为什么Workflow式的AI Agent平台在B端难堪大用

摘要：Dify、扣子、N8N等都是Workflow AI平台，它们可以快速拖拽出一个AI Workflow。这些工具看起来好像很不错，简单、快速，就可以快速拖拽出一个AI Workflow。

Dify、扣子、N8N等都是Workflow AI平台，它们可以快速拖拽出一个AI Workflow。这些工具看起来好像很不错，简单、快速，就可以快速拖拽出一个AI Workflow。

但是...

我不看好这类AI Agent Builder，技术人员不屑于用，普通人用不好。

对于快速原型与低门槛场景，无代码平台确实可带来显著效率，但也就仅限于此了。

搭建个知识库、搭建个简单流程，可以的，但想解决复杂的业务问题，创造高价值的AI收益，很难。

题外话：对于普通的业务人员，这样的No Code Workflow AI平台，门槛其实不低。

高价值的AI场景往往是复杂的！！！

一旦任务稍微复杂一些，这类工具就会变得极难维护，画面会迅速变得杂乱无章，让人无从下手。

基于AI workflow平台来搭建，复杂的流程和节点，构建和维护很快都变得非常困难。

AI在企业场景落地的关键在于：业务融合&可信融合

业务融合：与业务流程深度融合（这是最重要的）。可信融合：接入企业权限管理体系。

基于这两点，结论已经很明显了。

最佳方式：B端，高价值场景（往往复杂），应该在你的业务流程体系内，在离数据最近的地方，把AI的能力融入进来。这样才能很好解决前面提到的两点（业务融合和可信融合）。所以，所谓的AI平台，不应该是AI Workflow形态的，是基于代码编排AI框架（code-based orchestration），再配上代码智能体（coding agents）。

有很多人的都持类似的理解

Harrison Chase： 原文：Not Another Workflow Builder https://blog.langchain.com/not-another-workflow-builder/

我认为智能体（提示词+工具）在无代码模式下的创建过程应该比工作流简单得多。我期待模型、智能体工具以及我们用于创建、修改和训练这些智能体的界面能够不断优化。这意味着这些智能体将在越来越多的任务中表现得稳定且出色。另一方面，视觉化工作流构建工具在达到一定复杂程度后就会变得难以管理。唯一真正的替代方案是**代码**。从历史上看，编写代码仅限于一小部分人，其入门门槛相当高。随着模型在代码生成方面的能力越来越强，且代码生成的成本趋于零，我预计选择使用代码会变得越来越容易。

LlamaIndex CEO：Jerry Liu LlamaIndex 更看好的是基于代码的编排（code-based orchestration）加上代码智能体（coding agents）。