最近 AI 圈有个事件：Coze3.0 发布了，只不过貌似并没有扬起太大的水花：
上一次关于 Coze 的大事件应该追寻到一年前的核心模块开源了：
当时大家还会为 Dify 捏把汗，在好奇 Coze 的开源会不会对他造成影响，结果大家也知道了：受 Agent 尤其是 AI Coding Agent影响，整个这种编排的低代码平台似乎都活得不太好。
那么今天的问题也就来了：
-
为什么 Coding Agent 会对 Coze/Dify/n8n 等编排低代码平台造成影响； -
未来编程智能体与 Coze/Dify/n8n 的关系或边界应该是什么呢？
大家先带着这个问题，我们开始今天的旅程，首先依旧是上分层模型：
我们在做训练营的时候，第一节课就是为大家讲解建立知识框架的重要性和方法论，这套框架的逻辑是：
不要管市面上出了多少产品，你就站在我要做这个产品的角度出发，将他进行分类，分类后再对每个品类的产品，做参数区分，也就是思考如何做选型，只要做到这一步，那么你的基础知识框架就算建立了，比如这个 AI 框架：
现在，我们就来用这套模型去拆解 Coze/Dify/n8n 和 Agent 的关系：
Coze/Dify/n8n
首先，我们需要对 Coze/Dify/n8n 做清晰的定位，他们都属于低代码平台，进一步是完成确定性编排（Workflow）的平台型产品。
2023 年是 Coze/Dify 最风光的一年，那时候模型虽强，但普通人无法把模型变成产品。技术人员虽然能写代码，但也需要大量重复工作，而他同时解决了三个角色的问题：
-
技术人员：终于不用每个小需求都写胶水代码了； -
业务用户：虽然这种编排系统依旧成本不低，但相比古法编程已经足够友好了，至少不用去搞那个开发环境问题； -
管理者：看到了效率提升、降本增效的可能，并且在一定场景下他是成立的；
于是乎，那时候很多人开始尝试用 Coze/Dify/n8n 承载自己的工作流/Workflow，其中企业私有化部署喜欢选 Dify、个人的话多半选 Coze 生态。
所以，Coze 等低代码平台之所以能火，无非是一个核心原因：效率高，解决了一些人一些效率问题；其中无论是模板还是插件，都在进一步解决门槛低、效率高的特点。
如图所示，他展示了 AI1.0 到 AI2.0 时代，各个企业主流的技术体系演进方向，也就是说在 2025 年前，很多公司最终都会有一套自己的低代码平台，大家注意去看 法律明星 Agent Harvey 的架构，跟我们说的很类似的：
但这种伴随 AI 而生的低代码平台是具有天生的局限性的，你拿他做做 Demo 是可以的，但你要拿他做复杂业务，那么两个绕不过去的核心问题就产生了：
第一，复杂流程像蜘蛛网，维护成本指数级上升
比如，下图是某客服公司的核心业务 Workflow，其复杂程度令人发指，几乎达到了动一下、错一下的地步，并且团队只有 3 个人有能力去改：
第二，模型幻觉很厉害的，你用 Coze/Dify 去承载下工作流还行，但要去上面搞相对复杂的 RAG 知识库，那复杂度就高了
总而言之，在处理复杂业务流程的时候、在处理复杂 RAG 场景的时候，Coze/Dify 的灵活性就没那么高了。
而且这些场景往往也不是 Demo 一下就算了，非技术人员还是有很大的瓶颈。所以，在复杂生产链路里面，Coze/Dify 的定位一直是很尴尬的。
Agent
如前所述，整个 Coze/Dify/n8n 的定位已经很清楚了，得益于其低代码平台的特性，他们在效率上具有不小的优势，这是他们崛起的原因；
但因为程序员更喜欢用灵活性更高的代码去做复杂业务，所以这些平台面对复杂业务的时候就有些鸡肋了…
另一方面，非技术人员这里也显示出了很多问题：
-
第一是不想去整理 SOP/Workflow，但如果非要整理，这个他们可以克服； -
第二是一定不想去编排 SOP，这对他们简直是一种折磨； -
第三是数据处理这块，几乎是不可能学会的；
在这个背景下，行业就会期待工具能不能更进一步、更简单一点、能不能利用AI的能力，提升Workflow的泛化能力：
也就是在积累了足够 SOP/Workflow 后，能不用自然语言就能 AI 生成符合要求的 SOP/Workflow？而就算不满足，也能用自然语言去调整、优化，而不是压去拖那个蜘蛛网。
在这个诉求下，基于 ReAct 框架的 Agent 诞生了，他还真能实现一句话生成完整的 SOP/Workflow：
只不过问题又来了，这次的问题是：这家伙实现不太稳定。
相同的输入可能拿不到相同的输出，每次生成的 SOP 可能都不一样，并且他是个黑盒，就算出了问题也不能改。
不稳定、不可干预、不具备可观测性，成了这类 Agent 走向生产，最大的问题
在这个基础下 Claude Code 类 Coding Agent 来了：
Coding Agent
从 Coze/Dify/n8n 到 Agent 的出现，我们知道了大家需要的是可以简单表达的工作流。
于是乎 Skills 规范应运而生，可以让大家用自然语言在 markdown 里面描述工作流，于是乎整个技术框架变成了这个样子：
现阶段来说，Skills 已经变成了 Coding Agent 的标配了，并且 Agent 整个输出稳定性高了非常多。
但要注意的是：就算 Skills 的加入，依旧不能保证 100% 的稳定性，所以整个 Coding Agent 现在的定位是协作型 Agent：
他并不保证结果的正确性，人可以对他的结果进行审核、优化
综上，就是整个低代码编排系统到 Agent 再到协作型 Coding Agent 的背景信息了，大家可以看到 Coze/Dify 等低代码平台因为效率高而上位，但现在确实被 Coding Agent 压制得厉害：
在了解前因后果后，我们就可以正式展开今天的讨论了：在 Coding Agent 大势所趋的情况下，Coze/Dify/n8n 的生存空间在哪？
Coze/Dify/n8n 的生存空间
看懂整个产品推衍逻辑后，我们再回归 Coze3.0 这次更新，就不会把他只当做一次产品迭代了。
要看明白 Coze3.0 这次更新背后的逻辑，要要结合整个行业，包括 Dify 与 n8n 的最新路线，再叠加 Anthropic、LangChain 对 workflows 与 agents 的公开判断放在一起看。
这里整个趋势就很清晰了：整个 Agent 应用平台（生成 Agent 的工具），因为效率、门槛的诉求，正在从“确定性编排”转向“受控自知”。
这个转移过程的背后重新分配的是任务执行过程的控制权，他也会导致用户选择的分叉，更多的人会转向更为简单的 Agent，因为多数人的诉求就是一个允许出错的 Demo：
所以，Coze 现在已经把自己放到新一代 AI 团队的叙事里，主打多 Agent、项目化空间，以及云端与本地 Agent 的统一托管；
这就让 Coze 3.0 有点像一个在线版的 Codex/Claude Code 工作台，但是不要求用户必须理解本地环境、CLI、仓库等专业名词，而是把 Agent 放进一个在线项目空间里，让所有的操作在线就可以完成。这里的差异就很关键了：
Claude Code、Codex 更像程序员手里的 Agent 工具，Coze 3.0 更像普通人也能用的 Agent 团队入口
工具表现的差异会直接导向用户及场景的差异：Coze3.0 切的依旧是海量想用 Agent 工具生成 Demo（简单应用）的人群。
相应着其他平台也在积极变化，寻找更适合自己的定位：
-
Dify 把自己定义为 building agentic workflows 的开源平台； -
n8n 也明确把自己定位成 AI workflow automation platform，强调you can see and control，并上线了 AI Workflow Builder。
换句话说，几家主流平台都已经在产品层面承认：纯手工拖拽不够了，但纯自治 Agent 也还不够。
进一步需要思考的命题也从谁要淘汰谁变成了：哪些任务应该继续走预定义路径，哪些任务可以把更多执行权交给模型这个更务实的课题。
问题回归模型
继续回归知识框架，并且这里会出现新的分层，先把东西分层，后面的很多争论就不会跑偏：
第一层：确定性编排层
Dify 的官方文档把 workflow 解释成一种把模型、工具和逻辑组合成 reliable, repeatable processes 的方式，原因也说得很直白：
模型本身会 hallucinate、会漏步骤、会输出不一致，所以在生产环境里需要更强的控制。
n8n 的官方文档则把 workflow 定义成a collection of nodes connected together to automate a process，并强调所有自动化都建在 workflow canvas 上。
也就是说，在这一层里，平台的中心的核心诉求就是：让 AI 稳定发挥。
第二层：自治执行层
到了这一层，交互对象不是基于 Workflow 的节点和画布，而是任务目标、工具权限和上下文管理。
这一层的核心是：把执行权和决策权从人交给模型，当前经典实现是 ReAct 框架，在循环中交替进行 Thought → Action → Observation，让模型自己决定每一步走什么，而不是被人提前画好。
Anthropic 把 agent 说成是在任务明确后，能够自己规划、调用工具、依据环境反馈继续推进，并在检查点上向人类请求判断的系统；
OpenAI 把多 Agent 编排拆成 handoffs 和 agents-as-tools 两种模式，本质上都在讨论谁拥有这一段任务的执行权与最终评价权。
第三层：治理层
这一层就比较常规了，他初期不重要，但上生产环境后就不可或缺，现在大家熟知的 Harness 也是其中一种实现。
其出现目的是为了保证系统的稳定、可评测。Dify、n8n 等平台都有对应的功能，比如：
-
Dify 限制最大迭代次数； -
n8n 提供 human-in-the-loop for AI tool calls；
三层模型摆在这里，前面的争论就不难理清了：第一层要的是稳定、第二层要的是自主、第三层要的是可控。
但现在的问题是：Coding Agent 正在同时挤压第一层和第二层，
Coding Agent 为什么会形成挤压
原因很简单，最前面也说了，它直接拿走了平台最核心的价值：降低门槛、提升效率。
Claude Code 的逻辑是你描述目标，AI 探索实现，你来审阅，这把 Coze、n8n 曾经引以为傲的拖拽搭建给重构了，这简直是降维打击！
那么既然 Coding Agent 都这么吊了，为什么 Workflow 平台还在呢？这是最后一个问题：
为什么 Workflow 平台还在？
其实原因很简单啊：ReAct 框架把治理层的难题放大了，这里的工程难度比大家想象的高。
Anthropic 明确建议团队先找最简单的方案，再逐步增加复杂度：
-
workflow 适合 well-defined tasks； -
agent 适合 open-ended problems； 
而 Agent 灵活背后的代价是更高的成本、更多的延迟，以及更高的工程维护成本。
换句话说，主流国内外观点并不支持全面自治，而是在强调：自治只在你真的需要灵活性时才值得。
这也是为什么生产平台会不断往人工确认和可观测性上补。
n8n 把它的优势说得毫不遮掩：它适合生产，绝不是他比 Agent 聪明，而是因为它有预设的逻辑、人工审批节点等，并且使用他的成本和响应速度比 Agent 快多了。
Dify 的 Agent 节点同样有最大迭代次数、记忆和工具配置，用来防止无限循环、工具滥用和上下文膨胀。
这里还没说安全问题，如果要处理他，那工程复杂度就高咯！
综上，无论是稳定性、成本、效率还是安全问题，现阶段正常的企业不可能将核心业务场景放给不稳定的 Agent 去玩，除非 Agent 可以搞定可观测、权限、日志、成本效率等等一系列问题。
只不过现在对于企业来说，还是不太成熟。
但要注意的是，如果所有的这些问题还是在围绕这 Coze/Dify 这批目标用户在讨论，也就是不会写代码的，又想要出 Demo 的人，他们倒是无所谓，直接无脑使用更低门槛的 Coding Agent 平台就好…
所以，现在是个过渡时期，大家都会存在，但接下来会如何演进呢？
混合架构
现阶段国外的普遍观点是：确定性流程/Workflow 与自治智能体/Agent 现在是个混用的状态，也就是说：
-
若任务高度明确，一致性要求高，如财务流程、数据同步，Workflow 更合适； -
若场景开放，需要动态决策，如客户支持中的多轮复杂提问，则 Agent 更表现会好一些；
然后具体到几个工具定位的话，可以用这个四象限图：
结语：FDE 和 KnowHow
近半年顶级基座模型厂商 OpenAI、Anthropic 在大幅扩招 FDE，这个岗位既不是纯研发，也不是销售/售前，他们对其的描述是：驻扎在客户现场、把 AI 能力变成业务成果的角色。
而这里问题就来了：为什么 FDE 突然火了？
其答案是：基模公司会发现，自己模型能力已经足够高了，但是很多企业实际却并不能真正用 AI 解决很多问题。他们经过调查发现当前各个企业真正的问题是没办法把业务系统的 KnowHow 梳理清楚、再接入 AI 能力。
所以，当前的核心瓶颈其实并不是工具而是业务 KnowHow，顺着这条线索，真正的问题就来了：
在 AI 能自动写代码、搭流程的今天，什么才是最稀缺的？各个企业的壁垒又在哪？
这个问题的答案可能就在 FDE 这个岗位里，其背后就是 Coze/Dify/n8n/Coding Agent 要承载的 KnowHow/Workflow：
最后我们回归一下，Coze、Dify、n8n 等低代码 Workflow 编排平台，正在因为被 Coding Agent 不断积压而不断演进，并且为了适应低门槛、高效率的用户诉求，现阶段工具能力会有趋同的趋势。
只不过，未来的竞争点不是谁的工具更厉害，而是谁的 KnowHow 更深，毕竟真的理解业务，要学个 Coze 谁还不会呢？