Embedding: OpenAI、Cohere、HuggingFace
- 检索器: 相似度搜索、MMR、压缩检索
- 链类型: Stuff、Map-Reduce、Refine
RAG 工作流:
[触发: 新文档上传到 Google Drive]
↓
[Google Drive 节点: 下载文件]
↓
[文档加载器: 解析 PDF]
↓
[文本切块: Recursive Character Splitter]
↓
[OpenAI Embeddings: 向量化]
↓
[Pinecone 节点: 存储向量]
↓
[Slack 通知: "文档已索引完成"]3. AI Chat 节点
简单的对话接口:
[触发: Telegram 收到消息]
↓
[AI Chat 节点]
- 模型: GPT-4
- 系统 Prompt: "你是一个友善的助手"
- 上下文记忆: 保留最近 10 条对话
↓
[Telegram 节点: 发送回复]n8n 的杀手级场景
场景一:自动化内容流水线
[RSS 订阅: 抓取行业新闻]
↓
[AI 节点: 筛选相关文章(垃圾过滤)]
↓
[AI 节点: 生成摘要]
↓
[AI 节点: 改写成推特风格]
↓
[条件: 质量分 > 8?]
├─ 是 → [Twitter API: 自动发布]
│ ↓
│ [Notion: 记录已发布]
└─ 否 → [Slack: 发送到审核频道]场景二:智能客户入职流程
[触发: CRM 新增客户]
↓
[AI 分析: 客户行业、规模、需求]
↓
[条件分支: 客户类型]
├─ 企业客户 → [发送企业版资料] → [分配高级客户经理]
├─ 中小企业 → [发送标准版资料] → [自动预约 Demo]
└─ 个人用户 → [发送快速指南] → [加入用户社群]
↓
[邮件节点: 发送欢迎邮件(AI 生成个性化内容)]
↓
[Slack: 通知团队]
↓
[Google Sheets: 更新客户报表]部署
Docker 自部署:
docker run -it --rm \
--name n8n \
-p 5678:5678 \
-v ~/.n8n:/home/node/.n8n \
n8nio/n8n云服务:
- n8n.cloud: $20/月起(托管版)
- 自部署: 免费(生产环境建议商业授权)
适用场景
最适合:
- 营销自动化(多平台内容分发)
- 数据同步(CRM、ERP、分析工具之间)
- 个人效率工具(自动化日常重复任务)
- 需要连接大量 SaaS 工具的场景
不适合:
- 纯 AI 对话应用(用 Dify/Coze 更合适)
- 复杂的 AI 逻辑(工作流会很复杂)
- 不懂技术的纯业务人员(有一定学习曲线)
Zapier AI:自动化巨头的 AI 野心
基因图谱
出身: 2011 年成立,自动化领域的老大哥
用户: 200 万+,连接 6000+ 应用
AI 转型: 2023 年推出 Zapier AI,2024 年大规模普及
AI 功能
1. AI Actions
在 Zapier 工作流中插入 AI 能力:
- AI Text Generator: 生成文本、改写、翻译
- AI Classifier: 分类、打标签、情感分析
- AI Extractor: 从非结构化文本提取信息
- AI Chatbot: 嵌入网站的聊天机器人
示例:邮件自动分类
[触发: Gmail 收到新邮件]
↓
[AI Classifier: 分类邮件类型]
输出: "投诉"
↓
[条件: 如果是投诉]
↓
[AI Text Generator: 生成道歉模板]
↓
[Gmail: 发送草稿到审核]
↓
[Slack: 通知客服主管]2. Zapier Chatbots
用 Zapier 构建自己的 AI 助手:
- 连接你的数据源(Google Drive、Notion、数据库)
- 自动训练 AI(基于文档内容)
- 一键嵌入网站(生成代码片段)
价值: 非技术人员也能搭建企业知识库问答系统。
定价
- 免费版: 100 任务/月,基础集成
- Starter: $29.99/月,750 任务/月
- Professional: $73.50/月,2000 任务/月,AI Actions
- Team: $103.50/月,团队协作,高级 AI
- Enterprise: 定制报价
注意: Zapier 比较贵,对于高频任务,n8n 自部署可能更划算。
适用场景
最适合:
- 非技术团队(最易用)
- 连接国外主流 SaaS(集成最全)
- 中小企业快速自动化(无需 IT 团队)
不适合:
- 高频任务(成本高)
- 需要复杂 AI 逻辑(能力有限)
- 需要私有化部署(只有云服务)
FlowiseAI:LangChain 的可视化前端
基因图谱
出身: 2023 年开源,专注于 LangChain 可视化
定位: 给不想写代码的开发者的 LangChain
GitHub Stars: 30,000+
核心特点
1. 节点对应 LangChain 组件
每个拖拽节点都直接对应 LangChain 的 Python/JS 类:
Document Loaders → langchain.document_loaders
Text Splitters → langchain.text_splitter
Embeddings → langchain.embeddings
Vector Stores → langchain.vectorstores
Retrievers → langchain.retrievers
LLMs → langchain.llms
Chains → langchain.chains
Agents → langchain.agents价值: 如果你懂 LangChain,上手 FlowiseAI 零学习曲线。如果你不懂,用 FlowiseAI 是学习 LangChain 的最佳方式。
2. 参数精细控制
不像 Dify 的"开箱即用",FlowiseAI 暴露了所有底层参数:
Text Splitter 节点:
- Chunk Size: 1000(可调)
- Chunk Overlap: 200(可调)
- Separator: "\n\n"(可自定义)
- Length Function: len(可选 tiktoken)这是双刃剑:灵活但复杂。
3. 本地优先
FlowiseAI 强调本地部署和隐私:
- 支持 Ollama(本地大模型)
- 支持本地向量数据库(Chroma、Qdrant)
- 数据不离开你的服务器
适用场景
最适合:
- AI 工程师快速原型开发
- 学习 LangChain 的开发者
- 需要精细控制 RAG 管道的场景
- 注重隐私的企业(本地部署)
不适合:
- 非技术人员(太复杂)
- 简单的聊天机器人(杀鸡用牛刀)
- 生产环境(稳定性不如代码)
平台对比表
| 维度 | Dify | Coze | n8n | Zapier | FlowiseAI |
|---|---|---|---|---|---|
| 开源 | ✅ MIT | ❌ 闭源 | ✅ Fair-code | ❌ 闭源 | ✅ Apache 2.0 |
| 自部署 | ✅ | ❌ | ✅ | ❌ | ✅ |
| 中文支持 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐ | ⭐⭐⭐ |
| 学习曲线 | 低 | 低 | 中 | 低 | 中高 |
| AI 能力 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| 集成数量 | 50+ | 100+(插件) | 400+ | 6000+ | 100+ |
| 免费额度 | 200 次/天 | 100 次/天 | 无限(自部署) | 100 任务/月 | 无限(自部署) |
| 付费起步价 | $29/月 | ¥99/月 | $20/月 | $29.99/月 | 免费(开源) |
| 社区活跃度 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| 生产就绪 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |
选择建议矩阵
| 你的情况 | 推荐平台 | 理由 |
|---|---|---|
| 中国创业团队,快速 MVP | Dify | 开源免费,中文友好,功能全面 |
| 企业客服机器人(微信/飞书) | Coze | 多端发布便捷,字节系生态 |
| 营销自动化,连接多个 SaaS | n8n 或 Zapier | 集成丰富,工作流成熟 |
| AI 工程师,需要底层控制 | FlowiseAI | 暴露所有参数,对应 LangChain |
| 个人项目,零预算 | Dify 或 n8n | 开源自部署,完全免费 |
| 大企业,需要私有化 | Dify 或 n8n | 支持本地部署,数据安全 |
| 非技术团队,最易用 | Coze 或 Zapier | 界面最友好,文档详细 |
实战案例:用 Dify 搭建客服机器人
让我们用 Dify 从零搭建一个电商客服机器人,全程不写代码。
需求
- 能回答订单查询、物流跟踪、退换货政策
- 能调用后台 API 查询实时数据
- 情绪负面时转人工
- 支持多轮对话
步骤
第一步:创建应用
- 登录 Dify
- 点击"创建应用"
- 选择"聊天助手"模板
- 命名:"电商客服小美"
第二步:配置知识库
- 创建知识库"客服文档"
- 上传文档:
- 退换货政策.pdf
- 常见问题 FAQ.docx
- 产品说明书(多个)
- 选择分块策略:"自动模式"
- 选择 Embedding:"OpenAI text-embedding-3-large"
- 点击"处理并保存"(等待向量化完成)
第三步:编写 Prompt
# 角色
你是电商平台的客服"小美",专业、热情、耐心。
# 能力
- 回答关于订单、物流、退换货的问题
- 查询订单状态(通过工具)
- 检索公司政策文档
# 知识库
｛｛context｝｝
# 对话历史
｛｛history｝｝
# 用户问题
｛｛query｝｝
# 规则
1. 优先使用知识库的信息回答
2. 如果需要查询订单,使用 check_order 工具
3. 如果用户情绪负面(如投诉、生气),引导转人工
4. 回复简洁,使用emoji让气氛轻松
5. 不确定的问题,诚实说"我帮你查一下"或"转给专员处理"
# 回复格式
- 先理解用户问题
- 给出解决方案或答案
- 询问是否还需要其他帮助第四步:添加工具
自定义工具:查询订单
工具名: check_order
描述: 查询订单状态、物流信息
参数:
- order_id: 订单号(必填)
API:
端点: https://api.yourshop.com/orders/{order_id}
方法: GET
认证: Bearer ${API_KEY}
返回示例:
{
"order_id": "20240101001",
"status": "已发货",
"tracking_number": "SF1234567890",
"expected_delivery": "2024-01-05"
}第五步:测试
测试对话 1:知识库查询
用户: 你们的退货政策是什么?
AI: 您好!我们的退货政策如下:
- 7天无理由退货(商品未使用)
- 支持上门取件(部分地区)
- 退款 1-3 个工作日到账
详细政策可以查看[帮助中心]。还有其他问题吗?测试对话 2:工具调用
用户: 帮我查一下订单 20240101001 的物流
AI: [调用 check_order 工具...]
您的订单已发货🚚
物流单号: SF1234567890
预计送达: 2024-01-05
可以在[这里]实时追踪。测试对话 3:情绪识别
用户: 我的货怎么还不到?你们效率太差了!
AI: 非常抱歉让您久等了😔 我理解您的着急心情。
让我立即帮您联系物流专员加急处理,同时为您转接人工客服。
请稍等片刻,我们会优先处理您的订单!
[触发转人工流程]第六步:发布
- 点击"发布"
- 选择发布方式:
- API: 获取 API 密钥,集成到你的 App
- 网页聊天: 复制嵌入代码,粘贴到网站
- 微信公众号: 配置 Webhook(需认证账号)
嵌入代码示例:
<script src="https://api.dify.ai/embed.js"
data-app-id="YOUR_APP_ID"
data-api-key="YOUR_API_KEY">
</script>- 粘贴到你的网站
</body>前 - 刷新页面,右下角出现聊天气泡 ✅
总耗时
- 准备文档: 30 分钟
- 配置 Dify: 20 分钟
- 测试优化: 30 分钟
- 总计: 约 1.5 小时
对比传统开发(2-4 周),效率提升 100 倍。
一句话总结
主流 AI 编排平台各有千秋:
Dify 是开源全能选手,适合快速搭建任何 AI 应用;Coze 是字节系企业首选,多端发布和插件生态强大;n8n 是自动化之王,连接一切 SaaS 工具;Zapier 是非技术人员的天堂,易用但贵;FlowiseAI 是AI 工程师的调试台,底层控制精细但复杂——选对工具,等于成功了一半。
下一步
现在你已经掌握了 AI 编排平台的全景和细节,该动手了:
- 注册一个 Dify 账号(或本地部署),跟着本章案例搭建一个客服 Bot
- 试用 Coze,体验字节跳动的插件生态
- 安装 n8n,搭建一个自动化工作流(如 RSS → AI 改写 → 发推特)
- 对比 FlowiseAI,理解 LangChain 的底层原理
下一章,我们将探讨 AI 编程如何赋能"人人都是开发者"——当你的产品经理、设计师、运营都能用 AI 搭建工具时,世界会变成什么样?
💡 实战作业
用 Dify 搭建一个"个人知识库助手":
- 上传你的笔记、文章、读书摘要
- 配置一个对话机器人,能回答"我之前学过什么"
- 尝试加入网页搜索工具,让 AI 能联网查资料
- 部署为网页,分享给朋友
预计耗时: 2-3 小时
收获: 深刻理解 RAG、Prompt 工程、工具调用的实际价值
⚠️ 避坑指南
- 不要过度依赖平台的默认配置,尤其是 Prompt 和分块策略,需根据实际数据调优
- 向量数据库选择很重要,免费的 Chroma 适合原型,生产环境建议 Pinecone/Qdrant
- API 成本会累积,GPT-4 很贵(每 1M token $10-30),考虑用 GPT-4o-mini 或国产模型
- 知识库不是越大越好,文档质量 > 数量,垃圾进垃圾出
- 测试再测试,AI 的输出不稳定,上线前多测边缘情况