为什么需要编排 AI 工作流?

构建 AI 应用需要串联提示词、工具、API 和逻辑。工作流编排平台使这一过程可视化且可维护。

Dify

  • 类型:开源,提供云选项。
  • 优势:功能全面——RAG、Agent、工作流、提示词管理。
  • 适合:需要一体化平台的团队。
  • 价格:自托管免费;云端 Sandbox 档同样免费,付费的 Professional 档为 $59/月(dify.ai/pricing,2026-11-10 核对)。

LangFlow

  • 类型:开源,Python 基础。
  • 优势:LangChain 管道的可视化构建器。
  • 适合:已经在用 LangChain 的开发者。
  • 价格:自托管免费。

Flowise

  • 类型:开源,Node.js 基础。
  • 优势:拖拽式 LLM 流程构建器。
  • 适合:仅限既有项目——该项目正在关停。
  • 价格:自托管免费。

Flowise 已不适合作为新项目的默认选择。官方于 2026-07-29 宣布关停并同日冻结功能开发,2026-08-10 将 GitHub 仓库归档,2026-08-31 结束官方支持。GitHub API 于 2026-11-10 显示仓库为归档状态,最后一次推送为 2026-08-13。Apache 2.0 代码仍可 fork,现有部署能继续运行,但上游不再有人修复问题。新项目请选 Dify 或 n8n。

n8n + AI 节点

  • 类型:开源工作流自动化。
  • 优势:将 AI 连接到 2,000+ 集成。
  • 适合:带 AI 步骤的业务自动化。
  • 价格:在 Sustainable Use License 下自托管免费;云端 €24/月起,按年付则为 €20/月(n8n 定价页,2026-11-10 核对)。

对比

功能DifyLangFlowFlowisen8n
可视化编辑器✓✓✓✓
内置 RAG✓✓✓✗
Agent 支持✓✓✓✓
API 部署✓✓✓✓
可自托管✓✓✓✓

何时用代码替代

  • 难以用可视化表达的复杂业务逻辑。
  • 性能关键路径。
  • 自定义模型训练或微调管道。

选择平台

选择取决于团队规模、技术深度和部署需求。Dify 适合需要可视化构建器加内置 RAG 和 Agent 能力的团队。n8n 擅长连接多种服务(2,000+ 集成;2026-11-10 其集成目录列出 2,651 个)。LangFlow 适合需要精细控制 LLM 链的 ML 工程师。企业需求方面,请考察自托管的 Dify 或 n8n,而不是已于 2026-08-31 结束官方支持的 Flowise。

关键决策因素

  • 自托管 vs 云:Dify 和 n8n 都可通过 Docker 自托管。Flowise 也能,但它已归档,等于自己维护一个 fork。LangSmith Cloud 仅托管。
  • 可视化 vs 代码:Dify 和 n8n 可视化优先。LangFlow 桥接可视化和代码。纯代码用 LangChain 或 LlamaIndex。
  • 社区和支持:n8n 社区最大(2026-11-10 为 21 万 GitHub star)。Dify 近年增长更快(同日为 16.1 万 star)。所有主要平台都有企业支持。

每个编排平台都必须回答的问题

编排平台的核心其实不是把节点连在画布上,而是决定第四步失败时怎么办。任何正经平台都要回答三个问题:一次运行能否从失败的那一步续跑而不是从头再来;同一个失败项重试时,会不会把已成功步骤的副作用再做一遍;运维能否看清到底是哪个输入导致了失败。三个问题都答不上的平台,只是穿了企业外衣的演示工具。

幂等性是第二个问题的技术核心。如果某一步扣款或发邮件,重试就绝不能再扣一次、再发一次。这意味着每一步都需要一个由运行与条目推导出的稳定键,并且下游系统必须认这个键。选那种把键显式暴露出来的平台,而不是把重试藏在一个勾选框后面的。

什么时候脚本胜过平台

当你同时需要调度、重试、可观测性和非工程师可编辑时,平台才配得上它的复杂度。只缺其中两样的话,一个 cron 任务加一个日志到位的脚本,持有成本更低、调试更容易、删起来也轻松得多。过早引入平台的失败模式是:你的工程注意力全花在平台的抽象上,而不是真正产生价值的业务逻辑上。先从脚本开始,等上面那些运维问题开始让你付出真实事故时,再换成平台。

人该站在哪里

每个自动化流程最终都需要一个人工检查点,可能是审批,也可能是对含糊数据做判断。把人这一步设计成一等的节点,配自己的超时和升级路径,而不是写成一句「请某人去看日志」的注释。