低代码平台搭智能体 —— 不写代码也能造AI助手（五）

一、为什么需要低代码平台

写代码造智能体，就像自己种菜、自己做饭。优点是完全可控，缺点是费时费力。

低代码平台就像外卖平台。你不需要知道菜怎么做，只要在App上点几下，饭菜就送来了。平台把复杂的技术细节（API调用、状态管理、并发控制）都封装成一个个"积木块"。你只需要拖拽这些积木，把它们连起来，就能拼出一个智能体。

适合用低代码平台的三种人：

• 非技术背景的人：产品经理、运营人员也能自己动手做AI应用。

• 想快速验证想法的人：几分钟搭个原型，看看效果好不好，再决定要不要投入开发。

• 需要快速集成的开发者：把AI能力快速接入现有业务流程。

二、Coze（扣子） ------ 零基础也能玩转的智能体工厂

Coze是字节跳动推出的平台。它的特点可以用三个词概括：零门槛、插件多、发布快。

Coze长什么样

打开Coze，左边是工作区，右边是操作面板。创建智能体就像注册一个账号。你给它起个名字，写一段"角色说明"（也就是系统提示词），然后给它添加"插件"（工具），一个智能体就诞生了。

实战案例：每日AI简报助手

我们做一个能自动收集AI新闻、论文、开源项目的简报助手。

第一步：添加信息源插件

Coze的插件商店里有各种现成插件。我们添加四个：

• RSS插件：订阅36氪、虎嗅的AI频道

• GitHub插件：追踪热门AI项目

• arXiv插件：获取最新AI论文

每个插件只需要简单配置，比如填上RSS链接或关键词。

第二步：写提示词

告诉智能体它是什么角色，以及简报的格式。比如：

你是一位资深科技编辑。每天输出一份AI日报，格式如下：
1. 标题用“AI日报 | 日期”
2. 每条新闻配一个Emoji
3. 每一条都要带上原始链接
4. 只输出和AI、大模型相关的内容

第三步：发布

点击发布，Coze可以一键把你的智能体发布到微信、飞书、豆包等平台。别人关注了你的公众号，每天就能自动收到AI简报。

Coze的优缺点

优点：

• 完全不用写代码。

• 插件生态极其丰富，几百个现成插件可以直接用。

• 发布渠道多，一键分发。

缺点：

• 不支持MCP协议（目前是硬伤，限制了它连接更广泛的工具生态）。

• 复杂的工作流编排需要一点JavaScript或Python基础。

• 导出只能导出成zip文件，不能导出通用的JSON格式，换平台麻烦。

三、Dify ------ 开源的全能型选手

Dify是一个开源平台。你可以把它部署在自己服务器上，数据完全自己掌控。它的特点是：功能全面、可定制性强、适合企业级应用。

Dify长什么样

Dify的功能模块分得很清楚：模型管理（接入各种LLM）、知识库（做RAG）、工作流编排（拖拽节点）、插件市场（8000+插件）。它不像Coze那样完全零门槛，但对技术人员来说，可玩性高得多。

实战案例：超级个人助手

我们做一个功能全面的个人助手，包含日常问答、文案优化、图片生成、数据查询和MCP工具集成。

模块一：日常问答（基础对话）

配置一个大模型节点，写一段提示词告诉它"你是日常问题咨询专家"，它就能回答生活常识、健康建议、人际关系等问题。

模块二：文案优化

这是高频需求。我们给智能体设定"文案优化专家"的角色，提示词里明确要求：

• 提升文案吸引力和可读性

• 保持核心信息不变

• 输出500字以上的优化版本

你扔一段原始文案进去，它就能润色成更漂亮的版本。

模块三：多模态生成

Dify可以集成豆包生图插件。你输入一句话描述，它生成一张图片。比如输入"一只穿宇航服的柴犬"，输出对应的AI图片。视频生成类似，连接可灵或Sora插件就行。

模块四：数据查询与分析

Dify支持连接数据库。你只需要告诉它表结构（比如"student表有id、name、age、sex四个字段"），它就能把你的自然语言问题转成SQL，查完数据后还能自动生成图表（柱状图、饼图、折线图）。

模块五：MCP工具集成

Dify支持MCP协议。你可以接入高德地图MCP查路线，接入饮食推荐MCP决定中午吃什么，接入新闻MCP获取最新资讯。这些工具在Dify里配置成节点，智能体需要时自动调用。

Dify的优缺点

优点：

• 全栈能力：从RAG到工作流到模型管理，一个平台全包。

• 开源且可私有化部署，数据安全有保障。

• 插件市场超过8000个，扩展性强。

缺点：

• 学习曲线比Coze陡，完全零基础的人需要花点时间。

• 高并发场景下性能有瓶颈（Python后端）。

• 多模态支持还不够强，主要处理文本。

四、n8n ------ 工作流自动化之王

n8n的核心不是"造智能体"，而是"把各种App和AI串起来"。它是一个开源的工作流自动化工具，支持400多个节点的连接（Gmail、Slack、数据库、HTTP请求等）。

n8n长什么样

n8n用"节点"和"工作流"来组织逻辑。节点就是一个个小功能（发邮件、读数据库、调用AI），工作流就是把节点连起来的流程图。数据以JSON格式在节点间流动。

实战案例：智能邮件助手

我们做一个能自动回复邮件的AI助手。

第一步：准备知识库（加载记忆）

先用一个Code节点，把你自己设定的"工作时间"和"回复策略"写成JSON数据。然后用Embeddings节点把文本转成向量。最后存入Simple Vector Store（内存向量数据库）。这就相当于给AI准备了一本"个人说明书"。

第二步：配置AI Agent节点

n8n的AI Agent节点集成了大模型、记忆和工具。我们这样配置：

• Chat Model：连接一个LLM（比如Gemini）。

• Memory：连接Simple Memory，让AI记住同一邮件线程的上下文。

• Tools：连接两个工具。一个是SerpAPI（上网搜索），一个是Simple Vector Store（查询"个人说明书"）。

第三步：写系统提示词

提示词里明确告诉AI：

• 首先尝试搜索公开信息来回答问题。

• 判断当前是否属于工作时间。

• 如果非工作时间，在回复开头加上状态提醒（例如"我将在工作日9点到5点回复您"）。

• 最终输出必须是JSON格式，包含shouldReply、subject和body字段。

第四步：发送回复

把AI Agent的输出连接到Gmail节点的"发送"功能，把收件人、主题、正文填进去。一封自动回复邮件就发出去了。

整个工作流是这样的：收到新邮件 → AI分析并决策 → 调用搜索或查知识库 → 生成回复草稿 → 自动发送邮件。

n8n的优缺点

优点：

• 连接能力超强，400多个节点几乎能连接任何服务。

• 支持私有化部署，数据不出内网。

• AI Agent节点把模型、记忆、工具整合在一起，非常方便。

缺点：

• 复杂工作流的调试比较费劲（要挨个节点查输入输出）。

• 内置的记忆和向量存储都是内存级的，重启就丢，生产环境要换成Redis或Pinecone。

• 版本控制和多人协作不如代码管理成熟。

五、三个平台怎么选

场景	首选平台	原因
非技术人员快速做原型	Coze	零代码、插件多、发布快
企业级应用、私有化部署	Dify	全栈能力、开源可控、RAG强
把AI集成到现有业务流程中	n8n	连接器丰富、自动化能力最强

实际项目中，你也可以混合使用。比如用Coze快速验证需求，用Dify搭建正式系统，用n8n把AI能力嵌入公司的邮件、CRM、数据库系统里。

六、本章小结

低代码平台不是要取代写代码，而是给我们多一种选择。Coze适合小白快速上手，Dify适合专业开发者搭建复杂应用，n8n适合把AI串到业务流程里。掌握了这三个平台，你就能根据实际需求灵活选择工具，用最快的方式把智能体从想法变成现实。