功能点

详细说明

代表产品

自然语言描述创建

用户用自然语言描述需求（"我需要一个帮我对账的助手"），平台自动理解意图、拆解任务、生成Agent骨架

悟帆AI（对话式搭建+生成式问卷追问）、Coze（自然语言建Bot）

角色/目标/人格设定

定义Agent的身份（"你是一个纺织采购专家"）、核心目标（"协助完成面料采购需求预测"）、回复风格

Dify、Coze、所有主流平台标配

System Prompt 模板

预置行业/场景模板库，一键套用，支持自定义修改

Dify 的 Prompt 编排器、Copilot Studio 的 Topic 管理

生成式问卷追问

搭建过程中AI主动追问细节，帮助非专业用户逐步完善Agent定义

悟帆AI 的特色能力

功能点

详细说明

多模型网关

同时接入 OpenAI、Claude、DeepSeek、通义千问、文心一言、智谱等，以及本地 Ollama 私有化部署方案

多模态模型支持

接入视觉模型（GPT-4V、Claude Vision）支撑图像理解，语音模型支撑语音交互

模型参数调优

温度(Temperature)、Top-P、最大Token、上下文轮数可配置，不同场景（创意/严谨）需要不同参数

智能路由

根据任务类型自动选择最优模型——简单问答走便宜模型，复杂推理走大模型

Fallback 降级

主模型不可用时自动切换到备选模型，保证可用性

公共/功能模型分类

对话模型、嵌入(Embedding)模型、重排(Rerank)模型分开配置——Dify、JNPF V7.0 的典型设计

功能点

详细说明

多格式文档解析

支持 PDF、Word、Markdown、网页、图片、CSV 等多格式导入和自动解析

语义分段

提供普通分段、语义分段、AI智能分段三种切分方案，提升检索精度

向量存储与检索

内置向量数据库，支持向量检索、全文检索、混合检索（Hybrid Search）、RRF 融合排序

自动更新

文档更新后自动重新分段和向量化，无需手动维护

知识图谱

部分高端平台支持构建行业知识图谱，实现更深层的语义关联（如纺织行业的面料-成分-工艺关系网）

QA索引自动生成

AI自动为知识分段生成Title和QA对，提升检索召回率

功能点

详细说明

复杂度

拖拽式画布

节点拖拽 + 连线，可视化构建Agent执行流程

标配

条件分支

if/else 逻辑，根据AI输出走不同路径（审核通过/不通过）

标配

循环节点

Loop 循环，批量处理数据（逐条审核100条采购单）

进阶

子流程/子图

将复杂流程拆分为可复用的子流程模块

进阶

LLM 节点

在工作流中嵌入大模型调用节点，AI推理成为流程的一环

标配

代码节点

嵌入 Python/JavaScript 代码片段处理复杂逻辑

n8n、Dify、Flowise

HTTP/API 节点

直接调用外部API，获取实时数据或触发外部系统操作

标配

数据库节点

直接读写数据库，支撑 Text2SQL 等场景

进阶

定时触发

Cron 表达式定时执行，支撑日报生成、定期巡检等场景

标配

Webhook/事件触发

外部事件驱动（收到邮件、新增订单）自动触发Agent

标配

并行与并发

多个分支同时执行，提升批处理效率

高阶

功能点

详细说明

Function Calling

让LLM能调用外部函数——查询库存、生成采购单、发送消息，这是Agent最基础的"动作"能力

MCP 协议

Model Context Protocol，标准化工具接入协议。Agent可通过MCP接入数据库、图表、网页抓取等第三方服务

插件市场

预置插件生态：Coze 有丰富的插件商店（飞书、微信、搜索等）；Dify 支持自定义工具注册

自定义工具/API

开发者自定义API并注册为Agent可用的工具，支持 OpenAPI/Swagger 规范导入

代码执行沙箱

安全沙箱内运行 Python/JS 代码，支撑需要复杂计算或数据处理的场景

RPA 融合

部分平台（金智维 Ki-AgentS、实在Agent）支持 Agent 调用 RPA 机器人，操作无 API 的老旧系统

功能点

详细说明

短期记忆

当前会话的对话历史，维持多轮交互的上下文连贯性

长期记忆

跨会话的用户偏好、历史决策、关键信息持久化存储

上下文变量

在工作流节点间传递变量（用户ID、订单号、上一步AI推理结果）

会话状态持久化

会话中断后可从断点恢复，不丢失上下文

记忆窗口管理

控制上下文窗口长度，平衡成本与效果（超过窗口的早期对话自动裁剪）

功能点

详细说明

成熟度

子 Agent 调用

主Agent将子任务委派给专业子Agent（采购Agent→补货Agent→财务Agent）

较成熟

并行调度

多个Agent同时处理不同子任务，结果汇总

Copilot Studio、悟帆AI

圆桌讨论/多视角辩论

多个Agent围绕同一议题从不同视角（技术/商业/风险）辩论，交叉验证结论

前沿（悟帆AI 独有）

Agent间消息传递

Agent之间结构化的消息通信协议

发展中

Agent编排画布

可视化编排多个Agent的协作流程、依赖关系、消息路由

Copilot Studio 的 Child Agent 模式

多Agent治理

权限隔离、调用审计、Agent生命周期管理

早期

功能点

详细说明

人工审批节点

在自动流程中嵌入人工审批——AI建议采购100匹面料 → 主管确认 → 执行

异常升级

Agent遇到无法处理的异常自动升级给人工处理，而非静默失败

人工兜底

AI置信度低于阈值时转入工处理（"我对此不太确定，已转交您的主管审核"）

敏感操作二次确认

涉及金额、权限变更等敏感操作，Agent执行前需人工确认

反馈闭环

人工修正AI决策后，结果反哺模型优化（"你上次推荐的供应商不好，换一家"）

功能点

详细说明

Prompt IDE

可视化Prompt编辑与实时预览，修改Prompt后立即看到输出变化

版本管理

Prompt的版本控制、历史回溯、差异对比

A/B 测试

同时对比两个Prompt版本的输出质量

多模型响应对比

同一个Prompt同时发给多个模型，比较响应差异——Coze Loop 的核心能力

自动化评估

批量测试用例跑评分，量化Prompt优化效果

调试器

单步执行、中间变量查看、错误定位——类似代码IDE的调试体验

功能点

详细说明

执行链路追踪 (Tracing)

全链路记录每次Agent调用的每一步——调用了哪个模型、传了什么参数、拿到了什么工具返回

节点级 I/O 调试

每个工作流节点的输入/输出可独立查看和调试

执行历史回放

回放历史执行记录，复现问题

性能监控

响应延迟、Token消耗、成功率、模型调用量等关键指标实时监控

成本追踪

按 Agent/应用/用户 维度统计 Token 消耗和费用

异常告警

成功率骤降、延迟飙升、成本异常时自动告警

日志查询

结构化日志存储与全文检索

功能点

详细说明

RBAC 权限

按角色控制Agent的创建/编辑/发布/管理权限

数据级权限

Agent 回答时严格遵守数据权限隔离——"老板可以问成本和利润，跟单员只能问进度"

审计日志

全量记录每次Agent调用：谁在什么时候问了什么，Agent做了什么决策

数据脱敏

手机号、身份证、金额等敏感信息在日志和调试界面自动脱敏

内容安全

输入/输出的敏感词过滤、合规检查

私有化部署

支持完全离线部署，数据不出域，满足等保和信创要求

模型调用限流

防止恶意或意外的高频调用导致成本失控

平台

定位

最擅长

相对弱项

Dify

AI应用全栈平台

RAG、工作流、可观测、私有化部署

多Agent协作

Coze

零代码Bot构建

多渠道发布、插件生态、上手门槛极低

私有化部署、复杂工作流

n8n

自动化+AI

跨系统集成、400+连接器、自动化编排

RAG、原生Agent能力

Flowise

LangChain可视化

开发者灵活度、原型验证、自托管

企业治理、非开发者体验

Copilot Studio

M365生态Agent

SharePoint集成、多Agent编排、企业合规

非微软生态、私有化限制

悟帆AI

AI Agent协作

多Agent圆桌讨论、对话式搭建、团队协作

太新、生态待建设

LangChain

代码级框架

极致灵活、完全可定制

无可视化、学习曲线陡

优先级

功能模块

理由

P0

模型接入管理 + Agent定义配置

没有"大脑"谈何Agent，这是底座

P0

可视化工作流编排

低代码平台的核心竞争力，把AI节点嵌入现有工作流引擎

P1

工具/插件系统 + Function Calling

Agent需要"动手"能力，否则只是聊天机器人

P1

人机协同(HITL)

企业级场景的刚需，尤其是采购审批、定价确认等

P2

RAG知识库

让Agent理解行业知识（纺织术语、面料档案）

P2

可观测与调试

生产环境必须，但可以在P0/P1稳定后再补

P3

多Agent协作

前沿能力，待基础能力成熟后再做