流程编排功能，主要指的是提供低码拖拽流程编排页面，能够支持工作流创建和应用的平台。从实现逻辑上，可以将它们分为Agent逻辑和工作流逻辑：前者一般都基于Agent开发框架，编排的是资源和属性值，要求使用者对底层框架有一定了解；后者则是类似BPMN的逻辑，定义了节点类型，编排的是节点的执行顺序，较为直观。
这里将对比的产品如下，同时按照上面的逻辑进行了分类：

Notice：以上列出的流程编排都偏文本加工的逻辑流程，AI原生还有半壁江山是图片、影像生成的工作流，例如comfyUI等等，但由于硬件设备限制，暂时没有条件本地上手体验，后面有机会再讨论。

介绍

coze



coze中有两个功能模块涉及流程编排，一是bot设计，一是工作流设计。bot设计时，选择多Agent模式，即可切换到流程配置页面，此时流程的每个节点都是一个Agent，通过明确适用场景，处于上游的Agent自行决定对话应该分发至哪一个下游Agent，此外还可以添加全局的跳转条件，用于切换应答节点。而工作流设计则是独立于Agent设计之外的模块。coze的工作流分为两种，文本工作流和图像加工流，除节点类型有区别外，编排逻辑相同。

功能特性：

  • 支持并行分支
  • 支持变量传递和异常情况默认值设定
  • 单一节点内支持迭代批量处理
  • 支持嵌套文本工作流及图像工作流
  • 支持包括代码执行器、知识库检索、读写数据库、文本拼接、选择器等常用的结构化节点
  • 定义完成的工作流可被Agent使用

dify





dify作为（我心目中的）开源Agent搭建平台扛把子，工作流编排虽然相较于coze欠缺一些，但整体可用性还是较高。

功能特性：

  • 工作流可被Agent调用，也可通过API单独调用
  • 提供工作流调用统计及log查看，可查看具体节点的输入及输出
  • 支持分类器、代码执行器、参数抽取转换等常用结构化节点
  • 支持将tool或http请求添加为节点
  • 不支持并行分支（单一加工节点不支持多个子节点）

thunderbit




thunderbit是这次对比的产品中唯一一个浏览器插件。它的主要功能是自动化指令和模型对话，而流程编排功能是其自动化指令中的组成部分。thunderbit的自动化指令多数用于数据采集和转换。

功能特性：

  • 自带多种常用平台的节点配置集，支持快速定义写入、读取操作
  • AI能力节点提供多种场景化的AI配置，例如翻译、总结、转写、文字语音互转等
  • 支持条件分支和循环分支

flowise





flowise与后面即将介绍的几个产品一样，它的配置逻辑，并非常见的工作流编排逻辑，而是Agent设计逻辑：每一个配置卡片更与其说是节点不如说是组件，不同的组件有自己的输入和输出接口，多个组件相互连接组成一个可执行单元（Runnable），在多个可执行单元之间，通过设定转移条件，构建出流程。如果说工作流逻辑下的流程编排是由业务流程决定的，Agent逻辑下的流程编排则是由Agent或者LLM应用开发框架决定的。

功能特性：

  • 适配llamaindex、langchain、babyGPT、AutoAGI等LLM应用设计框架
  • 支持设定条件分支、JS function以及过程变量
  • 支持将编排结果（对话界面透出）嵌入网页，或通过API调用

langflow





langflow是一个面向多智能体和RAG开发的可视化框架，内置多类组件，基于python开发，完全可定制。很适合有一定代码能力的用户用来快速验证想法。

功能特性：

  • 内置多种组件，包括retriever、文件加载、分词器、代码执行等等，并且支持自定义扩展
  • 支持代码导入导出
  • 支持变量引用和传递

百度文心智能体平台



与flowise类似，百度文心智能体平台，是基于百度自己的智能体构建框架实现的低码工具。

阿里AgentScope

相比与前面的平台，AgentScope则显得粗糙很多。但它的设计逻辑和langflow相似，都是面向开发者的LLM应用平台，更准确地说，它是一个面向开发者的多智能体设计平台。官方对于其workflow模块的介绍是：workflow表示智能体执行和智能体之间的消息交换的有序序列，类似于TensorFlow中的计算图， 但其并不一定是DAG结构。

对比

名称 适宜对象 适宜场景 原因
coze 个人、小型企业 Agent应用设计、LLM应用想法验证 coze在产品设计逻辑和功能健全性方面，无论相比与开源还是闭源产品，都是非常亮眼的，易用性极高，设计功能较为健全，这就使得它非常适合用来做一些精巧的LLM应用。但目前为止，它所开放的接口和监控内容都较为欠缺，除了对话API外，没有面向开发者提供合适的资源和运行监控工具或页面。
dify 小型企业 单Agent设计及服务搭建 dify作为开源社区一款明星Agent设计平台产品，无论Agent设计、工作流编排、RAG等产品能力的健全度，还是从程序接口、用量监控等开发场景支持度，都相当不错。在Agent场景下，dify能够比较好的落地支持。
thunderbit 个人 日常工作辅助 thunderbit是自动化和模型对话的结合体，其流程编排更多时候是将多个人工操作合并为一次点击，而因为其插件属性，即使它能够被bot唤起，用户也依然会倾向自己点击。
flowise 产品经理、开发 LLM应用设计想法验证 flowise将多个LLM应用开发框架封装起来，整合到低码页面，某种程度上拉低了使用成本。但在实际生产环境中，任何开发框架的使用都是要认真考虑的，相比于框架带来的有限的易用性，灵活性和能够观测到底层组件的状态，对开发者来说更加重要。这就决定了flowise这样的产品多数时候适合用来做prototype。
langflow 产品经理、开发 LLm应用设计想法验证 langflow虽然与flowise类似，整合了多种框架，但其逻辑是“组件化”，也就是说，用户可以灵活地组件化地使用不同框架封装的逻辑节点，而非需要了解并遵从某一框架。此外，用户还可以自行定义组件。这样的产品逻辑就比较适合在创新组织内部使用，用来快速验证想法，也可以另外进行优化，使得搭建结果可以直接应用于生产环境。
百度文心智能体平台 业务简单的企业 单Agent设计 相比于同样闭源的coze以及前面一众开源Agent设计平台，百度的智能体平台提供的能力着实少得可怜，只有基础的知识检索、逻辑分流和搜索插件，这些能力对应业务简单的场景可能是够用的。
阿里AgentScope 开发 LLM应用设计想法验证 国内开源的多智能体设计平台并不多，而阿里的agentscope在设计逻辑上更偏代码逻辑（例如全局模型config，或是flow图），而阿里的Agent设计框架也在同步开源，可以使用它来验证想法。

思考

流程编排本质上是图和模块化代码的应用，其目的是为了按照一定预设的逻辑对数据进行加工和转换。至于图本身是否需要支持复杂循环、并联，则是基于业务场景和技术积累进行选择的。
同时作为产品经理和一般用户的我，对流程编排模块关注的问题是相似的：它能够应用于哪些使用场景？这些场景下，它支撑得如何？
我们可以灵活地看待流程使用方式，它可以孤立存在和执行，例如传统的实时或离线定时任务；也可以被用户直接使用，像是手机里的shortcut；也可以被agent使用，等等。如果使用场景丰富而多变，设计流程编排功能时，我们在设计时就需要足够聚焦，也即关注流程本身——它的输入、输出、加工节点和过程控制：

  • 输入：初始状态下，流程可以或者需要怎样的输入内容。开始节点需要能够对不同类型的输入有有效的解析和处理。
  • 输出：输出时，流程可以或必须输出怎样的内容，这里包括信息内容和信息格式。结束节点需要能够面向后序应用地进行输出。
  • 加工节点：接收输入之后，进行输出之前，需要对数据进行的解析、转换、计算等操作，都在加工节点内进行，包括LLM在内的所有数据处理方法，都可以模块化为加工节点。
  • 过程控制：这里的过程控制，主要指的是条件分支、循环执行和异常处理。

而在以上四点之外，进行对整个流程状态的监控，监控内容应当包括各个节点的输入、输出、状态，整体的输入、输出、状态，以及消耗。
产品化的流程编排，就是对这五个方面进行定向优化：

  • 注重易用性，则可以针对一些常用场景定义专门的加工或解析节点，就像coze、dify中的http请求节点、jsonfy节点等
  • 注重高并发，则可以允许节点间并联，并针对并联场景进行底层优化
  • 注重灵活性，则可以不对节点进行过度封装

相关链接

https://top.aibase.com/tool/scade-pro
https://www.mlblocks.com/