分类导航
发现更多优质 AI 工具
Pipedream
Pipedream 全指南重要备注：2025 年 11 月 Pipedream 已被 Workday 正式收购。平台主体服务不变，重点强化 AI Agent + 企业 ERP/HR 系统打通能力。目前全球已有超 100 万开发者活跃使用。一、平台基础介绍1. 核心定位Pipedream 是一款云端零代码/低代码 API 自动化 + AI Agent 开发集成平台。主要功能：主打跨 SaaS 应用、API、数据库的自动化工作流搭建。部署方式：无需自建服务器，不用运维基础设施。交互方式：可视化拖拽 + 支持 Python/Node.js/Go/Bash 自定义代码。核心价值：一站式打通上千款软件接口。2. 平台优势海量预制集成：支持 3000+ 主流应用连接器，拥有 10000+ 预制工具（触发器 + 动作）。兼容 Google、Slack、Notion、Shopify、AWS、Salesforce、Anthropic 等全生态。MCP 协议原生支持：Pipedream MCP 可对接 Claude 等 AI 模型，快速给 AI Agent 挂载上万第三方工具和数据源，是目前主流 AI Agent 的外接生态方案。合规安全：通过 SOC2 Type II、HIPAA、GDPR 合规认证。托管统一鉴权，敏感数据全加密存储，满足企业数据合规要求。云原生托管：平台托管队列、数据存储、私有网络，工作流云端自动运行，支持秒级部署 AI 智能体。二、五大核心功能1. 可视化工作流自动化（平台基础）触发器（Trigger）：支持定时（秒/分/时/日/周/月）、Webhook、新邮件、表单提交、GitHub 新增 Issue、新订单等事件触发工作流。执行动作（Action）：自动写入 Google Sheets、发送 Gmail 邮件、推送 Slack 消息、同步 Notion 数据、新增 CRM 客户、调用 AWS 接口等。典型场景：邮箱自动分类汇总、每日日程周报自动生成、电商上新自动发推文、商机线索入库 CRM。2. AI Agent 一键搭建（平台最新主力功能）AI Agent Builder：通过自然语言 Prompt 即可生成、调试、部署智能体，AI 自动生成对接 API 代码，几分钟上线可用。业务场景：财报电话纪要总结、每日日历 AI 摘要、新品开售监控（如耐克上新提醒）。开发场景：AI 模型运行监控、第三方 API 批量调用、文档自动解析入库。3. Pipedream Connect（开发者 SDK 集成）功能：提供一套 SDK 快速给自有 App/自研 AI 嵌入第三方应用对接能力。优势：几分钟集成任意 API，不用单独对接各平台 OAuth 鉴权，统一由 Pipedream 托管账号授权。4. MCP 服务（AI 生态专属）Pipedream MCP Server：开发者/用户可一键给大模型（如 Claude、Cursor 等）接入 3000+ 应用及 1 万工具。能力：AI 可读写表格、查数据库、操作企业 SaaS 系统。5. 自定义代码扩展灵活性：任意节点插入 Python/JS/Bash 代码。用途：灵活处理数据转换、异常捕获、定制逻辑，兼顾小白零代码与程序员深度定制。三、适用人群1. 个人/自媒体/运营（零代码小白）适合需求：新媒体自动化（上新提醒、推文批量生成）、个人日程管理、邮箱自动化、表单数据汇总。 特点：不会编程也能用，满足低频个人自动化需求。2. 产品/运维/IT 工程师（中小团队）适合需求：快速打通内部系统（如 Jira→飞书/Slack、数据库→CRM）、监控 API 异常告警、服务器日志自动汇总、低成本搭建内部自动化。3. AI 开发者/大模型调参师适合需求：给 Claude、自研 Agent 外接外部工具、数据源，快速落地联网 AI、业务型智能体（客服机器人、数据助手），MCP 刚需工具。4. 企业/中大型公司（财务、HR、销售）适合需求：跨 Workday、Salesforce、HubSpot、ERP 系统数据同步，财务账单自动归集、员工数据跨系统流转。 特点：Workday 收购后深度适配企业人事财务场景。5. SaaS 创业者适合需求：用 Connect 快速为自家产品做第三方生态对接，不用重复开发各平台授权接口，缩短产品开发周期。四、免费&付费资费方案1. Free（永久免费版｜Hobby）免费权益：每月10 万次执行事件；单工作流单次运行时长≤30 秒；不限工作流数量，基础 3000+ 连接器全免费使用；基础 AI Agent 简易搭建，免费 MCP 试用；平台托管鉴权、基础日志查看、社区技术支持。限制条件：无 SLA 保障、无企业级私有网络、不支持自定义域名、高级运行时长扩容不可用、无专属客服。适用对象：个人学习、小型测试、低频自动化需求。2. Pro 专业版（订阅付费）订阅价格：$29/月/账号（年付享 8 折优惠）。主要权益：每月1000 万执行额度；单步运行最长5 分钟；完整 AI Agent 开发，全量 MCP 商用权限；自定义私有网络，优先技术支持，详细运行报表，SLA 运行保障。适用对象：高频自动化、AI 创业、中小型商业化项目。3. Enterprise 企业版（定制报价）对接方式：对接 Workday 商务获取报价。主要权益：无限执行次数；专属集群部署，SSO 单点登录，DPA 合规协议；定制连接器开发，7×24 专属售后，私有化部署可选；Workday 生态深度打通（HR/财务系统原生联动）。适用对象：中大型集团、上市公司、强合规行业（医疗、金融，需 HIPAA/GDPR）。五、分步使用教程（新手 5 分钟上手）步骤 1：注册登录访问 pipedream.com，使用邮箱注册。支持 Google 账号快捷登录。无需绑卡，免费版直接开通。步骤 2：新建工作流（Workflow）进入创建界面：在首页点击「Create Workflow」。配置触发器（Trigger）：例：选择「New Email in Gmail」（收到新邮件触发）。完成 Gmail OAuth 授权（平台托管登录，不用手动拿 API Key）。添加动作（Action）：搜索 Google Sheets 选择「Add Row」。授权表格账号，把邮件标题、发件人自动填入表格对应单元格。添加代码逻辑（可选）：新增 Code 节点，用 JS/Python 清洗数据（例如过滤垃圾邮件）。部署生效：点击右上角 Deploy 部署，收到新邮件自动写入表格。步骤 3：AI Agent 快速创建进入首页→AI Agent Builder。输入自然语言指令（例：每天抓取 Notion 周报，汇总后发 Slack 日报）。AI 自动生成全链路工作流，一键部署即可。步骤 4：MCP 对接大模型（开发者）在终端执行：npx @pipedream/mcp。配置密钥后在 Claude/Cursor 挂载 Pipedream MCP。AI 即可调用 3000+ 外部应用。六、新手避坑清单（高频踩坑点）1. 额度相关坑（最常见）风险：免费版触发次数用完工作流直接暂停，频繁轮询浪费额度。解决方案：提前拆分高频工作流，定时任务调低频率（不要每秒轮询）。高频轮询建议改用 Webhook 触发（API 主动推送数据，替代定时拉取，节省额度）。2. 应用授权坑风险：部分第三方应用（如 Google/Notion）权限 90 天过期，批量工作流会突然中断。解决方案：企业项目用 Pro/Enterprise 托管长效 OAuth，定期在 Pipedream 凭据中心批量刷新授权。3. 运行超时坑风险：免费版单步 30 秒上限，大数据处理直接报错终止。解决方案：大任务拆分成多节点分步执行，超长任务升级 Pro（最长 5min 单步）或拆分多工作流接力。4. 数据合规&隐私坑风险：直接明文传输身份证、患者数据（医疗），违反 HIPAA/GDPR。解决方案：敏感字段在 Code 节点加密处理，企业业务选用企业版签署 DPA 协议。5. Workday 收购后续变动坑风险：企业用户混用 Workday 自研 HR 系统 + Pipedream，接口版本不兼容。解决方案：对接商务获取 Workday 原生连接器，优先使用官方预置 Workday 节点。6. MCP 使用坑风险：MCP 密钥泄露导致第三方 API 被盗刷扣费。解决方案：密钥存入 Pipedream 内置数据仓库，不在代码明文写密钥，开启 IP 白名单。7. 调试坑风险：上线前不测试直接部署，报错后反复触发消耗额度。解决方案：用 Test 按钮单次测试节点，查看事件日志，确认全流程正常再 Deploy 上线。七、实用落地案例参考运营自动化Shopify 新订单 → 自动新增 Google Sheet → 触发 Gmail 给客户发收货提醒。AI 办公每日抓取全团队 Notion 日报 → AI 汇总 → 定时推送 Slack 群。开发监控GitHub 新建 Issue → 自动创建 Linear 工单 + 钉钉推送告警。
AutoGen
Microsoft AutoGen 全指南重要提示：AutoGen 现已进入维护模式，微软新项目迭代转向 Microsoft Agent Framework。存量项目可继续使用 AutoGen，新项目建议优先考虑迁移至新版框架。一、平台介绍1. 项目基础信息开发背景：由微软研究院、宾州州立大学、华盛顿大学联合研发，2023 年 10 月首发于 GitHub。开源协议：MIT 开源协议，全球 Star 超 5.4 万。开发语言：以 Python 为主力，同时支持 .NET 双语言生态。版本现状：稳定版：v0.4 版本。维护模式：自 2025 年 10 月起停止新增功能，仅进行 BUG 维护。核心思想：拆分角色 Agent（如程序员、分析师、审核员等），AI 之间通过自主对话沟通、分工协作落地任务，支持人工随时介入干预。2. 三大核心原生 AgentAutoGen 框架的基石由以下三种核心 Agent 构成：AssistantAgent定位：思考生成大脑。核心用途：绑定大语言模型（LLM），负责写代码、分析、生成方案及逻辑推理。UserProxyAgent定位：执行端 + 人机接口。核心用途：运行 Agent 生成的代码，接收人类指令，控制终止逻辑，支持沙箱安全运行代码。GroupChatManager定位：群聊管理员。核心用途：多 Agent 群组对话调度，自动分配发言顺序、管控会话流程。二、主要功能1. 核心能力AutoGen 具备以下六大核心能力：多智能体自由协作支持单/多 Agent 组队聊天，可自定义角色分工（如产品 + 开发 + 测试 AI 协同开发）。支持串行或并行任务调度。自动代码生成 + 安全执行内置 Docker 沙箱隔离运行 Agent 输出的 Python/Shell 代码。支持自动报错、迭代修复，避免恶意代码污染本机。本地调试时可关闭沙箱直接运行代码。全品类大模型兼容原生支持 OpenAI、Azure OpenAI、Claude、通义千问、Llama3/Ollama 本地开源大模型。统一配置格式，可灵活切换模型。AutoGen Studio 无代码可视化自带 Web 拖拽 UI，无需编写 Python 代码。可视化搭建 Agent 工作流、调试对话，一键导出代码。灵活人在回路（Human-in-the-loop）ALWAYS：每次执行前必须人工确认（适用于金融/敏感业务）。TERMINATE：仅任务结束时人工确认。NEVER：全自动无人值守执行（适用于自动化流水线）。扩展生态支持工具调用（爬虫、数据库读写、文件处理）。支持会话持久化、链路日志追踪、多机分布式部署。2. 落地场景开发自动化：AI 团队自主写代码、调试、生成爬虫/数据分析脚本。数据分析：多 Agent 分工清洗数据、可视化、输出业务分析报告。企业 RPA：自动化报销、入职审批、合同审阅等跨部门流程。科研教育：AI 多智能体课题实验、编程教学、学术数据处理。复杂推理：多步骤理财测算、行业市场研判、方案拆解落地。三、适用人群AI/后端开发工程师：快速落地 Agent 应用、私有化 AI 工作流、企业内部 AI 自动化工具。算法/科研人员：进行多智能体学术实验、LLM 协作机制研究。产品/业务分析师：利用 AutoGen Studio 零代码搭建自动化业务流程。学生/AI 爱好者：低成本学习多 Agent、LLM 应用开发，本地 Ollama 跑开源模型零成本试错。中小企业数字化：低成本搭建内部自动化 AI 助理，替代重复人工工作。四、免费与付费详情1. 框架本体（永久免费）费用情况：无授权费、无软件订阅费、无商用限制。协议说明：MIT 协议，个人/企业均可免费修改、二次开发、商业化落地。资源：社区文档、开源代码全免费，仅社区技术支持，无官方付费版软件授权。2. 使用者实际自费项目（非框架收费）大模型 API 费用（最大开销）商用 API：GPT-3.5/GPT4、Claude、Azure OpenAI 按 Token 计费。多 Agent 对话 Token 消耗通常是单 Agent 的 2~5 倍。零成本方案：本地 Ollama 部署 Llama3、Qwen 等开源大模型，完全不用 API 付费。服务器/部署成本本地调试：个人电脑即可运行，零硬件开销。生产部署：云服务器 + Docker 容器，按需付费；使用 Azure 托管沙箱环境额外收取云资源费。可选增值付费Azure AI Foundry 托管服务：企业需要官方运维、专属技术支持、合规部署，按需订阅付费（非 AutoGen 强制收费）。第三方商业托管平台：部分服务商推出 AutoGen 云托管订阅（99 美元/月起），非原生官方收费，按需选择。五、分步使用指南（Python 环境，主流落地方式）1. 环境准备Python 版本：3.8~3.13，推荐 3.10。操作命令：bash# 1. 创建虚拟环境（隔离依赖，必做） conda create -n autogen_env python=3.10 conda activate autogen_env # 2. 安装 AutoGen 核心包 + OpenAI 扩展 pip install -U "autogen-agentchat" "autogen-ext[openai]" -i https://pypi.tuna.tsinghua.edu.cn/simple # 可选：安装可视化 AutoGen Studio（无代码界面） pip install autogenstudio # 启动可视化页面：终端输入 autogenstudio ui --port 8080，浏览器打开 localhost:8080 # 1. 创建虚拟环境（隔离依赖，必做） conda create -n autogen_env python=3.10 conda activate autogen_env # 2. 安装 AutoGen 核心包 + OpenAI 扩展 pip install -U "autogen-agentchat" "autogen-ext[openai]" -i https://pypi.tuna.tsinghua.edu.cn/simple # 可选：安装可视化 AutoGen Studio（无代码界面） pip install autogenstudio # 启动可视化页面：终端输入 autogenstudio ui --port 8080，浏览器打开 localhost:8080 2. 基础配置配置 LLM 密钥，避免代码明文写 Key。方式一：环境变量配置（推荐，安全性高）bash# Linux/Mac 终端 export OPENAI_API_KEY="你的 API 密钥" # Windows PowerShell $env:OPENAI_API_KEY="你的 API 密钥" # Linux/Mac 终端 export OPENAI_API_KEY="你的 API 密钥" # Windows PowerShell $env:OPENAI_API_KEY="你的 API 密钥" 方式二：代码内配置（仅本地测试）pythonimport autogen config_list = [{"model":"gpt-3.5-turbo","api_key":"sk-xxx"}] import autogen config_list = [{"model":"gpt-3.5-turbo","api_key":"sk-xxx"}] 3. 最简双 Agent 示例（AI 写代码 + 自动运行）python# 1. 配置模型 llm_config = {"config_list":config_list,"temperature":0.1} # 2. 创建程序员 Agent（负责写代码） coder = autogen.AssistantAgent( name="Python 工程师", llm_config=llm_config, system_message="编写 Python 代码，代码用```python```包裹，完成任务回复 TERMINATE 结束对话" ) # 3. 创建执行 Agent（自动运行代码） executor = autogen.UserProxyAgent( name="代码执行器", human_input_mode="NEVER", # 全自动不人工确认 max_consecutive_auto_reply=10, # 最大连续对话 10 轮防死循环 is_termination_msg=lambda x:x.get("content","").find("TERMINATE")>=0 ) # 4. 发起任务：让 AI 生成股票数据分析代码 executor.initiate_chat(coder, message="帮我写 Python 代码，生成随机数据并绘制折线图") # 1. 配置模型 llm_config = {"config_list":config_list,"temperature":0.1} # 2. 创建程序员 Agent（负责写代码） coder = autogen.AssistantAgent( name="Python 工程师", llm_config=llm_config, system_message="编写 Python 代码，代码用```python```包裹，完成任务回复 TERMINATE 结束对话" ) # 3. 创建执行 Agent（自动运行代码） executor = autogen.UserProxyAgent( name="代码执行器", human_input_mode="NEVER", # 全自动不人工确认 max_consecutive_auto_reply=10, # 最大连续对话 10 轮防死循环 is_termination_msg=lambda x:x.get("content","").find("TERMINATE")>=0 ) # 4. 发起任务：让 AI 生成股票数据分析代码 executor.initiate_chat(coder, message="帮我写 Python 代码，生成随机数据并绘制折线图") 4. 无代码使用（AutoGen Studio）安装后执行命令：autogenstudio ui --port 8080。网页端拖拽创建 Agent、填写角色提示词、填入 API Key。输入任务指令，一键运行多 Agent 协作，调试完成后导出 Python 代码。六、高频避坑点（生产与调试必看）1. 对话死循环（最常见问题）问题现象：Agent 来回重复对话、无限闲聊不结束，疯狂消耗 Token。解决方案：配置 max_consecutive_auto_reply 限制最大自动轮次（建议 ≤ 15）。必须设置 is_termination_msg 终止关键词（如 "TERMINATE"）。System Prompt 中明确任务结束标准。2. API 密钥明文泄露问题现象：代码硬编码 API Key 上传代码仓库，密钥被盗刷扣费。解决方案：统一用系统环境变量或本地 yaml 配置文件加载密钥，严禁明文写入代码。3. 代码执行安全风险问题现象：NEVER 全自动模式下 Agent 生成删文件、联网恶意代码，破坏本机。解决方案：生产环境强制 Docker 沙箱运行。金融/敏感业务改为 human_input_mode="ALWAYS" 人工确认。限制容器读写权限。4. 成本失控（Token 超支）问题现象：多 Agent 群聊对话超长，GPT4 费用暴涨。解决方案：简单任务切换廉价 gpt3.5 或本地开源模型，复杂任务用 GPT4。配置对话上下文缓存，减少重复 Token 消耗。单轮对话设置 Token 上限。5. 版本升级踩坑问题现象：v0.2 旧代码无法直接在 v0.4 新版本运行，API 大改。解决方案：新项目直接用 autogen-agentchat 新包，老项目参考官方迁移文档升级；新项目优先调研 Microsoft Agent Framework。6. 本地开源模型对接失败问题现象：Ollama 本地大模型无法接入 AutoGen。解决方案：安装 autogen-ext[ollama] 扩展，修改 config_list 适配 Ollama 本地接口地址。7. 生产环境会话丢失问题现象：服务重启后 Agent 对话记录、任务状态全部清空。解决方案：生产环境用 Redis+MySQL 持久化会话，不要只用内存存储状态。
CrewAI
CrewAI 全指南：一、平台介绍1. 基础定位CrewAI 是主打多 AI 智能体（Multi-Agent）团队协作的开源 + 企业级商用一体化平台。官网地址：https://crewai.com核心设计逻辑：把 AI 拟人化为企业员工，分工组建 AI 团队（Crew），不同角色 Agent 各司其职、协同完成全链路复杂业务自动化。区别于单一大模型单点任务处理，适合处理全链路复杂业务。市场认可度：目前63% 世界 500 强企业落地使用（如 Docusign、百事、Experian 等），覆盖销售、HR、运维、财税、客服全场景自动化。2. 产品矩阵平台主要分为两大产品线：开源 Python 框架版：GitHub 开源、MIT 协议，支持本地代码部署，适合开发者与个人使用。CrewAI Enterprise 企业云端平台：SaaS 可视化平台（地址：app.crewai.com），支持零代码 + 代码双模式，提供企业管控、集成数百款商用 SaaS 工具。二、五大核心功能（Enterprise 企业平台 + 开源框架通用）1. Discovery 引擎（自动化机会挖掘）这是平台核心入口功能，用于解决“不知道哪些业务能 AI 自动化”的痛点。功能描述：自动扫描企业现有业务系统、工单、聊天记录、工作流。基于数十亿次 Agent 运行数据匹配业务痛点，自动生成可落地的自动化清单。排序维度：按投入成本、落地收益、实现难度排序。输出结果：一键生成汇报文档，包含销售线索挖掘、简历筛选、工单自动处理等方案。用法：录入企业在用软件清单 → AI 分析 → 输出自动化方案。2. Crew Studio：可视化多 Agent 搭建支持零代码 + 代码双构建模式，实现灵活部署。无代码可视化编辑器：拖拽式创建 AI 员工（Agent）、分配任务（Task）、组建 AI 团队（Crew），自动生成可导出 Python 代码。代码优先 API：面向开发，全自定义 Agent 逻辑，支持 CLI 命令行部署。双执行流程：Sequential（顺序执行）：任务逐个流转（如：调研→分析→撰写）。Hierarchical（层级管理）：设置 AI 项目经理 Agent，自主拆分任务、分配成员、统筹全流程。内置资源：提供现成 AI 角色模板（如销售调研、简历筛选、客服分类、数据分析师）。3. 全平台工具集成（20+ 主流软件原生对接）原生打通企业主流办公/业务系统，开箱即用无需二次开发。CRM/销售类：HubSpot、DocuSign 电子签。项目协作类：Asana、ClickUp、Confluence。数据存储类：BigQuery、Box、Dropbox、Databricks。HR 人事类：BambooHR、Greenhouse 招聘系统。研发运维类：GitHub、GitLab、Datadog 监控。办公/客服套件：Google Workspace、Intercom 在线客服、Freshdesk 工单。工作机制：通过「STEP2 工具录入」收集企业软件栈，自动推荐适配自动化方案。4. Control Plane 企业管控运维（付费企业专属）全生命周期 Agent 管控面板，解决大规模 AI 集群失控问题。全链路追踪（Traces）：实时记录每一次 LLM 调用、工具调用、消耗 Token 成本，实现完整账单核算。权限与审计（RBAC+IAM）：分级成员权限、不可篡改操作审计日志，满足合规要求。人工介入（Human-in-the-loop）：关键节点强制人工审批，防止 Agent 误操作。数据脱敏：运行时自动屏蔽手机号、身份证等 PII 隐私信息。5. Optimize 智能迭代优化利用每次运行数据训练 Agent，实现越用越精准。微调模式：支持自动 + 人工双模式微调 Agent 模型。动态切换：运行中一键替换 GPT-4o、DeepSeek、Gemini、本地 Ollama 开源模型。效果评测：对接 Arize、Datadog 等评测工具，自动生成 Agent 效果报表，推荐优化方向。落地实例（客户落地数据）Docusign：AI 自动汇总多系统线索，线索首次触达效率提升75%。General Assembly：课程内容 AI 生成，课程研发时间减少90%。Piracanjuba：AI 客服替代传统 RPA，工单回复准确率95%。三、适用人群1. 个人/自由从业者（免费开源版）目标人群：自媒体、独立顾问、小创业者、AI 爱好者。应用场景：批量内容创作、竞品调研、资料整理、简历筛选，低成本搭建个人 AI 助理团队。2. 中小企业（SaaS 标准版）目标人群：销售公司、人力外包、小型服务商。应用场景：自动化线索挖掘、招聘筛简历、售后工单处理，替代大量重复性人力。3. 中大型企业/集团（Enterprise 定制版）目标人群：世界 500 强、政企、互联网大厂。应用场景：全部门流程自动化（财务对账、运维巡检、法务审合同、市场投放分析），多部门统一 Agent 管控、合规审计。4. 开发者/AI 工程师目标人群：技术团队。应用场景：基于开源框架二次开发，自研私有化多 Agent 系统，嵌入自有产品（SaaS、ERP、内部系统）。四、免费&付费价格明细（开源+云端 SaaS 双版本）（一）开源本地部署版（永久免费）费用：完全免费。GitHub 开源代码 pip install crewai 本地部署，无平台服务费。自费项：自行承担 LLM 接口费（OpenAI/DeepSeek 等）、第三方工具 API（Serper 搜索、Tavily），平台不抽成。功能限制：无可视化面板、无企业管控、无官方技术支持、无 Discovery 自动化挖掘引擎。（二）CrewAI 云端 SaaS（app.crewai.com）所有云端版本LLM 模型费用单独结算，可自选自备 API Key 或平台代付。免费试用版（Free Tier）额度：每月限定少量 Agent 运行次数、有限 LLM 调用额度。功能：基础 Crew Studio 搭建、少量工具集成。缺失：无 Discovery、无 Control Plane 管控。适用：新手体验、小体量测试。Pro 专业版（中小团队订阅）权益：全量可视化编辑器、基础 Discovery、10+ 软件集成、基础运行日志。计费：按 Agent 运行用量 + 订阅月费（官网报价按需询价，主流区间$99~$299/月）。Enterprise 企业定制版（大客户）适用：500 人+企业。权益：完整 Discovery 引擎、Control Plane 管控、全软件集成、专属客户经理、私有化部署可选、SLA 技术保障、定制化 Agent 开发。报价：按企业规模、月度 Agent 调用量定制报价（500 强主流年费数万~数十万美元）。五、分步使用指南方式 1：企业云端平台零代码（新手首选：app.crewai.com）Step1：注册账号 打开 app.crewai.com，邮箱注册，免费开通试用。Step2：Discovery 业务摸排（第一步必做）进入「Discovery New session」。勾选企业在用工具（如 HubSpot、Google Workspace 等）。填写业务痛点（如：销售线索慢/招聘筛简历耗时）。AI 自动扫描生成自动化清单，一键导入推荐自动化模板。Step3：Crew Studio 搭建 AI 团队创建 Agent（AI 员工）：填写 Role（角色）、Goal（目标）、Backstory（从业背景）、绑定工具（如谷歌搜索、HubSpot）。创建 Task（任务）：写明任务描述、预期输出格式（Markdown/JSON）、绑定对应 Agent。组建 Crew 团队：勾选多个 Agent+ 任务，选择顺序/层级执行模式。Step4：配置 LLM 与环境 在 LLM Connections 填入自有 OpenAI/DeepSeek API 密钥，环境变量统一管理密钥，避免明文泄露。Step5：启动运行&查看结果 点击 Kickoff 运行，Traces 面板查看全流程日志、Token 消耗，结果自动导出文档。Step6：优化迭代 进入 Optimize，基于历史运行数据微调 Agent 参数，持续优化输出质量。方式 2：本地开源 Python 部署（开发者）Step1：安装依赖bashpip install crewai crewai-tools python-dotenv pip install crewai crewai-tools python-dotenv Step2：配置.env 文件 在项目中创建 .env 文件存入 API 密钥。envOPENAI_API_KEY=xxx SERPER_API_KEY=xxx OPENAI_API_KEY=xxx SERPER_API_KEY=xxx Step3：编写代码逻辑 最简示例：1 研究员 +1 撰稿人双 Agent 协作。python# 定义智能体 researcher = Agent(role="行业研究员", goal="搜集 AI 行业热点", backstory="资深产业分析师", tools=[SerperDevTool()]) writer = Agent(role="专栏作者", goal="基于调研写行业文章", backstory="科技专栏撰稿人") # 定义任务 task1 = Task(description="搜集 2026AI 行业 3 大热点", expected_output="要点清单", agent=researcher) task2 = Task(description="基于调研写 1500 字行业稿", expected_output="Markdown 文稿", agent=writer) # 组建团队执行 crew = Crew(agents=[researcher, writer], tasks=[task1, task2], process=Process.SEQUENTIAL) crew.kickoff() # 定义智能体 researcher = Agent(role="行业研究员", goal="搜集 AI 行业热点", backstory="资深产业分析师", tools=[SerperDevTool()]) writer = Agent(role="专栏作者", goal="基于调研写行业文章", backstory="科技专栏撰稿人") # 定义任务 task1 = Task(description="搜集 2026AI 行业 3 大热点", expected_output="要点清单", agent=researcher) task2 = Task(description="基于调研写 1500 字行业稿", expected_output="Markdown 文稿", agent=writer) # 组建团队执行 crew = Crew(agents=[researcher, writer], tasks=[task1, task2], process=Process.SEQUENTIAL) crew.kickoff() Step4：运行程序 执行 python main.py 即可启动。六、高频避坑指南（新手 90% 踩坑汇总）1. Agent 配置类坑（输出空洞、答非所问）问题：角色描述模糊，如只写「分析师」，没限定从业年限、行业，导致输出泛泛。✅解决：Role+Backstory 写细，例如「10 年 SaaS 销售分析师，专注制造业线索挖掘，擅长从工商信息判断客户需求」。问题：Goal 目标太笼统，如「做市场分析」。✅解决：改成具体指令，例如「输出 3 条客户痛点 + 潜在成交机会，每条附带企业营收数据」。问题：Max Iter 未限制。✅解决：固定单任务最大迭代≤3 次，防止 Token 暴增。2. 工具&参数坑（调用失败、报错）问题：工具名称使用中文描述。✅解决：LLM 优先英文匹配，所有 Tool 的 name、description 全英文书写。问题：文件路径使用反斜杠 \。✅解决：系统识别异常，统一用正斜杠 /。问题：超大文本直接传入 Agent。✅解决：超长表格/全文直接喂入会触发上下文超限，只传文件路径字符串，由 Agent 调用工具读取文件。3. 协作逻辑坑（死循环、互卡）问题：审核+撰写双 Agent 无终止条件。✅解决：设置循环上限、设置妥协规则（3 轮未达标自动定稿）。问题：任务分工重叠。✅解决：一个 Agent 只负责单一职能（调研只搜集、撰写只写作）。4. 成本&安全坑（高额账单、隐私泄露）问题：未管控 LLM 密钥，单 Agent 月度调用无上限。✅解决：企业版在 Control Plane 设置单 Agent 月度调用上限、分密钥管控。问题：未开启 PII 脱敏。✅解决：企业版 Runtime 钩子开启自动脱敏，防止 Agent 自动读取客户身份证、手机号等隐私外泄。问题：免费版盲目跑大批量任务。✅解决：试用阶段先小批量测试用量，避免免费额度耗尽后自动扣费。5. 格式输出坑（JSON 幻觉）问题：强制输出 JSON 时，模型额外附带前言文字（“以下是 JSON：”）导致下游解析崩溃。✅解决：开启模型 response_format=json_object，任务示例里附加标准 JSON 样例，禁止多余话术。七、补充：适用&不适用场景✅ 适合场景重复性信息搜集。多角色流水线工作。跨系统数据汇总。销售线索自动化。招聘筛选。内容批量生产。❌ 不适合场景实时硬件控制。超高精度数学运算。实时工业自动化（非信息类业务）。
LangChain
LangChain 全指南一、平台介绍LangChain 是 2022 年创立、基于 MIT 开源协议的大模型应用开发生态框架。官网地址：https://www.langchain.com核心定位：主打模型无关、模块化积木式开发，是 RAG 知识库、AI 智能体行业的通用开发底座。开发语言：支持 Python 和 JavaScript 双语言。生态规模：全球集成 700+ 生态组件。1. 四大核心产品LangChain：高封装的链式框架，适合快速搭建线性流程应用（如 RAG、普通对话机器人）。LangGraph：底层有向图框架，适合构建带循环/分支/断点续跑的复杂智能体（生产级自主 Agent）。LangSmith：云端观测调试平台（唯一付费模块），用于追踪调用链路、评测 Agent 效果。LangServe：一键部署工具，将开发好的 Chain/Agent 转为 HTTP 接口，开源免费。二、核心主要功能1. 统一模型接入（模型 I/O）多模型支持：一套代码可对接国内外 100+ 大模型。包含模型：OpenAI/GPT、Claude、Gemini、文心一言、通义千问、ChatGLM、Ollama 本地开源模型等。优势：切换模型仅需修改一行配置，无厂商锁定。2. Prompt 提示词工程内置模板：提供基础模板、少样本 FewShot、对话 Chat 模板、多级流水线模板。管理功能：统一管理提示词、动态变量填充。优化工具：配套 LangSmith PromptHub 在线调试优化提示词。3. Memory 对话记忆管理短时记忆：使用内存缓存、滑动窗口（仅保留最近 N 轮对话）。长时记忆：对话落库至向量库，实现跨会话检索历史，解决大模型上下文窗口限制。4. Chain 链式编排（LCEL 语法）核心语法：prompt | llm | parser 管道式写法。原生支持：流式输出、异步处理、批处理、失败重试。编排类型：支持顺序链、并行链、路由分支链。应用场景：快速搭建 RAG、文档摘要、数据解析流水线。5. RAG 检索增强生成落地知识库核心：开箱即用的全流程组件。全链路处理：文档加载 (PDF/Word/网页/数据库) → 文本切块 → Embedding 向量化 → 存入向量库 (Chroma/Pinecone/FAISS) → 检索 → 拼接上下文喂给大模型。优势：无需自研文档解析与向量逻辑。6. Agent 自主智能体LangChain Agent：零样本 Agent、ReAct 思考 + 工具调用（联网查资料、调用计算器/API）。LangGraph Agent：有状态 Agent，支持循环、自主规划、人工介入、断点保存（适合自动化办公、数据分析机器人）。7. 生态集成（700+ 插件）覆盖范围：文档加载器、全品类向量数据库、搜索引擎 (谷歌/SerpAPI)、第三方 API、SQL 数据库、代码解析工具。三、适用人群AI 个人开发者/学生：自学大模型落地、快速做知识库问答、小型 AI 工具原型，低成本验证想法。算法/后端工程师：企业落地 RAG 知识库、智能客服、内部 AI 助手，避免重复封装大模型接入代码。产品/创业团队：快速 MVP 验证 AI 产品，低成本搭建 Agent 产品，缩短开发周期。政企数字化团队：私有知识库落地、业务系统嵌入 AI 能力、自动化流程 Agent。AI 科研人员：快速组合模型 + 工具，验证 Agent 算法、RAG 优化方案。注意：不适合纯无代码小白（需要 Python 基础）、只想要现成成品 AI 软件的用户。四、免费与付费详情1. 核心规则开源库：LangChain、LangGraph、LangServe 永久免费（MIT 协议，商用无限制）。云服务：仅 LangSmith 云端服务分级收费。第三方成本：大模型 API、商用向量库由第三方单独计费，框架不抽成。2. 开源代码（永久全免费）包含内容：LangChain Core、LangChain、LangGraph、LangServe 本地部署。权益：无版权费、无功能阉割，代码开源在 GitHub，可二次修改私有化部署。3. LangSmith 云端服务套餐Developer（免费个人版）费用：$0/月额度：1 个账号，每月 5000 条 Trace 调用日志限制：超出收费 0.5 美元/千条，数据存 14 天场景：个人开发、原型测试、学生学习Plus（团队版）费用：39 美元/账号/月额度：单账号每月 10000 条 Trace，最多 10 个账号赠送：1 个 LangGraph 云部署、邮件客服场景：中小团队生产项目、多人协作开发Enterprise（企业定制）费用：报价面议权益：自定义 Trace 额度、私有化部署、SSO 单点、专属技术支持、SLA 保障场景：中大型企业、合规私有化需求、大批量 Agent 上线4. 额外隐性成本大模型 API：调用 OpenAI/通义千问等第三方模型按 token 计费。商用向量库：如 Pinecone 等云向量数据库按需付费。服务器：项目部署上线的云主机成本。五、完整使用步骤（Python 主流）步骤 1：环境安装bash# 安装核心包 pip install langchain langchain-core langchain-community langchain-openai # RAG 额外依赖（文档 + 本地向量库） pip install pypdf faiss-cpu chroma python-dotenv # 安装核心包 pip install langchain langchain-core langchain-community langchain-openai # RAG 额外依赖（文档 + 本地向量库） pip install pypdf faiss-cpu chroma python-dotenv 步骤 2：配置模型密钥推荐方式：新建 .env 文件，禁止硬编码 Key。配置内容：envOPENAI_API_KEY=sk-xxx OPENAI_API_BASE=https://api.openai.com/v1 # 国内代理接口必填 LANGSMITH_API_KEY=ls_xxx # 如需使用 LangSmith LANGSMITH_TRACING=true # 如需开启追踪 OPENAI_API_KEY=sk-xxx OPENAI_API_BASE=https://api.openai.com/v1 # 国内代理接口必填 LANGSMITH_API_KEY=ls_xxx # 如需使用 LangSmith LANGSMITH_TRACING=true # 如需开启追踪 代码加载：pythonfrom dotenv import load_dotenv load_dotenv() from dotenv import load_dotenv load_dotenv() 步骤 3：快速入门经典案例案例 ① 基础对话（LCEL 链式）pythonfrom langchain_openai import ChatOpenAI from langchain.prompts import ChatPromptTemplate # 初始化模型 llm = ChatOpenAI(model="gpt-3.5-turbo") # 定义 Prompt prompt = ChatPromptTemplate.from_template("回答问题：{question}") # 串联链条 chain = prompt | llm # 调用 res = chain.invoke({"question":"LangChain 是什么"}) print(res.content) from langchain_openai import ChatOpenAI from langchain.prompts import ChatPromptTemplate # 初始化模型 llm = ChatOpenAI(model="gpt-3.5-turbo") # 定义 Prompt prompt = ChatPromptTemplate.from_template("回答问题：{question}") # 串联链条 chain = prompt | llm # 调用 res = chain.invoke({"question":"LangChain 是什么"}) print(res.content) 案例 ② 最简 RAG 本地知识库python# 加载 PDF → 切块 → 存 Chroma → 检索问答 from langchain.document_loaders import PyPDFLoader from langchain.vectorstores import Chroma from langchain_openai import OpenAIEmbeddings loader = PyPDFLoader("xxx.pdf") docs = loader.load_and_split() # 创建向量数据库 vectordb = Chroma.from_documents(docs, OpenAIEmbeddings(), persist_directory="./chroma_db") # 创建检索器 retriever = vectordb.as_retriever() # 加载 PDF → 切块 → 存 Chroma → 检索问答 from langchain.document_loaders import PyPDFLoader from langchain.vectorstores import Chroma from langchain_openai import OpenAIEmbeddings loader = PyPDFLoader("xxx.pdf") docs = loader.load_and_split() # 创建向量数据库 vectordb = Chroma.from_documents(docs, OpenAIEmbeddings(), persist_directory="./chroma_db") # 创建检索器 retriever = vectordb.as_retriever() 案例 ③ LangGraph 简易自主 Agent文档参考：参考官网 QuickStart 指南 (https://www.langchain.com/quickstart-agents)实现方式：使用 Graph 节点 + 状态实现循环工具调用。步骤 4：接入 LangSmith 调试开启追踪：运行代码自动在 LangSmith 后台查看全链路调用日志。环境变量：确保 LANGSMITH_TRACING=true。步骤 5：项目部署上线工具：使用 LangServe 一键封装为 API。代码示例：pythonfrom langserve import add_routes # 假设 app 为你的 FastAPI 实例 add_routes(app, runnable=chain) from langserve import add_routes # 假设 app 为你的 FastAPI 实例 add_routes(app, runnable=chain) 配合 FastAPI：对外提供 HTTP 服务。六、高频避坑清单（实战总结）1. 版本大坑（最高发）问题：网上旧教程代码导入报错（路径失效），LangChain 从 0.x 到 1.0 重构了包结构（拆分 langchain-core/community/openai）。解决：固定依赖版本，使用 requirements.txt 锁定，优先看官网最新文档，不照搬 2023 年前的旧代码。2. API 密钥与代理配置问题：国内调用 OpenAI 报错连接失败，OPENAI_API_BASE 地址配置错误。解决：统一在 .env 配置 base_url，不用代码硬写，国内转发接口务必核对域名，排查网络代理。3. RAG 问答效果差误区：认为框架问题导致答案不准。真相：90% 问题出在文档切块不合理、Embedding 模型不匹配中文、检索 TopK 参数、Prompt 未约束模型。解决：优化 chunk_size=300~800、添加重排 Rerank、提示词强制“仅参考提供文档回答”。4. Agent 乱调用工具问题：Agent 频繁错选工具、编造参数、无限循环调用。解决：完善 Tool 描述文案、强制入参 Schema 校验、调低模型 temperature=0（降低随机性）、添加工具调用次数上限。5. 内存与上下文溢出问题：多轮对话超长触发 ContextWindowExceededError 超限。解决：改用滑动窗口 Memory（只保留最近 5 轮）、长对话摘要压缩、超长内容分段检索。6. 向量库异常问题：Chroma 数据库损坏、加载失败。解决：异常时删除 chroma_db 文件夹重新入库，生产环境不用本地 Chroma，改用 PGVector 或云向量库。7. LangSmith 计费踩坑问题：免费额度用完超额扣费，忘记关闭调试追踪。解决：开发环境开启 LANGSMITH_TRACING=true，生产环境关闭追踪避免 Trace 计费；免费版注意 14 天日志过期无法回溯排查问题。七、官方学习入口快速上手：https://www.langchain.com/quickstart-agents（一键跑通 Agent 示例）LangGraph 文档：https://www.langchain.com/langgraph定价页：https://www.langchain.com/pricing-langsmith完整文档：https://python.langchain.com/docs/introduction
Vellum
Vellum.ai 全指南一、平台基础介绍1. 核心定位 Vellum.ai 是主打**自然语言零代码/低代码可视化搭建 AI 智能体（AI Agent）**的 SaaS 平台。核心能力：用大白话描述业务需求，自动生成智能体工作流、工具集成、逻辑链路，无需深度编程即可搭建自动化业务 Agent。适用场景：聚焦企业业务自动化落地，覆盖金融、法务、医疗、销售、营销、客服六大垂直行业场景（文档原生场景）。2. 诞生方向 对标 LangGraph、Rivet，提供可视化 GUI 搭建 LLM 智能体工作流。特色功能：自然语言对话式建 Agent（像和同事提需求）、可视化调试沙箱、全链路日志、多渠道发布（API/SDK/链接内嵌）。企业版优势：满足合规（SOC2 Type2、HIPAA），支持私有化部署。官网链接：https://www.vellum.ai二、平台核心功能1. 自然语言快速构建 Agent（王牌功能）不用写代码，输入纯中文/英文业务需求，平台自动拆解工作流、配置工具节点、绑定第三方软件，支持 3 种创建方式：对话创建：口头/文字描述需求。示例：每周拉取 HubSpot 流失订单，汇总原因发 Slack 周报。低代码画布：可视化拖拽 Agent 节点（入口、解析器、工具调用、结果输出、判断分支）。代码接入：开发者用 Python/SDK 自定义复杂逻辑。落地场景案例金融：Stripe 交易风控 Agent、HubSpot 自动 KYC 审核 Agent、客户投资周报 + Gamma 幻灯片自动生成。法务：合同/NDA/DPA 合规审查（GDPR/CCPA）、风险评分输出谷歌表格。医疗：医保预授权审核、理赔纠错、EHR 生成个性化诊疗方案。销售：HubSpot 通话录音提取客户异议自动更新客户档案、商机红绿黄分级周报。营销：网页转长文、财报电话纪要生成 Gamma 演示文稿、webinar 文稿生成 LinkedIn 推文。客服：工单分级自动派单 Linear 工程师、HubSpot 续费风险预警推送 Slack、Reddit 热门帖子日报汇总。2. 内置 Agent 核心组件引擎平台预制标准化智能体模块，开箱即用：Reflection Agent：自省校验。Evaluator Agent：结果质检。Problem Solver Agent：异常纠错。文档解析节点：PDF/Word/网页文本提取。规则引擎+LLM 双校验：既支持固定规则校验，也能用大模型做非结构化内容识别（异常交易、合同漏洞）。3. 沙箱测试 & 全链路日志监控沙箱控制台：上线前仿真测试 Agent 全流程，定位报错节点。运行日志：留存每轮 Agent 调用记录、LLM 返回内容、工具调用明细，复盘优化 Agent 准确率。效果评估（Evals）：批量测试样本，量化 Agent 出错率，迭代提示词与流程（企业版标配）。4. 第三方工具生态集成（平台核心价值）原生打通主流 SaaS，无需额外开发 API：覆盖工具：HubSpot、Slack、Gmail、Google Drive/Sheet、Stripe、Linear、Gamma、Reddit。后续扩展：可通过 API 对接自研系统。输出格式：支持 JSON、Markdown、PPT（Gamma）、表格自动写入。5. 多渠道发布部署SDK/API 对接：嵌入自有产品、企业系统。团队内部发布：一键发布到团队空间，全员直接运行 Agent。外链分享：生成访问链接发给外部用户。私有化部署：企业版支持 VPC/本地机房部署（金融、医疗强合规需求）。6. 企业级安全合规合规认证：SOC2 Type2、HIPAA，适配欧美金融/医疗行业数据法规。权限管控：团队分级管理 Agent 查看/编辑权限、数据隔离、密钥托管。三、适用人群 & 行业1. 按人群划分业务岗（无代码基础首选）：适用角色：金融风控、法务专员、销售运营、市场/营销、客服主管。核心需求：不会编程，需要自动化重复报表、审核、提醒工作。产品/IT/数据分析师：核心需求：快速验证 AI 落地原型，不用依赖后端开发，低成本试错业务自动化。AI/后端开发者：核心需求：减少 LLM 工作流底层编码，聚焦业务逻辑，快速封装 Agent 对外输出 API。中小企业创始人/管理者：核心需求：低成本搭建内部自动化工具，替代重复性人工。2. 重点适配行业✅ 金融服务：反欺诈、KYC、资产组合周报、交易对账。✅ 法律科技：合同/保密协议/隐私协议合规审查。✅ 医疗健康：医保理赔、预授权审核、电子病历生成诊疗方案。✅ B 端销售 SaaS：HubSpot 全链路商机自动化、客户续费管理。✅ 市场营销：内容批量生成、社媒数据监测、财报内容转化。✅ 企业客服：工单自动化分流、升级派单、续费预警。四、免费 & 付费套餐详情计费模式说明：Vellum 采用**免费试用 + 订阅包月 + 用量计费（LLM 调用费）**双轨模式。平台订阅费 + 第三方大模型 API 消耗费（GPT/Claude 等模型计费单独结算）。1. 免费版（Free Tier）资源配额：3 个可用 Agent、每月有限 LLM 免费调用额度（约 500 次模型请求）、基础日志查看。可用功能：基础对话建 Agent、沙箱测试、有限集成 Slack/Google 基础工具。限制说明：不能接入 HubSpot/Stripe/Gamma 等高级集成、无批量评估 Evals、不可私有化部署。适用人群：新手体验、搭建小型测试 Agent。2. Pro 专业版适用对象：个人/小微企业，按月订阅。月费：约 $99/月（海外定价，折合人民币 700+）。权益：不限 Agent 数量、全量第三方 SaaS 集成、完整日志、API/SDK 发布、基础 Evals 评估、单人全权限。额外计费：超出免费额度后，LLM 调用按 OpenAI/Claude 官方市价扣费，平台不抽佣。3. Enterprise 企业版适用对象：中大型公司，定制报价。定价：定制年付报价（数万美金起，按团队人数、部署模式）。专属权益：SOC2/HIPAA 合规、私有化/VPC 本地部署、团队分级权限管理、专属技术顾问、无限 Evals 批量测评、定制 API 对接、SLA 服务保障、账单统一结算。适用场景：银行、连锁医疗机构、大型律所、上市企业。重要提示：所有套餐平台服务费≠大模型费用，Agent 调用 GPT-5/Claude 等模型产生的 token 消耗，由用户绑定自己的 OpenAI/Anthropic 密钥，费用直接走用户模型账户。五、分步使用指南（新手从零搭建 Agent 全流程）步骤 1：注册账号打开官网 vellum.ai，使用海外邮箱注册（国内邮箱也可注册）。绑定自己的 LLM API Key（OpenAI/Claude），免费试用可先用平台赠送小额额度。在设置页配置第三方工具授权（Slack、HubSpot、谷歌账号一键 OAuth 授权）。步骤 2：3 种方式创建 AI 智能体（推荐新手先用【自然语言对话创建】）对话创建（最简单）：首页点击 Create Agent，在对话框粘贴需求（参考文档话术）。示例：创建 KYC 审核 Agent：读取 HubSpot 客户上传证件，校验证件有效期、完整性，缺失信息标注风险，生成合规报表发 Gmail 和指定 Slack 频道。自动化：平台自动拆解为文档提取节点→证件校验规则→HubSpot 数据拉取→结果汇总→邮件/Slack 推送，自动生成可视化工作流。画布低代码编辑：自动生成流程后，进入画布手动增删节点（新增异常分支、补充校验规则、修改输出格式为 JSON）。代码自定义（开发者）：选择 Code Node，写入 Python 代码自定义复杂逻辑，嵌入 Agent 流程。步骤 3：沙箱测试调试上传测试素材（合同 PDF、HubSpot 模拟订单、财报文稿）。运行沙箱，查看 Agent 全链路执行日志：文档提取结果→工具调用返回→LLM 分析内容→最终输出。报错优化：在原需求里补充约束（例：NDA 审核只高亮法律管辖、保密期、知识产权 3 项条款），一键更新 Agent。步骤 4：配置输出与定时触发定时：设置每日/每周自动运行（如每周五汇总流失商机）。输出配置：指定 Slack 频道、邮箱、谷歌表格位置、Gamma 生成 PPT。步骤 5：发布上线对内：发布团队空间，同事随时手动启动 Agent。对外：生成分享链接，或复制 API/SDK 代码嵌入自有系统。六、实操避坑指南（高频踩坑点 + 解决方案）1. 需求描述类坑（最常见）❌ 坑 1：需求描述模糊，Agent 逻辑混乱、输出跑偏例：做合同审查，只写“审核合同风险”，Agent 无判定标准。✅ 方案：需求拆细，固定输入 + 校验维度 + 输出格式 + 推送渠道四要素，参考官方案例格式。❌ 坑 2：一次性搭建超大复杂 Agent（多业务糅合），调试难度飙升✅ 方案：拆分单个小 Agent（先做 NDA 审核，再做 DPA 合规），逐个上线后再串联工作流。2. 模型 & 计费避坑❌ 坑 1：忘记绑定自有 API Key，默认使用平台额度，快速耗尽免费额度后无法运行✅ 方案：注册 OpenAI/Claude 个人账户，绑定自己密钥，设置月度消费限额，防止超额扣费。❌ 坑 2：复杂任务盲目选用 GPT-5/Opus 高价大模型，月度模型成本失控✅ 方案：简单数据提取用廉价小模型（Haiku/GPT3.5），复杂法律/风控审核再用高端模型，平台可配置模型分流规则。3. 第三方集成 & 权限坑❌ 坑 1：Slack/HubSpot 授权权限不全，Agent 拉取不到数据、无法发送消息✅ 方案：OAuth 授权时勾选全量读写权限，后续在对应 SaaS 后台开放接口权限。❌ 坑 2：谷歌表格/云端文件夹路径写错，结果无法自动写入✅ 方案：直接复制目标文件/文件夹完整链接粘贴到 Vellum 配置，避免手动输名称出错。4. 合规 & 数据安全大坑（金融/医疗重点）❌ 坑 1：医疗病历、客户身份证、银行卡等敏感数据直接上传沙箱测试，违反 HIPAA/个人信息法规✅ 方案：测试用脱敏数据，正式环境企业版开启私有化部署，数据不出自有服务器。5. Agent 稳定性 & 迭代坑❌ 坑：上线后不看日志，Agent 长期漏判、错判未发现✅ 方案：每周查看运行日志，用平台 Evals 功能批量抽检结果，补充规则优化 Agent。6. 功能预期坑❌ 误区：Agent 100% 替代人工（法律风控、医疗诊断）✅ 方案：Vellum Agent 是辅助筛查工具，高风险结果必须人工二次复核（法律/医疗行业强制）。七、补充小技巧新手优先复用模板：优先复用官网现成行业模板（金融/法务/销售模板一键生成 Agent，再微调需求）。优先搭建高频刚需小 Agent：免费额度用完前，优先搭建高频刚需小 Agent（周报汇总、工单分类），再考虑升级 Pro。批量 Agent 统一管理：企业版用团队文件夹分类（金融组、法务组 Agent 分开归档）。
Langflow
Langflow 完整使用指南一、平台介绍Langflow 是由 LangChain 官方团队推出的开源免费（MIT 协议）低代码可视化 AI 工作流/Agent 开发平台。该平台基于 Python 开发，主打拖拽画布搭建 LLM 应用，定位为 LangChain 的可视化前端，可一站式完成 RAG 知识库、AI 智能体、API 集成、提示词工程的全链路开发与部署。核心定位：告别重复的 LangChain 样板代码，通过可视化编排大模型链路。支持一键发布 API、导出 Python 代码。兼顾新手零代码快速搭建与开发者深度自定义开发。两大使用形态：本地开源部署版：完全开源自主部署，数据本地化。DataStax 托管云版（官网在线）：免安装开箱即用，地址为 astra.datastax.com/langflow。生态兼容性：原生兼容全球主流 LLM、向量库及第三方工具（OpenAI/Ollama/Milvus/Pinecone/Github/Gmail 等上百种数据源）。支持 ISO、HIPAA、SOC2 企业安全合规部署。二、核心功能1. 可视化拖拽搭建工作流（核心）组件分类：左侧组件栏包含输入/输出、LLM 大模型、Prompt 提示词、文档加载器、文本分割、向量库、Agent 智能体、第三方 API 工具等。搭建方式：拖拽节点 + 连线即可搭建链路，无需大量编码。预制模板：平台内置 5 类官方预制模板，开箱即用：Basic Prompting：基础提示词调试、简单对话机器人。Doc Assistant：RAG 文档知识库问答（支持 PDF/Word/网页文档）。Code Debugger：代码排错智能聊天机器人。Basic Agent：基础工具调用 Agent（具备联网、查数据、计算能力）。API Integration：第三方 API 快速接入流水线。2. Agent 智能体全链路开发编排能力：支持单 Agent 或 多 Agent 集群编排。自定义配置：可自定义角色、工具集、历史对话记忆。可视化参数：可视化配置 Agent 的 System 提示词、可用工具、大模型。源码修改：内置 AgentComponent 底层 Python 源码可直接修改定制。3. RAG 检索增强生成一站式全链路封装：涵盖文档上传→文本切分→Embedding 向量化→向量库存储→语义检索→LLM 问答。向量库支持：支持 FAISS/Milvus/Pinecone/AstraDB 等本地或云端向量库。4. 一键部署与多格式导出发布 API：单个工作流一键生成 RESTful 接口，提供 cURL/Python/JS 调用代码，便于对接自有 APP、小程序或后端系统。导出资源：流程可导出为 Python 代码或 JSON 配置文件，无缝接入原生 LangChain 项目进行二次开发。5. 实时调试与可观测Playground 调试面板：分步执行工作流，查看每个节点的入参/出参。全链路追踪：对接 LangSmith、LangFuse，追踪 LLM 调用耗时、报错日志及 Token 消耗。6. Python 深度自定义源码查看：任意组件支持点击查看底层源码。逻辑编写：直接编写 Python 改写逻辑，新增自定义组件，突破可视化组件边界（如适配循环、条件分支等复杂业务逻辑）。7. 云端与本地双部署本地部署：支持 Windows/Mac 客户端、Docker 容器、Python pip 三种部署方式。云端托管：DataStax 托管云一键上线，支持企业集群扩容及权限管控。三、适用人群AI 产品/非技术人员：无代码快速验证 AI 想法（如客服机器人、知识库、文案助手原型），无需懂 Python 也能搭建可用 AI 应用。大模型初学者/在校学生：通过可视化学习 LangChain 原理，直观理解 RAG、Agent 链路逻辑，替代手写样板代码练手。算法/后端开发：快速做 PoC 原型，缩短从想法到可用 API 的周期，可视化调试后导出代码落地生产。中小企业 AI 团队：低成本搭建私有化知识库、智能客服，替代重复开发基础 LLM 链路。AI 服务商：标准化封装 AI 工作流，快速交付客户私有化部署方案。不适用场景：超大规模复杂工业级多分支循环系统（此类复杂逻辑建议优先使用原生 LangChain+LangGraph 编码）。四、免费与付费详情（一）本地开源版费用：永久全免费（0 元），MIT 开源协议，源码全开放。功能限制：无功能阉割、无节点/调用/项目数量限制。成本说明：自行承担大模型 API 费用（如 OpenAI/Ollama 等）、服务器硬件成本（Ollama 本地跑开源模型无 API 费）。运维要求：需要自行运维部署、服务器、向量库，无官方技术支持。（二）DataStax Langflow 云端版（官网在线）1. 免费套餐（Free Tier）适用对象：个人、小团队首选。免费额度：无限创建工作流、全部组件/模板开放。附赠资源：免费 AstraDB 向量存储空间（约 5GB 向量数据）。限制条件：单用户、API 调用限流、无企业权限管控、无 SLA 保障、不支持专属技术服务。2. 付费套餐（Pro/Enterprise）Pro（专业版）：按月订阅，扩容向量存储、提升 API 并发、多成员协作、优先技术支持。Enterprise（企业版）：定制私有化云部署、SOC2/等保合规、专属运维、超大向量库集群、自定义域名、私有模型对接（报价按资源定制）。额外隐性成本：无论免费或付费，对接第三方 LLM（GPT4、Claude）、搜索 API（Serper）、商用向量库时，需用户自备对应服务商密钥并自行付费。五、三种使用方式 + 分步上手教程方式 1：官网在线云端（最快，零安装，推荐新手）注册登录：打开官网 https://www.langflow.org/ → 右上角 Sign Up，用邮箱注册 DataStax 账号，跳转云端 Langflow 控制台。创建流程：点击 New Flow，可选 空白画布 或 预制模板（Doc Assistant/Basic Agent）。配置核心参数：LLM 节点：填入对应模型 API Key（OpenAI/Anthropic），本地 Ollama 填 http://localhost:11434。RAG 场景：加载 PDF → 配置 Embedding → 绑定 AstraDB 免费向量库。测试与发布：画布连线组件 → 右侧 Playground 输入问题测试 → 测试通过点击右上角 Publish as API 生成接口，复制调用代码即可接入业务系统。方式 2：本地 Python 部署（开发者首选）bash# 1. 创建虚拟环境 pip install uv uv venv lang_env # Windows：lang_env\Scripts\activate | Mac/Linux：source lang_env/bin/activate # 2. 安装 Langflow uv pip install langflow # 3. 启动服务（默认 localhost:7860） langflow run # 1. 创建虚拟环境 pip install uv uv venv lang_env # Windows：lang_env\Scripts\activate | Mac/Linux：source lang_env/bin/activate # 2. 安装 Langflow uv pip install langflow # 3. 启动服务（默认 localhost:7860） langflow run 浏览器访问 http://127.0.0.1:7860，后续操作同云端画布流程。方式 3：Docker 一键部署（Linux/服务器）bashdocker run -p 7860:7860 langflowai/langflow:latest docker run -p 7860:7860 langflowai/langflow:latest 访问 localhost:7860，适合服务器私有化部署。实战示例：5 分钟搭建 PDF 知识库机器人（Doc Assistant）进入 New Flow，选择 Doc Assistant 预制模板。找到 FileLoader 组件，上传本地 PDF 文档。OpenAI Embedding 填入 OpenAI Key，向量库选择 FAISS（本地免费）。LLM 节点配置 GPT-3.5。在 Playground 提问文档内容，测试检索问答。发布 API，对接前端网页。六、避坑指南（高频踩坑点）1. API 密钥相关❌ 坑点 1：密钥填错或过期导致 LLM 节点报错、无返回。✅ 解决方案：单独点开 LLM 组件测试连通，优先用 Ollama 本地开源模型（免 API 密钥）做测试。❌ 坑点 2：误将密钥明文保存在分享工作流中泄露。✅ 解决方案：云端使用 DataStax 密钥环境变量，本地使用 .env 文件存储 Key。2. RAG 知识库❌ 坑点 1：文档过大未做文本切分，超出 LLM 上下文窗口，答案缺失。✅ 解决方案：必须挂载 TextSplitter 组件，中文文档单块控制在 500~1000 字符。❌ 坑点 2：免费 AstraDB 空间用尽导致向量入库失败。✅ 解决方案：小文件用 FAISS 本地向量库，大文档升级付费存储。3. 部署与运行❌ 坑点 1：本地启动端口 7860 被占用打不开页面。✅ 解决方案：使用 langflow run --port 7861 修改端口。❌ 坑点 2：Docker 部署外网无法访问。✅ 解决方案：启动命令加 -p 0.0.0.0:7860:7860，服务器放行防火墙 7860 端口。❌ 坑点 3：高版本 Python（>3.13）安装报错。✅ 解决方案：限定 Python 3.10~3.12 环境安装。4. 开发逻辑❌ 坑点 1：依赖可视化做复杂循环/多分支，组件连线混乱。✅ 解决方案：复杂逻辑用自定义 Python 组件写代码实现，或导出代码后用 LangGraph 改造。❌ 坑点 2：直接用免费云端做生产高并发业务，API 限流崩溃。✅ 解决方案：正式项目本地私有化部署 + 自建向量库。5. 成本隐性❌ 坑点 1：测试时频繁调用 GPT，忽略 Token 扣费。✅ 解决方案：前期优先 Ollama 本地 Llama3 等开源模型免费调试，上线再切换商用大模型。七、拓展使用建议新手入门：优先使用云端免费版，先用官方 5 个预制模板练手，掌握基本组件后再从零搭建空白流程。私有化落地：推荐本地 Docker + Ollama + FAISS，全链路零 API 费用，确保数据不出本地。企业上线：云端 Enterprise 版 + 自有私有大模型，对接企业 OA/知识库系统，满足合规需求。
Flowise
FlowiseAI 全指南一、平台整体介绍平台官网： https://flowiseai.com/核心定义： Flowise（现已被 Workday 收购）是一款基于 LangChain 开源、可视化拖拽式无代码/低代码 LLM 智能体 & AI 工作流搭建平台。主要定位：AI 工作流可视化编辑器，被誉为 AI 应用的"Figma"。既能快速进行原型验证，也可落地企业生产级 AI 项目。支持私有化部署 + 云端 SaaS 两种使用形态。技术特点：底层依托 LangChain 生态，封装海量 LLM、向量库、文档解析、工具调用节点。无代码/低代码优势： 无需手写大量 Python 代码，拖拽连线即可搭建 RAG 知识库、对话机器人、多 Agent 协作系统、业务自动化 AI。部署灵活：支持本地、容器、云服务器部署。二、核心主要功能1. 可视化拖拽工作流搭建（核心）采用画布式节点编排，提供 200+ 官方预置模块化节点，无需编码连线即可组成 AI 链路：文档处理节点： 支持 PDF/Word/Excel/TXT/HTML/CSV 解析、文本分割、Embedding 向量化。大模型对接： 支持 100+ 主流 LLM（GPT 系列、Claude、Llama、通义千问、Gemini、本地开源大模型）、Embedding 模型一键接入。向量数据库： 无缝对接 FAISS、Chroma、Milvus、Zilliz、Pinecone 等主流向量库，快速落地 RAG 知识库问答。工具调用节点： 支持自定义 API、爬虫、数据库 SQL 查询、第三方系统对接（Notion/Slack/企业 CRM）、自定义 Python/JS 脚本节点。2. 多类型智能体（Agent）开发Chatflow 单智能体： 适用于普通对话机器人、知识库 RAG 问答、网站嵌入客服机器人。支持工具调用、历史记忆、文档检索。Agentflow 多智能体协作： 采用 Supervisor-Worker 主管 - 工人架构，搭建多 Agent 分工系统（如产品 + 研发 + 测试多角色 AI、车辆运维巡检 AI）。支持分布式任务调度、跨 Agent 流转任务。HITL 人机在环： 支持人工审核 Agent 输出内容、任务驳回/修改后重跑，适配合规、风控场景（如合同审核、数据导入校验）。3. 生产级工程化能力API/SDK/嵌入式组件： 自动生成预测接口 /api/v1/prediction/:id，提供 Python/TS 官方 SDK，支持一键生成网页嵌入聊天组件，可集成自有业务系统。可观测监控： 提供全链路执行日志、Prometheus+OpenTelemetry 埋点，可查看 Token 消耗、调用耗时、节点报错情况。企业部署： 支持容器 Docker、消息队列横向扩容、私有化本地部署、公有云托管，适配大型企业内网环境。批量评估： 内置评测模块，支持批量测试问答准确率、AI 输出质量。4. 生态扩展社区模板： 提供海量开源现成工作流（如 PDF 问答、SQL 智能查询、表格数据分析、Telegram/企业微信 Bot）。自定义节点： 开发者可开发私有节点插件，扩展平台能力。多模态支持： 可接入文生图、语音转文字（Whisper）节点，搭建图文混合对话 Bot。三、适用人群✅ 1. 无代码/产品/业务人员（首选）角色： 产品经理、运营、业务分析师。能力： 不懂 Python，快速搭建客服机器人、企业知识库、业务自动化 AI（例如库存校验、车辆数据导入校验机器人）。效率： 几分钟即可完成 AI 原型落地。✅ 2. AI 算法/后端开发者效率： 快速调试 LangChain 链路，省去重复写胶水代码，验证 RAG/Agent 方案后导出代码。定制： 可封装自研模型、私有数据库成自定义节点，快速落地行业大模型应用。✅ 3. 中小企业 & 政企 IT 团队场景： 企业内部搭建私有化 AI 助手（财务对账 AI、HR 招聘问答、设备运维 Copilot、内部文档知识库）。安全： 数据不流出内网（通过私有化部署实现）。✅ 4. AI 创业者/独立开发者优势： 低成本快速开发 AI SaaS 产品（PDF 解析工具、行业问答 Bot）。变现： 依托 API 对外提供服务，快速上线 MVP。❌ 不适合人群追求极致轻量化纯傻瓜式一键 AI 的用户（更适合使用 ChatGPT 插件）。需要超大规模千亿级分布式大模型训练的用户。四、免费与付费套餐说明重要提示： Flowise 开源代码 100% 免费下载本地部署，无功能阉割；付费仅针对官方 SaaS 云托管版本。LLM、Embedding 调用产生的 API 费用需用户自行向 OpenAI/厂商付费。1. Free 免费版价格： $0/月核心权益：2 个工作流/助手每月 100 次预测调用5MB 存储空间基础埋点社区客服可自定义嵌入聊天品牌适用场景： 个人学习、简单小 Demo 测试2. Starter（热门）版价格： $35/月核心权益：包含免费版全部功能无限工作流/助手月 10000 次预测调用1GB 存储空间社区支持适用场景： 个人开发者、小型工作室商用3. Pro 企业版价格： $65/月起 + $15 美元/用户/月核心权益：包含 Starter 版全量功能月 5 万预测调用10GB 存储空间多工作空间最多 5 人团队协作管理员权限优先技术售后企业部署指导适用场景： 中小公司商用、企业内部 AI 落地五、安装与部署方法（快速上手）方式 1：NPM 本地安装（最简，推荐新手）适合本地开发环境，无需配置复杂数据库。bash# 全局安装 npm install -g flowise # 启动服务，访问 http://localhost:3000 npx flowise start # 全局安装 npm install -g flowise # 启动服务，访问 http://localhost:3000 npx flowise start 方式 2：Docker 容器部署（生产/私有化首选）适合服务器、云主机、企业内网私有化部署，数据全在本地。bashdocker run -d -p 3000:3000 flowiseai/flowise docker run -d -p 3000:3000 flowiseai/flowise 注意： 生产环境部署建议挂载宿主机目录持久化数据，避免容器删除后数据丢失。方式 3：官方 SaaS 云端（零部署）适合不想配置环境的用户，打开官网 https://flowiseai.com/ 注册账号，在线拖拽使用，按套餐计费。5 分钟搭建 PDF 问答 RAG 实操新建画布： 在 Chatflow 中新建画布。拖拽节点： 依次拖拽「PDF 加载器」→「文本分割」→「OpenAI Embedding」→「FAISS 向量库」→「OpenAI LLM」→「对话记忆」。连线配置： 将节点按顺序连接，配置 OpenAI Key，上传 PDF 文档。完成测试： 保存后调用内置 API/嵌入网页，完成文档问答机器人。六、生产与使用避坑清单1. 费用相关坑免费 SaaS 额度有限： Free 版每月仅 100 次预测，频繁测试很快超限，建议学习时优先本地开源部署（永久免费无调用限制）。LLM 扣费不可控： 测试时忘记关闭工作流、开启循环节点会疯狂调用 GPT API，产生高额账单。测试时限制单轮 Token、用完及时停用节点。2. 部署&环境坑国内访问 OpenAI 异常： 直接填 OpenAI Key 大概率接口超时，优先选用国内大模型（通义千问/智谱）或本地部署开源 LLM（Llama3）。Docker 部署数据丢失： 默认容器无数据挂载，容器删除后所有工作流清空。部署时必须挂载宿主机目录持久化数据。3. 工作流开发坑RAG 文档过大崩溃： 超大 PDF 不做分段直接导入，向量库内存溢出。务必开启文本拆分节点，控制 chunk 长度在 1000 以内。多 Agent 循环死锁： Supervisor 多智能体配置错误会无限循环调用。开发时先用单节点分步调试，再串联全链路。自定义脚本报错难排查： Python/JS 自定义节点报错可能无详细日志。建议分步单独运行节点，逐个定位代码 bug。4. 生产落地坑SaaS 版数据隐私： 涉密企业禁止使用官方云端 SaaS，必须私有化 Docker 本地部署，防止文档/企业数据上传第三方服务器。嵌入网页跨域： 网页嵌入 Flowise 聊天组件出现跨域报错。后端需配置 CORS 白名单，或使用反向代理转发接口。版本升级兼容： 本地开源 Flowise 大版本跨级升级可能导致旧工作流失效。升级前务必导出全部工作流 JSON 备份。5. 资源坑低配机器 OOM： 免费本地部署低配机器（2 核 2G）跑本地大模型极易内存溢出。生产环境建议： RAG 生产环境建议配置 4 核 8G 以上服务器。七、补充拓展1. 资源链接开源地址： https://github.com/FlowiseAI/Flowise（免费下载源码二次定制）官方文档： https://docs.flowiseai.com（节点参数、API 详情查阅）2. 变现玩法搭建行业专属 AI Bot 后，通过 Flowise API 接入自己网站/小程序。收取订阅服务费，实现商业化变现。
Dify
Dify.ai 全维度使用手册基于官网官方资料整理，本手册旨在帮助用户快速掌握 Dify 平台的定位、功能、资费及实操方法，涵盖从云端体验到私有化部署的全流程知识。Dify 是开源一站式 Agentic AI 低代码/无代码应用开发平台。一、平台基础介绍1. 产品定位Dify（开发方：LangGenius）是面向企业/个人的生产级 AI 应用开发底座。它整合了 RAG 知识库、可视化工作流、Agent 智能体、第三方工具插件以及多模型接入的全链路能力。核心价值：实现不用深度编程即可从 0 到 1 落地 AI 产品。开源生态：项目托管在 GitHub（10.5 万 + Star、累计 500 万 + 下载），全球超百万 AI 应用基于 Dify 搭建。服务对象：服务沃尔沃、马士基、理光、伟创力等跨国企业，落地覆盖 20+ 行业、数十个国家。2. 部署两种形态用户可根据需求选择以下两种使用方式：SaaS 云端版：访问 dify.ai 官网在线使用，开箱即用，无需自备服务器，适合快速验证和轻量应用。开源私有化部署：从 GitHub 拉取源码，在本地或企业服务器部署。完全开源免费（MIT 开源协议），数据完全自留本地，适合对数据隐私有极高要求的场景。3. 核心优势可视化拖拽：无需代码即可编排逻辑。全链路 RAG 流水线：支持文档解析、向量化、检索与重排的全流程。海量插件市场：内置上千款插件，快速扩展能力。多模型接入：支持主流大模型一键切换。企业级管控：具备细粒度权限、数据隔离及审计日志。多渠道发布：一键发布为网页、API、小程序、微信/钉钉机器人等。二、六大核心功能详解1. RAG 知识库（核心能力）格式支持：支持 PDF、Word、Markdown、网页、Excel 等全格式文档上传。自动化处理：自动进行文本分段、向量化处理并存入向量库。深度定制：支持自定义切片规则、召回策略及重排模型。应用场景：搭建专属私有知识库，实现企业制度问答、文档精准答疑等。管理功能：支持批量导入、多知识库隔离、权限分级管理。2. 可视化 Agent & 工作流 (Workflow)零代码画布：通过拖拽组件编排 AI 逻辑，串联大模型与工具。工具集成：可接入 Google 搜索、Notion、GitHub、Gmail、Wolfram 等第三方工具。高级编排：支持嵌套、复用工作流，实现自动邮件回复、文档翻译、数据统计、AI 绘图等自动化任务。模板库：内置现成模板（如邮件自动回复、意图识别客服），一键复用。3. 多模型统一接入中心广泛支持：一键接入全球主流大模型，包括 OpenAI、Azure、月之暗面 (Moonshot)、Llama、SiliconFlow 及本地 Ollama 模型。灵活切换：统一调用格式，支持自由切换模型进行效果对比。多模态支持：支持文本对话、DALL-E 绘图、语音转写 (TTS/STT) 等模型接入。4. 应用快速发布与分发多渠道部署：构建完成的 AI 应用可一键发布为网页组件、API 接口、独立对话网页。即时通讯集成：生成微信、钉钉等机器人的接入代码。团队协作：支持团队共享应用、工作流模板社区共建。配置迁移：支持导出 DSL 配置文件，实现跨环境导入/导出。5. 插件市场 & 扩展生态 (Marketplace)丰富资源：平台内置 8600+ 插件，涵盖模型 (MODEL)、工具 (TOOL)、Agent 策略、扩展组件四大类。常用插件：全网搜索、Notion 读写、GitHub 代码读取、Wolfram 数学计算、YouTube 数据分析、维基百科检索等。安装便捷：一键安装即可在工作流中调用，无需开发对接 API。6. 企业级管控与可观测权限管理：细粒度成员权限控制，实现多租户数据隔离。用量统计：记录 API 调用用量，支持多维度成本分析。安全审计：日志全记录、API 调用限流、审计日志，适配企业合规需求。规模化支撑：支撑上万员工级内部机器人部署（如马士基案例：19000+ 员工、20+ 部门）。三、适用人群与场景1. 个人用户（产品/运营/学生/自媒体）自媒体：批量文案生成、选题调研 Agent、个人知识库助手。学生/研究者：文献知识库搭建、论文总结、联网检索研究助手。职场人士：搭建个人文档助手、简历优化机器人、自动邮件助手。2. 中小企业（销售/行政/IT 部门）客服支持：企业 FAQ 智能问答机器人，大幅减少人工工时。内部管理：员工制度、产品手册机器人，提升内部检索效率。市场营销：批量营销文案、素材生成工作流。3. 中大型企业（制造/医药/汽车/物流）私有化知识库：全部门知识库落地、跨部门智能 Agent。产线支持：产线质检文档、供应链知识库、企业内部统一 AI 中台。自研底座：基于 Dify 二次开发商用 SaaS 产品。4. AI 开发者 & 创业团队快速验证：快速验证 AI 产品原型，低成本上线 AI 工具。自有服务：依托开源私有化部署，做自有 AI 服务。降本增效：大幅缩短研发周期，降低技术门槛。四、免费与付费资费详情重要提示：私有化部署：软件本身永久免费开源，费用仅来自用户自己的服务器硬件、向量库及大模型 API 充值成本。云端 SaaS：使用 Dify 平台需遵守订阅制，大模型 API 费用需用户自行充值。1. 云端 SaaS 免费套餐 (Free)基础额度：有限的知识库容量、少量应用数量、每日免费模型调用额度。限制条件：插件部分高级功能锁定、无企业权限管理、API 调用限速、不支持超大文件批量上传。适用场景：新手体验、个人小工具原型测试。2. 付费版本 (官网在线订阅)（1）Pro 专业版（个人/小团队）功能扩容：扩容知识库存储、不限应用数量、解除 API 限速、全插件开放。服务支持：基础数据统计、优先客服支持。计费方式：按需订阅包月/包年。（2）Enterprise 企业版（中大型公司）定制服务：企业级权限管控、私有化部署技术支持、专属客户经理。安全合规：超大容量向量库、定制化部署、SLA 服务保障、合规数据方案。联系方式：具体报价需联系官方（400-115-0592）。3. 额外成本说明Dify 平台费 ≠ 大模型费用：无论免费或付费套餐，调用 OpenAI、月之暗面等第三方大模型，需用户自行在对应模型厂商充值 API 密钥。Dify 仅做中转，不收取模型服务费。五、详细使用步骤（云端 SaaS 新手五步上手）步骤 1：注册账号打开 dify.ai/zh，使用邮箱注册，免费开通试用账户，进入工作台。步骤 2：选择应用类型在首页新建应用，选择以下 3 大类型之一：对话应用 (Chatbot)：适用于聊天机器人、客服问答。知识库问答：基于自有文档的 RAG 机器人。工作流 (Workflow)：适用于复杂自动化 Agent、多步骤串联 AI 任务。步骤 3：接入大模型路径：设置 → 模型供应商。操作：填入对应厂商 API Key（如 OpenAI、通义千问、Ollama 本地模型）。注意：绑定后全局可用；本地 Ollama 模型可零 API 成本，适合本地私有化测试。步骤 4：知识库上传 & 配置（RAG 场景）进入左侧“知识库” → 新建知识库。上传 PDF、Word 或网页链接。配置文本切片大小、召回数量、重排模型（新手默认参数即可）。将知识库关联至对应的对话应用，完成文档绑定。步骤 5：配置工作流/提示词，发布上线对话应用：编辑系统提示词（角色设定、回答规则）。工作流：在画布拖拽添加模型、搜索、第三方工具节点，连线编排逻辑。发布：点击右上角“发布”，生成对话网页、获取 API 接入地址、获取嵌入代码（可嵌入官网/公众号）。六、私有化部署简述若选择私有化部署，需遵循以下基本流程：获取源码：访问 GitHub langgenius/dify 仓库拉取源码。环境准备：准备服务器，安装 Docker、Docker Compose 及必要依赖。一键启动：运行 Docker Compose 命令启动服务。功能同步：部署后功能同云端，所有数据存储于自有服务器。模型接入：可配置连接本地 Ollama 模型，实现零 API 成本运行。七、新手避坑指南1. 模型相关坑API Key 管理：调用报错无返回，需先核对密钥、检查模型厂商账户余额。模型规格选择：低成本小模型可能无法支撑复杂 RAG 或长文档总结，新手优先选择 GPT-3.5/通义千问等稳定模型。本地模型连接：私有化部署需放开服务器内网端口；SaaS 云端无法直接访问本地 Ollama。2. RAG 知识库踩坑切片大小：切片过大导致召回杂乱、过小丢失上下文，推荐 500~1200 字符。图片型 PDF：扫描版 PDF 原生不识别图片文字，需先 OCR 转文字再上传。数据量管理：免费版有额度限制，海量文档需分批上传，大文件需拆分。3. 工作流 Workflow 避坑逻辑错误：分支判断、循环节点配置失误会导致流程卡死，建议分步测试单个节点再串联。插件依赖：部分第三方工具（如谷歌搜索、Notion）需要单独配置对应平台 API 密钥，仅安装插件无法直接生效。4. 资费 & 部署坑混淆概念：私有化部署软件本身免费，费用仅在服务器和模型；云端免费版耗尽后无提醒，需提前查看用量统计。数据隐私：敏感涉密文档不要上传云端 SaaS，必须选择本地私有化部署。5. 发布使用坑跨域问题：嵌入网站对话组件时，若跨域报错，需前端配置跨域白名单。限流问题：API 调用频繁可能超限，可升级套餐或添加调用限流规则。
ActivePieces
Activepieces 深度解析与全面使用指南一、平台介绍Activepieces 是一款专门用来连接各种 SaaS 应用、数据库及 AI 模型并自动执行任务的开源、AI 优先的自动化工作流平台。核心理念：其设计之初便确立了 "AI-First"（AI 优先） 战略，将 AI 编排（如提示词工程、AI 智能体工具调用、数据提取）作为一等公民对待，而不像老牌自动化工具那样把 AI 仅仅当作第三方插件。核心价值：完美结合了 Zapier 的极简无代码体验与开源软件的自由度。部署灵活性：支持使用官方云服务，也支持通过 Docker 一键部署到自有服务器，实现数据 100% 本地化流转。二、主要功能1. 可视化流式编辑器采用直观的拖拽和连线设计。支持复杂的分支（Branching）、循环（Loops）及多级条件判断，比竞品工具的逻辑展示更加直观。2. 丰富的原生集成内置 700+ 原生集成（Pieces）。覆盖主流国内外服务，包括 OpenAI、Claude、Gmail、Slack、HubSpot、GitHub、Notion 等，可直接使用。3. 内置智能体编排（AI Agent）允许直接在工作流中插入 AI Agent 节点。用户可设定 Agent 角色（Instructions）、提供私有知识库，并允许其自主决定何时调用其他在线工具（如发送邮件、查询数据库）。4. 代码处理能力提供 内置代码节点（Code Pieces）。若自带插件无法满足需求，可直接在工作流中编写一段 JavaScript/TypeScript 或 Python 代码来处理数据，无需配置复杂的运行环境。5. 合规与自托管支持支持 Docker、Helm 部署。对于涉及财务、个人隐私等敏感数据，自托管版本可确保数据不出内网。执行次数无限制，彻底消除按次计费的成本担忧。三、适用人群独立创作者与营销人员需求：需要频繁处理多平台内容分发、社交媒体同步（如自动化发布、邮件营销触发）、线索自动归集。优势：预算敏感，追求高性价比工具。AI 应用与 Agent 开发者需求：想要快速搭建智能流，例如“自动读取收件箱 → AI 提取核心摘要并判断紧急程度 → 自动触发 Slack 报警并生成回复草稿”。优势：原生深度集成各类大语言模型（LLM）框架。技术团队与全栈工程师需求：讨厌 Zapier 昂贵的按次计费模式，觉得 n8n 节点配置的 JSON 数据映射过于繁琐。优势：追求极致的 UI 体验与生产力，同时享受开源自由。企业 IT 主管与安全合规官需求：对数据隐私有严格要求，必须把自动化数据流留在公司本地服务器。优势：既希望数据安全，又希望非技术业务部门（如 HR、财务）能自己上手搭流程。四、免费与付费方案Activepieces 提供了非常灵活的付费分水岭，涵盖云端与自托管模式：1. 开源/自托管版 (Open Source)计费模式：完全免费。核心内容：100% 开源代码，通过 Docker 部署。任务执行次数（Tasks）完全免费且无上限。支持所有核心 Pieces 插件和代码节点。适用场景：个人开发者、极客、有自备服务器的企业。2. 云端免费版 (Cloud Free)计费模式：$0 / 月。核心内容：官方托管，每月赠送大约 1,000 次 免费任务执行额度。适用场景：偶尔轻度使用，或单纯上线前测试流程的用户。3. 云端专业版 (Cloud Pro)计费模式：按量计费（通常每月十几美金起）。核心内容：提供更多的并发任务数、更长的历史日志留存、支持高频触发。适用场景：懒得维护服务器、追求稳定、中小型业务团队。4. 企业版 (Enterprise)计费模式：定制收费。核心内容：提供高级角色权限控制（RBAC）、单点登录（SSO）、审计日志（Audit Logs）以及自托管的高可用集群支持。适用场景：需要严格合规的大型企业。五、如何快速上手使用（5 步法）无论是使用云端版还是自托管版，创建一个自动化流程通常只需以下五步：定义触发器（Trigger）一切流程的起点。例如选择：“当 Google Sheets 新增了一行”或者“收到一封包含特定的 Webhook 信号”。添加 AI 节点或条件节点点击加号（+），选择 OpenAI 或 Claude 节点。把触发器里拿到的文本投喂给 AI，并写好 Prompt（例如：“请帮我把这段文本翻译并提炼成 3 个要点”）。变量映射（Variables Mapping）利用 Activepieces 强大的输入框功能。支持鼠标点击直接注入前序节点的数据。直接点击输入框，选择第一步里表格的“正文内容”字段即可，非常简单。连接目标动作（Action）再添加一个节点作为结束动作。例如选择“发送 Notion 页面”或“微信公众号群发（若有对应 API/Webhook）”。将 AI 生成的摘要填写进去。测试并激活（Test & Publish）点击右上角的 "Test Step" 检查每一步数据是否跑通。确认无误后点击 Publish，工作流就会在后台全自动 7x24 小时运行。六、核心避坑点（新手必看）在实际落地 Activepieces 项目时，请务必关注以下隐藏的限制和机制：自托管版本的升级阵痛（Database Migrations）Activepieces 更新频率非常快。警告：如果你选择用 Docker 自托管，在更新镜像版本前务必先备份数据库（PostgreSQL）。风险：偶尔大版本迭代会伴随数据库表结构的变动，直接盲目 docker pull 最新版有时会导致已有工作流失效或打不开。中国大陆原生生态插件较少作为海外团队主导的开源项目，内置的 700+ 插件绝大多数是国外 SaaS 服务（如 Slack, Notion, Airtable）。对策：若需连接国内平台（飞书、钉钉、企业微信、微信公众号），通常需要通过内置的 Webhook / HTTP 节点 或自己写一段 TypeScript 代码节点 来调用国内平台的 open API。动态数据的“死循环”陷阱在设计 AI Agent 或带有循环（Loop）的流时，一定要设置好边界条件。示例风险：如“发现新邮件 → 回复邮件”，若回复动作意外触发“新邮件”触发器，会导致死循环。后果：云端版会迅速烧光你的 Task 额度；自托管版则可能直接撑爆服务器 CPU 和内存。代码节点的外部依赖限制虽然允许写 JavaScript 或 Python，但在标准可视化编辑器中，代码节点引入外部复杂第三方库（Npm 包 / Pip 包）不如直接写原生后端方便。建议：若有极度复杂的重度数据处理需求，建议在外部搭建一个微服务 API，在 Activepieces 中使用 HTTP 节点去请求它。网络环境与 API 连通性（自托管专属）如果选择自托管在内网或国内云服务器上，请确保该服务器能够顺畅地访问所集成的 SaaS 服务的 API 端点（尤其是 OpenAI、Claude 等对网络有严格要求的服务）。风险：否则工作流常会因超时（Timeout）而频繁报错挂起。
Zapier
Zapier 全维度使用指南依托官网信息整理，Zapier 是全球头部零代码跨应用自动化 iPaas 平台，新增 MCP+SDK 双 AI 互联体系，打通 9000+ 主流软件，不用写代码即可实现多应用数据互通、流程自动运转，同时支持 AI 大模型直连业务系统做自主 Agent 自动化。一、平台基础介绍1.1 品牌与定位成立背景：Zapier 成立 13 年，主打零代码跨应用自动化+AI 统一管控。合规认证：获得 SOC2 Type II、GDPR、CCPA 合规认证。合作生态：合作企业包含英伟达、Airbnb、Shopify、Salesforce、Microsoft 等全球大厂。核心逻辑：Zap（自动化流程）= 触发器 Trigger（事件触发）+ 执行动作 Action（跨软件操作）。即某 APP 发生指定事件，自动在另一个 APP 完成预设操作。1.2 两大核心技术体系（新版重点）Zapier MCP（Model Context Protocol，AI 连接器）对接能力：对接 Claude、ChatGPT、Cursor、OpenClaw 等 AI 客户端。功能效果：让大模型直接调用 9000+ 应用能力，AI 可自主发邮件、建表单、同步 CRM 数据，IT 统一管控权限与审计日志。Zapier SDK/CLI（开发者工具，Beta 版）面向对象：面向程序员。功能效果：通过代码自定义 AI Agent、私有系统对接，npm 一键安装部署。1.3 平台数据实力集成规模：9000+ 应用集成、66000+ 触发器&动作、45 万 + 自建 AI Agent、339 万 +MCP 工具调用记录。稳定性与审计：全链路审计日志、单点 SSO/SCIM 企业身份打通、99.9% 平台可用性。二、核心主要功能2.1 基础自动化（传统 Zap 能力，全用户可用）跨应用数据自动流转支持 Shopify 新订单自动同步 HubSpot 客户档案 + Slack 通知运营+Gmail 发客户回执。支持 Gmail 收到指定关键词邮件自动新增 Notion 文档 + 飞书消息提醒。内置 AI 工作流引擎AI 自动分类表单数据。销售通话录音生成总结。IT 工单 AI 自动分拣派单。社媒线索自动打分入库 CRM，无需人工处理。表单/表格/画布配套工具自带在线表单、数据表、Canvas 可视化流程。收集的数据一键自动分发至 Excel、CRM、邮箱。2.2 AI 专属功能（MCP+SDK，2025 后主力更新）AI Agent 自主作业搭建 7×24 小时自主智能员工。自动跟进销售线索、处理售后 FAQ、归档合同文档、预警客户续费风险。BYOM 自带模型接入企业可接入自有大模型（亚马逊 Bedrock 等）。AI 数据不出企业内网，满足合规管控。统一企业管控（Enterprise 专属）权限分级：按团队/角色限制 APP、单接口操作权限（禁止 AI 删除敏感数据）。全链路审计：所有 AI 调用、自动化操作生成统一日志，可对接 Datadog/Splunk 监控。域名管控：屏蔽个人账户接入企业数据源，防止数据外泄。2.3 开发者能力（SDK/CLI）安装方式：npm 安装 SDK。开发内容：自定义私有系统对接、私有化 Agent 开发。调试工具：CLI 命令行快速登录、调试自动化项目。三、适用人群与场景1. 个人/自媒体/自由职业（免费版首选）使用场景：自媒体内容分发（公众号新文章→自动发推特/飞书）。个人日程同步。表单数据汇总、账单自动归档。2. 中小微企业运营/销售/行政（Starter/Professional）使用场景：电商订单自动化。销售线索统一归集。人事入职表单自动建档案。售后工单流转。3. 产品/IT/程序员（Professional+、SDK）使用场景：自研产品对接第三方 API。私有系统打通。自定义 AI Agent、MCP 接入自研大模型。4. 中大型集团/IT 风控（Enterprise 企业版）使用场景：全公司统一自动化管控。多团队隔离工作区。合规审计、私有大模型落地业务。全域数据权限管控。注意：本工具不适合需要本地桌面软件键鼠模拟 RPA 的场景（Zapier 基于云端 API），也不支持国内小众未上架的 SaaS 软件。四、免费&付费套餐明细（国际定价，美元计价）1. Free 免费版（永久免费）核心限制：5 个可用 Zap 自动化流程、每月 100 次任务执行量。功能范围：基础应用集成，无高级筛选、无 AI 复杂工作流、不支持 MCP 企业管控。使用建议：单 Zap 仅基础触发动作，无法使用多步骤分支逻辑，适合新手试用。2. Starter（$19/月，个人/小团队入门）资源：20 个 Zap、每月 750 次任务、基础多步骤流程、部分 AI 功能。权限：支持简单筛选、短周期重试。适用对象：小型店铺/个体运营。3. Professional（$49/月，主流商用）资源：无限 Zap、每月 2000 次任务、全量基础 AI 自动化、多分支逻辑、Webhook 自定义。权限：开放 MCP 个人接入（ChatGPT/Claude 连 Zapier）、优先客服支持。适用对象：中小公司主力套餐。4. Team（$99/月，多团队协作）资源：多成员协作空间、自定义团队权限、统一应用授权、月度用量报表。权限：企业级基础管控。适用对象：中小企业多部门共用。5. Enterprise 企业定制版（报价制，大型集团）全量功能：SOC 合规管控、BYOM 私有模型、SSO/SCIM、全域审计日志、MCP 企业管控、专属客户经理、自定义 SLA、API 日志导出、域名/接口级权限封锁。额外成本说明：MCP 调用高级大模型（GPT4/Claude3）产生的模型 API 费需用户自行承担；SDK 商用部署无平台服务费，但第三方接口按需收费。五、分步使用教程场景 1：新手搭建基础 Zap 自动化（通用步骤）注册账号：官网 zapier.com 用邮箱注册账号，免费套餐自动开通。新建 Zap：首页点击 Create Zap，左侧选 Trigger（触发应用） + 触发事件（例：Gmail→New Email matching search）。授权账号：登录绑定对应 APP 账号（谷歌/飞书/Notion 等 OAuth 授权，Zapier 不保存明文密码）。设置动作：右侧选 Action（执行应用 + 动作）（例：Notion→Create Page），再次授权目标软件。字段映射：把触发方数据（邮件标题/正文）填入动作方对应字段。测试开启：测试运行→开启 Zap，自动化生效。场景 2：MCP 连接主流 AI（4 款常用客户端配置）① ChatGPT 接入 Zapier MCP在 ChatGPT 开启开发者模式→Create app，命名 Zapier MCP。填写接口地址：https://mcp.zapier.com/api/v1/connect，默认鉴权→创建。点击 Connect 跳转登录 Zapier 账号。对话框输入：Use the Zapier MCP App to onboard me，自动完成初始化。② Claude 接入 Zapier MCP指令操作：对话粘贴指令："Connect to Zapier MCP for me. If I haven't already connected to Zapier, prompt me to install the connector. After the connector is installed, use the Zapier MCP list skills tool to find the onboarding skill then run it to set me up in a flash!"执行流程：等待引导安装连接器，执行初始化技能即可。③ Cursor 编辑器接入指令操作：新建 Agent 对话，粘贴提示词："Set up my Zapier MCP plugin in a flash! Simply call the get_zapier_skill with name 'zapier-mcp onboarding' on the plugin-zapier-zapier server and follow its instructions. If authentication is needed, help me through it, then retry."执行流程：安装插件后自动走配置流程。④ OpenClaw 接入终端执行：bashnpx -y mcporter mcporter config add zapier --url "https://mcp.zapier.com/api/v1/connect" --client-name "openclaw" mcporter list zapier --schema npx -y mcporter mcporter config add zapier --url "https://mcp.zapier.com/api/v1/connect" --client-name "openclaw" mcporter list zapier --schema 执行流程：校验连通后调用Zapier MCP onboarding初始化。场景 3：开发者安装 Zapier SDK/CLI（终端命令）安装 SDK：npm install @zapier/zapier-sdk安装 CLI 工具：npm install -D @zapier/zapier-sdk-cli登录开发者账号：npx zapier-sdk login文档参考：安装后参考官方文档：https://docs.zapier.com/sdk.md六、新手避坑指南（高频踩坑点 + 解决方案）1. 用量与套餐坑❌ 坑 1：免费版超 100 任务直接停用 Zap，无预警。✅ 方案：开启用量提醒，高频自动化优先升级 Starter，低频多 Zap 拆分错峰运行。❌ 坑 2：误开多无用 Zap，套餐任务被快速耗尽。✅ 方案：不用的 Zap 及时关闭（Turn off Zap），定期清理废弃流程。2. 授权&安全坑❌ 坑 1：用个人账户绑定企业 SaaS（企业微信/CRM），员工离职导致自动化中断、数据泄露。✅ 方案：企业用户统一用企业管理员账号授权，Enterprise 套餐用 IT 托管连接，个人账号禁止绑定业务系统。❌ 坑 2：随便开放 MCP 全应用权限给 AI，AI 误删客户数据。✅ 方案：企业在后台做接口动作限制，禁止 AI 执行删除、批量修改类高危操作，开启 AI Guardrails 安全拦截。3. 自动化逻辑&稳定性坑❌ 坑 1：触发器重复触发（表单重复提交、邮件重发），造成重复建单、重复发消息。✅ 方案：添加唯一 ID 去重筛选，开启 Zapier 原生去重规则（Dedupe），保证幂等。❌ 坑 2：第三方 APP 接口故障，Zap 静默失败无提醒。✅ 方案：开启失败告警（邮件/Slack 提醒），Professional 及以上套餐开启自动重试机制。4. MCP AI 相关坑❌ 坑 1：MCP 接入大模型后，AI 随意调用付费接口，产生高额 API 账单。✅ 方案：在 Zapier 后台限制 MCP 可用应用与动作，拆分测试环境和生产环境。❌ 坑 2：AI 指令模糊，MCP 执行结果不符合预期。✅ 方案：给 AI 精准指令，写明字段、操作范围，避免模糊话术（参考：“只读取 Gmail 收件箱新邮件，禁止删除任何邮件”）。5. 地域&软件适配坑❌ 坑 1：国内小众工具、未出海国产 SaaS 搜不到集成。✅ 方案：用 Webhook/自定义 HTTP 节点中转，或搭配集简云、n8n 补充国内软件。❌ 坑 2：国内网络无法访问 Zapier/部分海外应用授权失败。✅ 方案：企业可使用合规海外节点或替换国内同类自动化工具（集简云、明道云）。6. 成本隐形坑❌ 坑 1：忽略大模型 API 资费，MCP 高频调用 GPT 导致额外高额支出。✅ 方案：区分测试/生产，测试用低成本小模型，生产按需限流调用频次。
Make
Make 平台使用指南Make 是可视化无代码+AI 流程自动化平台，核心实现跨软件数据互通、业务流程自动运行、AI 智能体批量调度，主打拖拽式搭建自动化工作流（Scenario）。一、核心功能1. 跨应用集成自动化（基础能力）内置 3000+ 预制应用连接器：兼容主流 CRM（Salesforce/HubSpot/monday）、财务（Xero/NetSuite）、协作（Slack）、设计（Canva）、表格、邮箱、云盘、各类 AI 大模型（OpenAI/ChatGPT/Sora/Whisper/Perplexity/DeepSeek）等。实现数据互通：例如 Xero 工时统计→自动写入表格→一键生成财务发票；表单新线索自动同步 CRM+Slack 推送提醒。支持自定义系统对接：通过 HTTP 请求模块接入自研软件、私有 API，不限原生应用范围。2. 可视化流程编排（差异化优势）画布式拖拽搭建工作流：支持条件分支（Router 路由）、循环、数据运算、JSON/数组处理、数据筛选、异常报错分支。复杂业务逻辑支持：可搭建远超 Zapier 简易流程的复杂多分支业务逻辑。实时全景管控：提供实时可视化全景地图，管控全平台自动化链路运行状态。3. AI 自动化与自主智能体（AI 核心）模型集成：集成 400+ 预制 AI 模型，一键对接大模型做内容总结、翻译、文案生成、数据解析。自主 AI Agent：可视化搭建自主 AI Agent，实现无人值守自动批量处理任务、跨系统协同作业，全链路可视化管控 Agent 运行状态。4. IT 与企业级自动化运维自动化：服务器监控、告警自动分发、故障工单生成。企业全业务打通：破除各系统数据孤岛，实现企业全业务整合。安全合规：企业版配套日志审计、权限管控、SSO 单点登录，满足 GDPR/SOC2/SOC3 合规要求。5. 附加配套功能触发机制：支持定时触发（Cron 周期：分钟/日/周/月）、Webhook 实时触发、手动测试运行。数据处理：支持数据格式自动转换、临时数据存储。容错机制：支持失败重试配置、流程版本备份。二、适用人群1. 个人/自由职业者典型场景：自媒体、独立顾问、小个体户。应用实例：自动 RSS 资讯采集→AI 总结→Notion 归档；订单数据自动记账；客户消息汇总提醒。2. 中小团队（运营/市场/财务/行政）市场：表单线索→CRM 建档 + 企微/邮件自动触达。财务：工时台账自动生成账单、对账数据同步表格。行政：考勤数据汇总、新员工入职自动开通各类系统权限。3. IT/产品/技术人员应用实例：运维自动化、自研系统对接 SaaS、低成本快速落地内部工具，无需重复开发接口。4. 中大型企业需求：集团多业务系统打通、全公司自动化中台、规模化 AI Agent 落地。合规：合规管控全流程数据（GDPR/SOC2/SOC3 合规）。三、免费&付费套餐（计费单位：Operation 操作）说明：单个模块执行 1 次=1 次操作。超额计费：超出套餐操作额度后按次额外扣费，不自动升级套餐。1. 免费版额度：每月 1000 次操作。工作流限制：最多 2 个活跃工作流 (Scenario)。限制：无企业安全功能、无 SSO、客服仅社区支持、部分高级 AI 模块受限。适用：个人测试、简单低频自动化。2. 付费订阅（按月订阅，美元计价）Core（基础商用）月费：约 $10.59/月操作额度：10000 次/月核心权益：无限工作流、邮件客服、全应用/AI 模块开放、基础日志Pro（中小团队）月费：$34+/月操作额度：10 万次/月核心权益：多子账号、优先客服、高级数据处理、流程监控Enterprise（企业定制）月费：报价制操作额度：定制额度核心权益：SSO、SOC 合规、专属客户经理、私有部署咨询、全平台权限管控四、基础使用步骤（4 步搭建自动化）注册登录官网 make.com 邮箱注册，免费版直接开通，无需绑定信用卡。新建 Scenario（工作流）在画布中点击加号，选择触发应用（起点）（如：新表单提交、定时触发、Webhook）。串联后续模块依次添加目标应用（如 Google 表格、ChatGPT、Slack）。配置 API 密钥授权应用。做字段数据映射（选择哪些字段同步）。测试→启用手动单次测试流程，排查报错。设置运行频率（每天/每小时）。开启激活自动运行。实操示例：新 Notion 表单提交→OpenAI 提炼客户需求→自动在 HubSpot 新建客户→Slack 推送新人提醒。五、高频避坑要点1. 计费踩坑✘ 风险：多节点长流程快速耗额度（1 个 6 节点工作流运行 1 次=6 次操作），高频轮询（每分钟触发）极易快速耗尽月度额度、产生超额扣费。✔ 建议：非必要降低触发频率（优先每日/每周），用路由过滤无效数据减少无用执行，大额用量提前升级套餐。2. API 与授权问题✘ 风险：填写错误密钥（如 OpenAI 填错非充值 Key、第三方应用填错 AppID）导致流程全报错；第三方 SaaS 升级接口后旧连接失效。✔ 建议：密钥单独存档，定期检查应用授权有效性；优先使用官方预制连接器，少用自定义 HTTP。3. 数据重复/冗余✘ 风险：无去重逻辑，重复触发导致表格重复新建行、CRM 重复创建客户；页面 ID 写死无法动态匹配，数据全部录入错误位置。✔ 建议：用「查找/更新」模块（upsert），按手机号/ID 去重；动态获取目标 ID，不硬编码固定页面/文件夹 ID。4. 逻辑死循环✘ 风险：双向同步未加终止条件（表格改数据→同步 CRM→CRM 回写表格→无限循环），短时间吃光免费额度。✔ 建议：设置字段标记，已同步数据不再二次触发；路由分支增加终止条件。5. 免费版隐性限制✘ 风险：免费版看似全应用可用，但高频 AI（GPT4、Sora）单次消耗大量操作，1000 额度几天用完。✔ 建议：AI 类工作流优先上 Core 付费版，测试先用低成本小模型。6. 合规&数据安全建议：企业敏感财务/客户数据避免裸数据流转，企业业务优先企业版开启加密、日志审计、SSO 权限管控，满足 SOC2 合规要求。
n8n
n8n 全维度使用指南n8n 是一个开源可视化 + 代码双模式 AI 工作流自动化平台，对标 Zapier/Make。它主打可私有化部署、全应用互联以及 AI Agent 自定义搭建。平台在 GitHub 拥有 190.1k+ 星标，全球 20 万 + 社区用户，企业客户包括微软、沃达丰、SEAT 等。01. 核心功能1. 可视化低代码自动化（基础核心）拖拽式节点编排：提供 500+ 预制应用节点，开箱接入飞书/钉钉、Google 套件、Slack、各类数据库（MySQL/PG）、ERP、爬虫及网盘等，无需自研 API 对接。双模式开发：小白模式：拖拽搭流程。开发者模式：插入 JS/Python 自定义代码节点，自由扩展非标逻辑，兼顾低代码易用与代码灵活度。多触发方式：支持定时 Cron、Webhook、表单触发、消息触发、API 回调，满足定时报表、实时数据同步等场景。2. AI 原生能力（平台主打亮点）可视化搭建 AI Agent：接入 OpenAI/Claude/Mistral 或本地大模型，全链路可视化追踪 AI 推理步骤。支持 RAG 知识库、多智能体协作、工具调用 Agent。AI 工作流治理：支持人工介入审批（Human-in-the-loop）、输出格式约束、AI 结果自动校验纠错、模型记忆配置，管控 AI 执行边界，满足企业合规要求。自然语言生成工作流：输入需求描述自动生成流程草稿，一键微调落地自动化任务。3. 四大业务落地场景能力IT 运维：新员工入职自动化、安全漏洞扫描 + 工单自动创建、故障告警流转（沃达丰用其做 SOAR 安全自动化，年节省 220 万英镑成本）。DevOps：自然语言转 API 请求、版本更新自动化测试、发布失败自动回滚 + 通知运维。销售/运营：爬取评论→AI 生成客户洞察→自动汇总表格、订单跨系统同步（电商 ERP+ 物流 + 财务）。数据自动化：跨库数据同步、定时爬虫、数据清洗、报表自动推送。4. 企业级管控功能提供审计日志、RBAC 权限、SSO/SAML/LDAP 单点登录、密钥加密存储。支持 Git 版本管理、多环境隔离、工作流历史回溯、运行监控告警。02. 适用人群与场景1. 个人/自由职业（零基础~轻度技术）自媒体：内容采集、关键词监控、稿件分发自动化。办公人：自动汇总表格、邮件分类归档、日程同步、消息提醒。2. 中小企业（运营/销售/IT/产品）运营：表单数据自动入库、社媒消息汇总、活动数据自动报表。IT：内部系统打通、运维告警自动化、低成本替代昂贵 RPA 工具。跨境电商：Shopify 订单→ERP→物流全链路自动流转。3. 技术团队/大型企业（开发/安全/数据）研发：DevOps 流水线、内部 API 网关、私有 RAG 系统搭建。安全团队：威胁情报自动化、恶意链接扫描工单（沃达丰落地案例）。合规行业（金融/医疗）：私有化部署，数据不出内网满足 GDPR、SOC 合规要求。不适合人群：只需要超简单单步自动化（1 个软件内操作，Zapier 免费版即可）、完全零运维不想碰服务器（优先官方云版）。03. 免费与付费方案n8n 提供两种使用形态：自托管本地部署（开源社区版）与 n8n Cloud 官方云端。1. 自托管（本地/服务器/Docker 部署，开源社区版）费用：永久免费。核心全功能无执行次数限制，支持完整源码（GitHub 开源）。权益：全量节点、无工作流数量上限、无限次运行、单用户使用、基础日志调试。限制：无企业功能（如多用户协作、SSO 单点、RBAC 权限、官方技术支持、审计日志、SLA 保障）。企业升级：可购买企业商业授权（Enterprise），按需报价，解锁团队协作、合规管控、原厂售后。2. n8n Cloud（官方 SaaS 云端，注册即用）免费试用版价格：0 元额度：每月 200 次工作流执行，单用户，节点全量，14 天全功能试用，超量停机。Starter 入门版价格：约 20 美元/月权益：5000 次/月执行、5 并发任务、少量团队成员、基础 AI 生成。Pro 专业版价格：约 50 美元/月权益：无限执行、高并发、完整 AI Workflow、多用户协作、工单支持。Enterprise 企业版价格：定制报价权益：私有化云部署、专属售后、SLA、SSO、全合规能力。注意：额外成本。AI 大模型 API（OpenAI/Claude 等）密钥需自费，n8n 只做流程调度，不收取模型费用。04. 三种使用方式方式 1：云端试用（最快上手，5 分钟启动）打开 n8n.io 注册账号。免费额度直接创建工作流，拖拽节点、授权第三方应用（如谷歌/飞书等）。调试运行，用完免费额度按需升级付费套餐。方式 2：本地 Docker 部署（免费自用，数据本地保存，推荐个人）安装 Docker 环境。执行一键启动命令：shelldocker run -d --name n8n -p 5678:5678 -v ~/.n8n:/root/.n8n n8nio/n8n docker run -d --name n8n -p 5678:5678 -v ~/.n8n:/root/.n8n n8nio/n8n 浏览器打开 localhost:5678 进入后台，完全免费无次数限制。方式 3：服务器私有化部署（企业/重度用户）在云服务器（阿里云/腾讯云/海外 VPS）安装 Docker 或 Node。配置域名 +HTTPS 反向代理（宝塔/Nginx），实现外网访问。自托管社区版免费，多人协作需采购企业授权。通用入门步骤（新建工作流）Create Workflow：新建流程。选择触发节点：左侧拖拽触发节点（定时/Webhook）作为流程起点。串联操作节点：串联读表格/发消息/调用 AI，配置 API 授权。调试与查看：右侧 Output 查看每步返回数据，调试报错。激活运行：开启激活状态，定时/Webhook 自动运行流程。05. 高频避坑指南1. 部署相关坑端口占用：默认 5678 端口被占用→需在 Docker 中改端口，如-p 8080:5678。公网 Webhook 失效：第三方服务（谷歌/Slack）强制 HTTPS，自托管必须配置域名+SSL 证书，裸 IP 无法完成 OAuth 授权。服务器资源不足：大批量工作流并发报错→需升级服务器 CPU/内存，或拆分多实例部署。2. 节点与授权坑第三方授权失败：API 密钥不要手动输入，应在节点内点 Authenticate 跳转官方授权；Slack 事件订阅需开启 n8n 监听再填 URL 握手，否则收不到消息触发。数据格式报错：不同节点返回 JSON 结构不一致→应用 Set 节点格式化数据，借助{{$json.字段名}}表达式取值，在 Output 面板实时查看原始数据。AI 调用报错：大模型密钥填错/余额不足→需单独测试 AI 节点，核对 API 地址与 Key，区分本地模型/云端 API。3. 运行与计费坑Cloud 免费版超额停机：云端免费 200 次/月用完直接停止运行，重要自动化不建议依赖免费额度。定时 Cron 时区错误：默认 UTC 时区，国内需手动改成 Asia/Shanghai，否则定时任务时差 8 小时。自托管误开付费功能：社区版强行启用 SSO/多用户会报错，企业功能必须采购商业授权。4. 流程设计坑复杂流程拆分：别全堆在一个工作流，拆分模块化子流程。逻辑复用：频繁复用的逻辑保存为模板，减少后期修改成本。06. 补充优势小结对比 Zapier：自托管免费无执行上限、可自定义代码、数据自留、合规友好。主要缺点：自托管需要基础运维能力。建议：零基础短期优先使用 Cloud 试用版；有一定技术基础或关注数据隐私的企业，可选择本地部署。