应用类型
Coze
智能体：适用于快速搭建对话式智能体
应用：适用于搭建包含用户界面的完整应用（有前端的工作流 ）

（其工作流和会话流为资源，不作为用户直接交互应用）
Dify
工作流：面向单轮自动化任务的编排工作流（可作为工具节点）
Chatflow：支持记忆的复杂多轮对话工作流

Bisheng
工作流：通过简单的节点编排任务流程，支持并行和成环，支持工作流执行过程中复杂人机交互
助手：通过描述角色和任务来零代码创建应用助手可以调用多个技能和工具
技能：通过丰富的组件搭建应用，提供更多参数以供效果调优。（更偏向底层的工作流搭建方式，该功能会逐步被工作流完全取代）
工作流对比

在这里插入图片描述

# 学习
Logo
智能体开发者社区

中国智能体开发者社区，聚焦智能体与大模型开发，提供前沿资讯、实用工具链、开源项目及行业案例。通过技术沙龙、开发者大赛等活动，促进经验交流与协作，助力开发者快速构建创新智能应用。

更多推荐

MCP协议开发实战：从零搭建AI Agent工具链

创建静态资源（如项目 README 文件）。创建动态资源（如实时系统状态）。在 Client 中请求并利用资源上下文。回顾 MCP 协议如何降低 AI Agent 开发门槛。当前生态的局限与未来的演进方向。鼓励读者基于此大纲进行实践，并参与开源贡献。

avatar 智能体开发者社区

AI Agent可观测性：破解多步推理黑盒

随着AI Agent在复杂任务中承担越来越多的决策角色，其内部的多步推理过程往往如同一个“黑盒”，难以理解、调试和信任。本文旨在探讨AI Agent可观测性（Observability）的核心概念、技术挑战与实践方案，为开发者提供一套系统的方法论和工具链，以“照亮”Agent的推理黑盒，实现对其行为、决策逻辑与内部状态的全面洞察。构建AI Agent的可观测性体系不再是“锦上添花”，而是保障其在大

avatar 智能体开发者社区

MCP协议开发实战：从零搭建AI Agent工具链

回顾：我们从协议概念到动手搭建了一个可用的MCP工具链。MCP的生态现状：官方与社区提供的Server示例（GitHub, Jira, Notion等）。未来方向：更复杂的工具编排、多模型协作、可视化工具开发平台。鼓励动手：鼓励读者基于此框架，开发解决自己实际问题的工具。

avatar 智能体开发者社区