我去年刚开始接触llm的时候，那个时候dify很火 然后我就自己本地部署了一套 基于dify平台，验证了数字人前台大脑，RAG，语音外呼机器人，个人助理等 界面很舒服，使用过程也没什么上手压力 后来要做一个资讯解读相关的小程序，涉及到资讯检索相关需求，后来就玩了下coze 两个平台其实定位差不多，但是coze体验下来比dify的优势确实好不少，之前的笔记里面有阐述 这么不做过多赘述 这类agent工具，在我看来还是有使用场景的 就是产品经理，基于业务场景或者想法，自己用这类工具把整个业务流跑通看到大概效果 可以直接给自己领导演示，给客户演示效果 最终实现还是要写代码，因为需要考虑性能，需要考虑工程化落地，涉及到很多异常处理 另外，想起去年待过一家小公司，按照dify自己实现了一套，集成到了所谓的aaas系统，然后直接用来做交付 面向的业务场景是cv视觉处理方向的，当时觉得很可笑。不是什么业务都适合上这个流程的 说白了，Coze 和 Dify 最大的优势就是拖拽式的方式，调用大模型和编程组件，省去了大段功能性代码。 它们最初抓住的痛点是降低门槛：让不会写代码的人也能快速拼出一个“像样的 AI 应用”。 最近这段时间，我发现身边人和社交平台上很少有人提这类平台了，因为vibe coding太强大了现在 随着 Cursor、Trae 等 AI IDE 的进化，开发者发现“写代码”的门槛被大幅拉低。 我老婆0代码基础，前几天花了一个晚上，使用大模型写了一个小程序，后来成功上架，当下是人人都能自己开发应用的时代 所以以前我们为了省事用 Dify 连线，现在直接让 AI Agent 在代码里写一个 FastAPI + LangGraph，逻辑更透明，部署更灵活。 所以啊，这些工具终究还是个中间产物吧。 AI 技术和新东西发展很快，需要保持持续跟进和学习，才不会落伍 计划今天看看 n8n #产品经理 #大模型 #软件开发