9.2.workflow平台

通用 AI 工作流平台指南

配色:琥珀金 #b45309(主)+ #78350f(深)+ #fde68a(浅) 主题:7 大主流通用 AI 工作流平台 实战选型手册 范围:n8n / Dify / Coze Studio / LangGraph / RAGFlow / Flowise / LangFlow

0. 为什么需要这一份?

之前 5 框架(以及 cc-workflows-extras)都是 "给开发者用 Claude Code" 的视角。但 AI 自动化的更大图景,是 "给业务方构建 AI 应用":

• 公司要做智能客服 → 用啥?
• 团队要搭知识库 → 用啥?
• 运营要接流程自动化 → 用啥?
• 老板要个"AI 助手" → 用啥?

这些场景,大多不需要写代码。本教程聚焦 7 大开源平台,帮你选对工具、不踩坑。

1. 一句话定位对比

2. 详细对比矩阵(8 个维度)

3. 7 大平台深度拆解

3.1 n8n — 通用自动化王者

仓库:n8n-io/n8n · Star:188k+ · 协议:Sustainable Use License(fair-code)· 商业:2025 年 10 月获 1.8 亿美元 C 轮,估值 25 亿

核心场景:

• 跨 SaaS 集成(Slack / GitHub / Notion / Stripe)
• 定时任务 + 数据处理
• AI Agent 作为工作流的一个节点

特色:

• 500+ 集成节点(所有平台里最多)
• 支持 JS / Python 代码节点,无限制扩展
• 自托管 = 数据完全可控
• AI 原生支持(OpenAI / LangChain / Anthropic 节点)

5 分钟上手:

# Docker 启动
docker run -d --name n8n --restart unless-stopped \
  -p 5678:5678 \
  -e N8N_BASIC_AUTH_ACTIVE=true \
  -e N8N_BASIC_AUTH_USER=admin \
  -e N8N_BASIC_AUTH_PASSWORD=yourpass \
  -v ~/.n8n:/home/node/.n8n \
  n8nio/n8n

# 访问 http://localhost:5678

典型工作流:Webhook 触发 → 调用 AI → 写数据库 → Slack 通知

⚠️ 商用注意:

• 社区版免费自用
• 不能把 n8n 本身当 SaaS 卖给客户(需要企业版授权)
• 内部自动化不受限制

灵魂问题:

n8n vs Zapier? n8n:开源、可控、零执行次数限制、有学习曲线 Zapier:零门槛、SaaS、按执行次数收费

选 n8n 如果你在乎:数据主权 / 成本可控 / 长期经营

3.2 Dify — AI 应用 WordPress

仓库:langgenius/dify · Star:142k · 协议:改 Apache 2.0(多租户限制)· 商业:2026 年获 3000 万美元 A 轮

核心场景:

• 构建 AI 聊天机器人和助手
• RAG 知识库问答
• 企业级 Agentic Workflow

特色:

• 可视化工作流编排(ReactFlow)
• Prompt IDE(在线调试 + 多模型对比)
• 50+ 内置工具(Google Search / Stable Diffusion)
• RAG 一体化(混合检索 + 重排)
• 2026 新增 MCP 协议——可连接 280+ 外部工具

典型工作流:上传文档 → RAG 检索 → LLM 生成 → 部署为 API

⚠️ 商用注意:

• 多租户 SaaS 服务需要商业授权
• 不可移除/修改 Dify 控制台 Logo 和版权信息

灵魂问题:

Dify vs Coze Studio? Dify:开源、可控、私有化部署、企业级 Coze:零代码、字节系生态、不能私有化

选 Dify 如果你在乎:开源 / 数据主权 / 长期可控

3.3 Coze Studio — 字节的 AI 助手工厂

仓库:coze-dev/coze-studio · 协议:Apache 2.0 · 背景:字节跳动

核心场景:

• 快速构建 AI 助手 / Bot
• 多平台发布(飞书、抖音、微信公众号、Discord)
• 零代码搭建对话应用

特色:

• 100+ 模板(客服 / 翻译 / 营销 Bot)
• 内置 60+ 插件(搜索、代码执行、图像生成)
• 一键发布到多平台
• 与字节系深度集成(豆包、飞书、抖音)

5 分钟上手:

• 国际版:coze.com
• 国内版:coze.cn
• 注册即用,无需部署

典型工作流:选模板 → 配知识库 → 调提示词 → 一键发布

⚠️ 注意:

• 模型选择绑定平台内置(不支持自定义端点)
• 高级定制和大规模跨系统连接受限
• 私有化部署能力有限

灵魂问题:

Coze vs Dify 选哪个? 选 Coze 如果你:不懂代码 / 想 5 分钟上线 / 用字节生态 选 Dify 如果你:需要私有化 / 想要更多模型 / 企业级

3.4 LangGraph — Agent 编排的代码方案

仓库:langchain-ai/langgraph · Star:31k+ · 协议:MIT · 商业:LangChain Inc

核心场景:

• 长时间运行的多 Agent 对话系统
• 有状态工作流(跨会话记忆)
• 研究和实验性 AI 应用

特色:

• 代码即配置——你的 Python 代码就是工作流
• 有状态图(StateGraph)——每个节点修改 State,跨节点共享
• 人类在环中断 / 恢复机制
• 与 LangChain 生态深度集成(100+ 工具、20+ Retriever)
• MIT 协议,商用最宽松(无任何限制)

5 分钟上手:

from langgraph.graph import StateGraph
from typing import TypedDict

class State(TypedDict):
    messages: list
    next_step: str

def agent(state: State):
    # 调用 LLM 决策
    return {"next_step": "tools"}

def tools(state: State):
    # 调用工具
    return {"next_step": "agent"}

workflow = (
    StateGraph(State)
    .add_node("agent", agent)
    .add_node("tools", tools)
    .add_edge("agent", "tools")
    .add_edge("tools", "agent")
    .compile()
)

灵魂问题:

LangGraph vs 拖拽平台? LangGraph:代码级别精细控制,可版本控制、测试、CI/CD Dify / Flowise:可视化,但 Agent 内部逻辑是黑盒

选 LangGraph 如果你:Python 工程师 / 要复杂多 Agent / 严格可观测

3.5 RAGFlow — 深度文档理解 RAG 引擎

仓库:infiniflow/ragflow · Star:80.7k · 协议:Apache 2.0 · 公司:InfiniFlow

核心场景:

• 法律 / 金融 / 医疗等专业文档问答
• 多来源知识库(PDF + 网页 + 数据库混合)
• 需要引用溯源的合规场景

特色:

• DeepDoc 文档解析——比 Dify 通用解析强 10 倍
  • OCR + 表格结构识别(TSR)+ 布局分析
  • 处理合并单元格、公式、复杂版式
• 模板化分块——可视化展示分块结果
• 引用溯源到原文片段(降低幻觉)
• 双向量引擎(Elasticsearch + Infinity)
• 内置 MCP 支持

对比 Dify 的 RAG: | 维度 | RAGFlow | Dify | |—|—|—| | 文档解析 | 专业级,多引擎 | 通用级,主流格式 | | 引用溯源 | 定位到原文 | 文档级 | | 向量引擎 | ES / Infinity | 多种 | | 部署 | 独立服务 | 内嵌 | | 适合规模 | 大型企业 | 中小型 |

5 分钟上手:

docker compose -f docker/docker-compose.yml up -d
# 最低配置:8 核 32G 内存 + SSD

灵魂问题:

RAGFlow 能替代 Dify 吗? 不能。RAGFlow 是专用 RAG 引擎,没有 Dify 的 Prompt IDE 和完整 Agent 框架 最佳实践:RAGFlow 解析 + Dify 调用——企业级 RAG 黄金组合

3.6 Flowise — 拖拽式 LLM 编排

仓库:FlowiseAI/Flowise · Star:45.6k · 协议:MIT

核心场景:

• AI 工程师快速原型
• 内部 AI 工具搭建
• 学习和演示

特色:

• 极简——把 LangChain 抽象成画布节点
• 拖一个"Ollama LLM" + 拖一个"Chroma Vector" + 拖一个"Prompt" = 跑通 RAG
• 5 分钟搭出本地大模型 RAG
• 100+ 预制节点

5 分钟上手:

npm install -g flowise
npx flowise start
# 访问 http://localhost:3000

典型用例:

• 产品经理搭知识库问答机器人
• 运营配自动抓取竞品文案的 Agent
• 实习生 5 分钟跑通本地 RAG 流程

灵魂问题:

Flowise vs LangFlow? Flowise:生态大,易上手,适合快速原型 LangFlow:LangChain 官方,Python 自定义,深度用户

新手选 Flowise;LangChain 深度用户选 LangFlow

3.7 LangFlow — LangChain 官方可视化

仓库:langflow-ai/langflow · Star:40k+ · 协议:MIT

特色:

• LangChain 官方出品——和 LangChain 无缝集成
• Python 自定义组件——可以完全掌控底层逻辑
• 多模型支持(LLM、向量库、AI 工具)
• 多智能体编排
• 快速部署:导出为 API / MCP Server / Python 应用

5 分钟上手:

pip install langflow
langflow run
# 访问 http://localhost:7860

典型用例:

• LangChain 用户的快速可视化
• Python 自定义组件集成
• 多智能体协同工作流

4. 选型决策树

决策 1:技术能力

你是?
├─ 不会写代码 ────────────▶ Coze Studio(零代码)
│
├─ 产品经理 / 运营 ────────▶ Dify 或 Coze(可视化)
│
├─ 后端工程师 ────────────▶ n8n(集成) 或 Dify(AI)
│
├─ Python 工程师 ──────────▶ LangGraph(精细控制)
│
└─ LangChain 深度用户 ────▶ LangFlow / Flowise

决策 2:核心诉求

你要做什么?
├─ 跨系统自动化(Slack + 数据库 + 邮件)
│  └─▶ n8n ★★★★★
│
├─ 企业 AI 应用(知识库 + 对话 + API)
│  └─▶ Dify ★★★★★
│
├─ C 端 Bot / 助手(发布到飞书 / 抖音)
│  └─▶ Coze Studio ★★★★★
│
├─ 复杂多 Agent 协同
│  └─▶ LangGraph ★★★★★
│
├─ 专业文档问答(法律 / 金融 / 医疗)
│  └─▶ RAGFlow ★★★★★
│
├─ 快速原型 / 内部工具
│  └─▶ Flowise ★★★
│
└─ LangChain 项目可视化
   └─▶ LangFlow ★★★

决策 3:数据主权

数据必须自己掌控?
├─ 是(金融 / 政务 / 医疗)
│  └─▶ 自托管平台:n8n / Dify / RAGFlow
│
└─ 否(普通业务)
   └─▶ 随便选,看体验

决策 4:商用授权

你的商业模式?
├─ 自用 + 内部工具 ─────▶ 任何平台都 OK
│
├─ 做 SaaS 卖给客户 ────▶ 避开 n8n / Dify 多租户限制
│  └─▶ 推荐:LangGraph / RAGFlow / Flowise / LangFlow(MIT / Apache)
│
└─ 嵌入到产品里 ────────▶ MIT / Apache 优先
   └─▶ 推荐:LangGraph / Flowise / LangFlow

5. 黄金组合

组合 1:企业级 RAG 黄金组合

RAGFlow(解析专业文档) ──HTTP──▶ Dify(LLM 应用层)
                          ↑
                       提供 RAG API

适用:法律 / 金融 / 医疗企业,文档复杂 + 需要应用层

组合 2:DevOps + AI 黄金组合

n8n(连接 GitHub / Slack / DB) ──HTTP──▶ Dify(AI 处理)
                                    ↑
                                 提供 AI API

适用:技术团队,既要做自动化又要做 AI

组合 3:快速 Bot 黄金组合

Coze Studio(快速搭 Bot) ──导出──▶ 多平台发布
                              ↑
                          字节系生态

适用:运营 / 内容创作者,想快速上线

组合 4:复杂 Agent 黄金组合

LangGraph(代码级多 Agent) ──LangServe──▶ 部署为 REST API
                                       ↑
                                    Python 工程师

适用:研究 / 实验 / 复杂多步任务

6. 部署方式速查

7. 商业模式 / 许可证速查

⚠️ 重要:做 SaaS 产品前,务必检查最新许可证——版本更新可能变更条款。

8. 实战速查表

8.1 我想要 X,选哪个?

8.2 灵魂问题速答

Q:不会代码,选啥? A:Coze Studio(5 分钟出 Bot)

Q:文档特别复杂(扫描件 PDF / 表格),选啥? A:RAGFlow(DeepDoc 解析)

Q:要做成 SaaS 卖给别人,选啥? A:LangGraph / RAGFlow / Flowise(MIT / Apache,无授权问题)

Q:想接最多第三方服务,选啥? A:n8n(500+ 集成)

Q:想代码级精细控制,选啥? A:LangGraph(代码即配置)

Q:想接字节系生态(飞书/抖音),选啥? A:Coze Studio

Q:数据必须本地,选啥? A:都支持自托管,看体验选

9. 资源链接

• n8n 官方
• Dify 官方
• Coze Studio · Coze.cn
• LangGraph 文档
• RAGFlow 官方
• Flowise 官方
• LangFlow 官方

10. 一句话总结

没有"最好"的 AI 工作流平台,只有"最合适"的。

• 不会代码 + 快速出 Bot → Coze
• 跨系统集成 + 流程自动化 → n8n
• 企业 AI 应用 + RAG → Dify
• 复杂多 Agent + 精细控制 → LangGraph
• 专业文档 + 引用溯源 → RAGFlow
• 快速原型 + LangChain → Flowise / LangFlow

选错不可怕,组合用才出奇迹。