6.2 Comparison of Workflow Engine Platforms
本小节主要介绍如何常见的几种工作流引擎平台的差异化以及现在存在的内容。
Last updated
本小节主要介绍如何常见的几种工作流引擎平台的差异化以及现在存在的内容。
Last updated
目前可以支持的在大模型下的工作流的平台有很多，例如coze对应的是dify和百度的appbuilder，以及streamlit和chainlit则比较独立，是一个类型的代表。但是整体上来说，总而言之，他们总体是一大类，都是把LLM和数据可视化以及工作流可视化结合在一起，但是具体实现方式不同。
dify作为国际平台，以其广泛的模型支持赢得了众多用户的青睐。无论你是需要自然语言处理、图像识别还是其他AI功能，dify都能提供相应的模型。其订阅费用为每月59美元，对于追求高定制化需求的用户来说，这可能是理想的选择。
百度App Builder专注于国内市场，仅支持百度自家的AI大模型。尽管模型选择相对有限，但其与百度搜索的深度整合，为应用带来了额外的价值。更重要的是，百度App Builder采取按需付费模式，根据模型调用次数计费，为预算有限的开发者提供了灵活性。专业的组件有很多，跟baidu 的战略的投入有很大的关系，要做这个投入还是很大的。
Coze在国内市场中以其实惠的价格脱颖而出。虽然它支持的模型数量不如dify丰富，但包括豆包在内的几个核心模型足以满足大部分开发需求。与百度App Builder类似，coze同样采取按模型调用次数收费的模式，为初学者和小规模项目提供了友好入口。
Coze是一个面向大众的下一代AI应用程序和聊天机器人开发平台。它允许用户无需编程经验即可轻松创建各种聊天机器人、智能体、AI应用和插件，并将其部署在社交平台和即时聊天应用程序中。Coze的特点是可以快速创建和部署AI聊天机器人应用程序。Coze平台集成了丰富的插件工具，可以极大地拓展Bot的能力边界。内置插件包括资讯阅读、旅游出行、效率办公、图片理解等API及多模态模型。用户可以直接将这些插件添加到Bot中，丰富Bot能力。此外，平台还支持创建自定义插件，用户可以将已有的API能力通过参数配置的方式快速创建一个插件让Bot调用。Coze构建的机器人可以轻松部署到多个平台，如微信等社交媒体平台，以及企业内部的应用程序。这样一来，用户不仅可以将机器人应用于不同的场景，还能够更好地触达目标用户群体，提高了系统的灵活性和适用性
Streamlit是一个开源的Python库，用于快速构建机器学习应用的用户界面。它提供了一个简单的方式来创建交互式Web应用程序，无需编写大量的代码。Streamlit的特点是可以与多种机器学习库和框架集成，并且具有丰富的可视化组件，可以帮助开发者更好地展示和验证模型效果它简化了Web应用程序的开发流程，允许开发者将更多的精力放在数据和业务逻辑上，而不是UI代码上。这大大减少了样板代码的使用，使得创建数据驱动的应用变得前所未有的简单。Streamlit支持多种输入控件和数据可视化工具，让用户能够与数据和模型进行实时互动。这种高度交互性的特点使得它非常适合用于开发交互式的数据可视化应用。我认为，它跟其他几个最大的区别是，它既适用各种LLM应用的开发，同时也适用于科学计算和各种机器学习的框架，包括Tensorflow和Pytorch、Scikit-learn等，并且可以与各种可视化库无缝集成。同时，Streamlit的学习曲线相对较平缓，无需要任何前端开发经验，只需对Python有基本的了解，就能够快速上手并构建数据应用程序。
Chainlit是一个开源Python包，它的主要目标是彻底改变构建和共享语言模型（LM）应用程序的方式。它可以与现有的代码库无缝集成，或者在几分钟内从头开始构建LLM应用程序。这使得它非常适合快速原型设计和迭代开发。它能够可视化模型的中间步骤和思维过程，让你深入了解它如何获得特定的生成输出。这使得它成为理解和调试语言模型决策处理的强大工具。Chainlit提供了简单易用的API和丰富的可视化组件，使得用户可以用少量代码快速构建交互式应用程序。这不仅提高了开发效率，还帮助机器学习工程师和数据科学家更好地展示他们的工作成果。
dify和coze都是基于LLM做的功能深度定制，所以开发效率很高，如果想要做一些功能定制，则他们更适合，而streamlit和chainlit则开发效率相对较低，但他们比较灵活，可以用于各种场景，开发相对复杂的功能。
dify和coze都是自带功能比较全面的，其中含有的插件丰富，尤其是coze，包含了资讯阅读、旅游出行、效率办公、图片理解等API及多模态模型，可以大大拓展Bot的能力边界。相对于coze，dify还支持本地部署，这也是dify的一个独特优势。而streamlit和chainlit则是需要自行使用Langchain等框架开发其中的工具和插件，所以是自带功能相对有限，但是灵活度非常的高，适合做定制化的应用开发。
streamlit和chainlit都是基于Python开发的，所以开发成本相对较高，需要熟练掌握Python，并且需要熟练掌握相关框架和库的使用。而dify和coze则不需要掌握Python，只需要掌握相关API的使用即可，而且可以快速上手，而且可以快速部署到各种平台。
dify和coze都是可以快速部署到各种平台，包括社交媒体平台和即时聊天应用程序。而streamlit和chainlit则需要自行部署到各种平台，所以部署成本相对较高。
dify和coze的学习曲线相对较平缓，无需要任何前端开发经验，只需对Python有基本的了解，就能够快速上手并构建数据应用程序。而streamlit和chainlit的学习曲线相对较陡，需要掌握一些前端开发知识，才能快速上手并构建数据应用程序。
dify和coze都是社区支持比较好的，因为他们都是基于LLM做的功能深度定制，所以社区支持相对较好。而streamlit和chainlit则社区支持相对较差，因为他们都是基于Python做的功能深度定制，所以社区支持相对较差。
先丢个结论：扣子用起来更顺手，dify功能更强。
Dify与Coze的业务几乎一样，差别就体现在，Dify为开源的，你要用，你就要提供大模型的key，也就是自己得花钱。好处就是，Dify为每一个你自己创建的智能体，提供了非常友好的代码嵌入方式，可以直接嵌入到你自己的网页应用中。代码都写好了，直接复制就行了。
coze（扣子）更易上手，dify功能更全面。想深入体验工作流，选dify。想轻松把工作流嵌入其他平台，扣子正合适。下面我从插件、功能、发布三个角度，聊下感受：
扣子领先一步，让我们分别看看扣子的插件商店和dify的工具。
扣子的插件商店真是活跃得很，各种你能想到的功能，插件一应俱全，这背后肯定有专业团队在运作。换句话说，这插件社区就是硬实力的象征！
dify团队可能没那么多精力放这上面。想打造像dify那样的平台的朋友们，注意了：功能可以逐步完善，但建立起一个活跃的创作者社区，那才是你的金钟罩、铁布衫！
工作流的精髓在于节点，dify在这方面做得真是舒服，扣子虽然也不差，但相比之下就显得有点儿力不从心。大部分节点功能其实都差不多，就是换个说法而已。但dify有两个超棒的节点——【问题分类器】和【迭代】。尤其是这个【问题分类器】，做的非常好，这个分类器用AI来判断输入内容该走哪条分支，处理复杂任务的神器，想让工作流更智能，它绝对是必备。你还可以写提示词来加强分类效果。比如客服场景，是真的咨询还是来发泄情绪，dify的分类器轻松搞定，设置两个分支就完事。
而扣子要实现这个功能，要么依赖llm节点的AI分类（准确度不太理想），要么用知识库输出变量来判断，感觉总是不够聪明。
关于发布这块，扣子再次领先！接入dify工作流到其他平台，需要一定的开发技能。对比两个平台，可以看出它们的定位：dify更倾向于服务专业用户，团队可能更专注于B端市场；扣子则更贴近大众，用户社区也已经颇具规模！
其它层面的总结：在使用两个平台的时候，如果要使用自定义的文档，如果使用数据库的话，coze平台数据库是有限制的，Coze提供的6000个token，远远不够。这是Coze的第一个缺点，知识库的token太少。如果要处理长文本的话，就需要接入支持长文本的大模型，但是因为coze 肯定是会推荐自己家的模型，如果提供了自定义模型，则吸引流量的目的无法达到，所以这就是coze运营的矛盾的地方。不过还好，Coze海外版 coze.com 可以调用 GPT-4o,claude-3.5-sonnet 等高级模型。最后一个缺点就是在用Coze创建工作流时候发现的，节点太少了，并且每个节点都太大了影响美观，影响操作。
