Coze vs Dify：国内 Agent 平台双雄实测

TL;DR

五分钟搞清楚定位

• Coze（扣子） 是字节出品的 Agent 搭建平台，思路是"让你不写代码也能做 Bot"，国内版接抖音/飞书生态，海外版接 Discord/Telegram。
• Dify 是开源 LLMOps 平台（Apache 2.0），定位是"让企业能把 LLM 落地成生产级应用"，可自托管。

两者都做：Prompt 编排、工作流（Workflow）、知识库（RAG）、API 输出。区别在哲学。

实测：搭一个"客服 Bot"

任务：用一份 PDF 知识库 + 1 个查订单 API，搭一个能回答客户问题的 Bot。

Coze

• 15 分钟搞定。UI 引导极强，知识库上传、API 卡片配置、对话流编排都是拖拽。
• 发布到飞书机器人 = 一键。
• 缺点：模型只能选豆包/Doubao（海外版可选 GPT），不能用 Claude；某些深度配置（如自定义切片策略）藏得很深。

Dify

• 40 分钟搞定（首次熟悉）。流程是：建 App → 选 Chatflow 编排 → 配 LLM Node + 知识库 Node + HTTP Node → 调试 → 发布 API。
• 优点：每一步都能看到底层在干什么，模型可任意切换（OpenAI / Claude / 国产 / 本地 vLLM）。
• 发布后给一个 OpenAI 兼容 API endpoint，前端怎么对接随你。

实测：复杂工作流

任务：用户输入需求 → 拆解子任务 → 并行调用 3 个工具 → 汇总 → 输出报告。

Coze

• 工作流编排做得不错，节点丰富，但条件分支和循环没有 Dify 灵活。
• 调试主要看日志，单步调试体验一般。

Dify

• Workflow 模式完整：if/else、迭代器、变量赋值、代码节点（Python）。
• 单步调试 + 变量追踪 + 历史回放都有。
• 复杂场景下心智负担更低，因为所见即所得。

私有化部署

• Coze：不支持。国内版数据在字节云，金融/医疗等强合规行业不能用。
• Dify：支持。一条 docker compose up -d 就能起完整栈，包括 Web、API、Worker、PostgreSQL、Redis、Qdrant。

我们生产环境跑 Dify 的客户已经超过两位数了，自部署稳定性 OK。

计费现实

• Coze 国内版：免费（字节战略性投入），但流量大了之后限流。
• Coze 海外版：免费试用 + 按量付费。
• Dify SaaS：有免费额度，超出按量付费。
• Dify 自部署：完全免费，只需自己付 LLM API 的钱。

选型建议

• 个人 / 小团队 / 飞书生态 / Bot 玩具 → Coze。免费、快、生态好。
• B 端 SaaS / 严肃业务 / 数据合规要求 → Dify。自部署 + 模型自由 = 长期可控。
• 想要更轻量更专注 RAG → 看 FastGPT，它在文档问答这块比这两位都更专注。

踩坑记录

Coze

• 海外版 vs 国内版的工作流不互通——别在国内做完想着搬海外。
• 知识库切片策略改动后老数据不会自动重切，需要重新上传。

Dify

• 0.x → 1.x 升级有破坏性变更，跨版本要看迁移指南。
• 自部署默认 SQLite，生产必须切 PostgreSQL，否则并发 > 50 会崩。
• Vector store 默认 Weaviate，国内访问镜像源问题多，建议切 Qdrant。

完整 Dify 自部署工作流（playbook 待上线）。