AGI 未来之门

主题

四大平台横评与选型：n8n / Dify / Coze / LangGraph ​

上一节《工作流自动化导览》给了四个平台的一句话定位。这篇把话说透：它们到底差在哪、商用时谁会踩雷、你该选哪一个。结论先行：没有"最好"的平台，只有"最匹配你场景与团队"的平台——选错的主要代价不是学费，而是把时间花在和工具较劲上。

本文按六个维度完整横评，并给出两张决策表。许可协议是 2026 年最容易踩坑的点，单独重点展开。

1. 核心定位对比 ​

先一句话锁定每个平台的"主场"：

平台一句话定位本质最适合
n8n开发者的 Zapier通用工作流编排器（近年补 AI 能力）跨系统自动化 + 轻量 AI
Dify一站式 LLMOps + Agentic WorkflowAI 应用构建平台企业级 AI 应用快速落地
Coze Studio字节开源 Agent 开发平台对话 Bot 工厂（可视化最完整）快速发布 Bot、字节生态
LangGraph有状态多 Agent 编排框架代码级 Agent 框架复杂长程多 Agent 系统

关键区分：n8n 是"把各种软件连起来"，Dify/Coze 是"把 AI 应用做出来"，LangGraph 是"把 Agent 的逻辑写进代码"。 前两者偏"连系统"，后两者偏"造智能"。

2. 架构设计维度 ​

2.1 n8n：节点-连线执行图 ​

n8n 的核心是"节点（Node）+ 连线（Connection）"的有向图。每个节点是一个动作（HTTP、读取文件、调用 AI），数据以 JSON 在节点间流动。它本质是确定性流程引擎，AI 只是其中一个可选节点（2026 新增的 AI Agent Tool Node 让它能跑多 Agent 协同）。

text
[Schedule] → [HTTP Request] → [AI Agent Node] → [IF 分支] → [Send Email]

适合"数据从 A 搬到 B，中间加工一下"的刚需；不适合"需要复杂上下文记忆的长程对话"。

2.2 Dify：LLMOps 应用栈 ​

Dify 把"提示词编排、RAG 管道、模型路由、Agent、评测"打包成一个应用。它的工作流是面向 LLM 的编排，原生支持知识库检索、混合检索、重排序、父文档检索。已支持 MCP（支持范围与接入方式以 Dify 官方文档为准）。

text
[用户输入] → [知识库检索(RAG)] → [LLM+工具(MCP)] → [Supervisor 多 Agent] → [输出/发布]

适合"做一个能查资料、能调用工具的 AI 应用"；它替你管好了 RAG 和评测，省去大量工程。

2.3 Coze Studio：可视化 Bot 闭环 ​

Coze 把"设计→调试→一键发布"做成最顺滑的可视化闭环，深度绑定豆包/字节生态（火山引擎、飞书等）。非字节系集成相对弱。核心部分闭源，开源范围有限，但"做 Bot 并发到多个渠道"的体验最佳。

2.4 LangGraph：代码级状态机 ​

LangGraph 用 Python 把流程写成一张有状态的状态机图：节点是函数，边是转移条件，状态（State）在节点间传递。配套 LangGraph Studio 可视化调试、LangServe 部署。它不替你做 RAG/评测，但给你最底层的控制权。

python
from langgraph.graph import StateGraph

def build_agent():
    g = StateGraph(AgentState)
    g.add_node("think", llm_step)
    g.add_node("act", tool_step)
    g.add_edge("think", "act")
    g.add_conditional_edges("act", should_continue)
    return g.compile()

适合"长程对话、复杂多 Agent、要嵌进自己系统"；不适合"只想快速发个 Bot"。

3. 许可协议维度（重点：商用限制） ​

这是 2026 年最容易被忽略、也最容易出事的维度。"源码开放" ≠ "可免费商用"，更 ≠ "可拿来做收费 SaaS"。 下表逐条列出商用边界。

平台许可证内部自用对外提供收费 SaaS可否移除版权/Logo风险点
n8nSustainable Use License（fair-code）免费需商业授权（SaaS 向第三方收费时）不可把 n8n 包装成"你的自动化产品"售卖可能违约
Dify修改版 Apache 2.0免费多租户 SaaS 需商业授权不可移除版权标识多租户隔离没买授权前别上线
Coze Studio部分开源（核心闭源）视开源部分受限，核心能力依赖字节云服务受闭源部分约束深度定制被闭源范围卡住
LangGraphMIT免费免费可几乎无商用限制，最宽松

3.1 怎么判断"我会不会踩雷" ​

问自己三个问题：

  1. 我用它，还是卖它？ 自己公司内部提效，四家基本都自由；把它包装成产品卖给别人，n8n/Dify 要授权。
  2. 是单租户还是多租户？ 只服务你一家 = 单租户，多自由；一个系统服务很多客户 = 多租户，Dify 明文要求授权。
  3. 依赖的是开源部分还是闭源/云服务？ Coze 的核心能力在字节云，脱离它能力打折。

安全做法：上线收费产品前，先读官网 LICENSE 与商用 FAQ，必要时买商业授权或选 LangGraph（MIT）。合规细节另见《AI 使用安全清单》。

4. 插件生态维度 ​

平台集成数量/方式MCP 支持扩展难度
n8n500+ 预置节点，社区节点丰富支持（可接 MCP Server）低（图形加节点）
Dify内置工具 + 插件市场，支持 MCP 接入外部 Server原生支持低
Coze Studio插件商店，字节系齐全支持但偏字节生态低
LangGraph任意 Python 包，无"节点市场"概念通过 SDK 接入高（自己写）

规律：越可视化的平台，预置集成越多、开箱即用；越代码级的平台，自由度越高、但一切要自己接。 如果你要"连一个冷门内部系统"，n8n 的 HTTP 节点或 LangGraph 的自定义函数都能兜底。

5. 可视化体验维度 ​

平台画布体验调试学习曲线
n8n拖拽流畅，节点可单步执行强（逐节点看输入输出）中
Dify工作流+Prompt IDE 双视图中（应用级日志）中低
Coze Studio最完整闭环，设计→调试→发布一体强（对话即时预览）低
LangGraphLangGraph Studio 可视化，但本质是代码中（需跑代码/Studio）高

非技术团队首选 Coze/Dify；想精细控制数据流向、又不想写代码，选 n8n；只有当你需要"代码级状态机"时才上 LangGraph。

6. 社区与融资维度 ​

平台GitHub Stars（2026）融资/背景社区活跃度
n8n约 48k+独立公司，fair-code 模式高，节点社区活跃
Dify约 35k~50k2026 完成 3000 万美元融资高，中文社区强
Coze Studio开源时间较短字节跳动，生态背书强中（核心闭源）
LangGraphLangChain 生态数百万级下载LangChain 公司，融资充足极高（开发者向）

选型时把"社区"当保险：社区越大，你踩的坑别人大概率已经踩过并写了解法。Dify 的中文社区对国内用户尤其友好。

7. 部署难度维度 ​

平台部署方式难度备注
n8nDocker / n8n Cloud / 自托管低~中一条 docker 命令起
DifyDocker Compose（依赖较多）中需配数据库、向量库等
Coze Studio字节云优先，自托管链路较新中深度体验依赖云服务
LangGraphpip 安装 + 自己的服务中（需工程能力）无"一键部署"概念

n8n 的轻量部署对个人最友好；Dify 功能全但组件多，第一次部署建议照官方 docker-compose；LangGraph 没有"部署"一说，它是一段跑在你服务里的代码。

bash
# n8n 最小启动（Docker）
docker run -it --rm -p 5678:5678 n8nio/n8n

# Dify 启动（需先 git clone 再 compose up）
cd dify/docker && docker compose up -d

8. 按场景选型（决策表一） ​

你的场景首选理由不适用边界
跨系统搬数据 + 加点 AIn8n节点多、自托管自由要重型 RAG 时不如 Dify
企业级 AI 应用快速落地DifyRAG/评测/多 Agent 开箱即用多租户 SaaS 需授权
长程对话、复杂多 AgentLangGraph状态机控制力最强不想写代码者勿入
快速发 Bot、字节生态Coze Studio可视化闭环最完整非字节系集成弱
非技术团队从零起步Coze / Dify模板多、上手快深度定制受限

9. 按团队能力选型（决策表二） ​

团队画像首选次选不建议
零基础/业务同学Coze StudioDifyLangGraph
懂点逻辑、想认真做产品n8nDify——
有后端工程师LangGraphn8n纯模板平台（天花板低）
要对外卖 AI SaaSDify（买授权）或 LangGraph（MIT）n8n（买授权）Coze（闭源约束）

10. 每个平台的"适用 vs 不适用"边界清单 ​

10.1 n8n ​

适用：定时抓数、跨系统同步、Webhook 触发、轻量 AI 加工、自托管隐私要求高。 不适用：重型知识库问答、复杂多 Agent 协作、需要内置评测管线的 AI 产品。

10.2 Dify ​

适用：带 RAG 的客服/问答、Supervisor 多 Agent、需要评测与监控的 AI 应用、快速给业务方交付。 不适用：纯数据搬运（用 n8n 更轻）、需要脱离 LLMOps 做极致底层控制的场景。

10.3 Coze Studio ​

适用：对话 Bot、内容生成、发布到飞书/抖音等字节渠道、非技术团队做原型。 不适用：强数据主权/自托管、非字节生态的深度集成、需要 MIT 级自由商用。

10.4 LangGraph ​

适用：长程 Agent、可恢复的状态机、嵌进自有后端的智能、研究者/工程师深度定制。 不适用：只想快速发 Bot、团队无 Python 工程能力、要开箱即用的 RAG。

11. 选型速查清单 ​

照着勾，30 秒定平台：

  • [ ] 团队有没有会写 Python 的人？有 → 考虑 LangGraph；没有 → 跳过它。
  • [ ] 主要做的是"连系统"还是"造 AI 应用"？连系统 → n8n；造应用 → Dify/Coze。
  • [ ] 要不要卖成收费 SaaS？要 → 优先 LangGraph（MIT）或买 Dify/n8n 授权。
  • [ ] 是不是字节生态重度用户？是 → Coze 体验最佳。
  • [ ] 要不要数据完全自托管？要 → n8n / 自部署 Dify。

12. 下一步 ​

13. 组合拳：它们经常一起用 ​

现实项目很少"只用一个平台"。下面是 2026 年常见的组合：

组合分工典型场景
Coze + n8nCoze 做对话 Bot，n8n 做调度与数据同步客服 Bot 的工单每天汇总进表格
Dify + n8nDify 做 RAG 问答应用，n8n 触发与分发每日把新知识库更新推送给团队
LangGraph + n8nLangGraph 写复杂 Agent，n8n 用 HTTP 节点调用后台长程 Agent 被业务系统定时唤起
任意平台 + MCP通过 MCP 统一接工具见《MCP 实战指南》

原则：让每个平台做它最擅长的事，用 HTTP/MCP 当"胶水"把它们粘起来，而不是硬让一个平台包揽一切。

14. 成本与隐性开销 ​

许可证只是明面成本，真正烧钱的是这三块：

开销项说明谁更明显
模型调用费每个 AI 节点都按 token 计费，流程跑得多就贵Dify/Coze/LangGraph 的 AI 密集流
部署与运维自托管要服务器、备份、升级n8n/Dify 自部署
人力越代码级越费工程师时间LangGraph

省钱要点：能用确定性节点（公式、查表）就别用 AI 节点；给流程设"去重/限流"，避免重复跑；低频任务用定时而非常驻。更多见《效率与省钱技巧》。

15. 常见选型错误 ​

  1. "LangGraph 最火所以选它"：火不等于适合你。零基础上 LangGraph 大概率卡在环境，应先 Coze/Dify。
  2. "Dify 全能所以全用它"：纯数据搬运用 Dify 重且慢，n8n 一条线更轻。
  3. "Coze 免费就全用 Coze"：核心闭源，业务依赖它等于依赖字节云，迁出成本高。
  4. "忽略许可就上线收费 SaaS"：这是法律风险，不是技术问题，见第 3 节。
  5. "先搭最复杂的"：第一个流程越简单越容易跑通，复杂度随信心递增。

16. 术语对照 ​

术语一句话解释
fair-coden8n 的许可证类型，内部自用免费、作为托管 SaaS 收费需授权
RAG检索增强生成，先查资料再让 AI 基于资料回答
多租户一个系统同时服务多个相互隔离的客户
Supervisor 多 AgentDify 的一种模式：一个"主管"Agent 调度多个"员工"Agent
状态机有明确状态与转移规则的程序模型，LangGraph 的核心
MCP模型上下文协议，统一接 AI 工具的标准，见《MCP 实战指南》

选平台只是开始，让一个真实流程先跑起来比选完美工具重要。下一篇，我们用 n8n/Dify 搭一个每天自动运转的情报工作流。

先找工作，再找工具。

AGI 未来之门