先講定位：四款不是同一類
| 類別 | 代表 | 角色 |
|---|---|---|
| Agent builder（no-code / low-code） | Dify、Coze | 拖拉介面建 chatbot / workflow / RAG |
| Coding agent | Claude Code | Terminal CLI、subagent、repo-wide |
| Code-first framework | LangGraph、CrewAI | 自寫 agent flow / multi-agent |
| Automation + AI nodes | n8n、Make | 自動化平台加 AI 節點 |
「該不該選 agent builder」這題的真正問題是：你的場景是 prototype，還是 production；不是「哪個 agent 最強」。
Dify：產品原型與 RAG workflow
| 項目 | 內容 |
|---|---|
| 開源 / 部署 | 開源、可自架 |
| 雲端方案 | Free（200 credits、1 member、5 apps、50 docs、50 MB）／ Professional $59/月 ／ Team $159/月 |
| 最新版本 | v1.13.3（2026-03-27） |
| 強項 | RAG 工作流、visual builder、可自架、開源治理 |
| 弱項 | Free 是 sandbox 不是 production；多 agent 協作能力有限 |
適合：產品 PM 想驗 idea、團隊想做內部知識庫 PoC。
Coze：低門檻 bot / agent builder
| 項目 | 內容 |
|---|---|
| 形態 | bytedance 系 SaaS，國際版 coze.com / 中國版扣子 coze.cn |
| 強項 | 範本多、入門摩擦低、AI Bot 跨平台分發 |
| 弱項 | quota / pricing 細節在不同版本差異大；需逐一驗官方文件；2026-04 推 Coze 2.5「Agent World」生態（資料以官方為準） |
適合：行銷 / 客服 / 沒技術底子，想快速做出能跑的 chatbot 或自動化 bot。
注意：用 Coze 前要先確認資料治理：訊息是否被存、保留多久、是否可關 training。
Claude Code：Terminal / coding agent
| 項目 | 內容 |
|---|---|
| 形態 | Anthropic Terminal CLI agent |
| 強項 | subagent 各有獨立 context、slash / MCP commands、hooks、適合 repo-wide 任務 |
| 弱項 | 學習曲線（一兩週才會順）、需自管 tool 權限與 audit |
適合：開發者、需要 repo-wide / 多 agent 工作流、要把排程跟 Terminal-first 工具串起來。
自建框架：LangGraph 與 CrewAI
| 項目 | 內容 |
|---|---|
| LangGraph | graph-based agent flow，langchain 生態 |
| CrewAI | 多 agent 協作框架 |
| 強項 | 邏輯透明、可版控、可組裝任意流程 |
| 弱項 | 自管 memory / tool registry / retry / log；不是 no-code 入口 |
適合：知道要做什麼、有工程資源能維護的團隊。
同類補充
- OpenAI AgentKit：agent builder + runtime tools，pricing 文件列 storage 免費層。
- n8n + AI nodes：把 agent 步驟接進現有自動化平台。
- Microsoft Copilot Studio：M365 體系內的 graphical copilot builder（pricing 頁列 $200 / 25,000 Copilot Credits / 月）。
新手怎麼選
| 你的情境 | 建議入口 |
|---|---|
| 想快速做 internal FAQ bot | Coze 或 Dify Cloud Free |
| 想做 RAG knowledge base 原型 | Dify（self-host 或 Pro） |
| 主場 Terminal、要自動化排程 | Claude Code |
| 要做客製化 multi-agent system | LangGraph / CrewAI |
| 已有 n8n，只想加 AI 步驟 | n8n + AI nodes |
不該交給 Agent 的事情
- 動錢（轉帳、下單、退款）：保留人類最後核准。
- 刪除資料 / 不可逆對外發送：dry-run 後才放行。
- 法規 / 合規 / 醫療判斷：人主導，AI 輔助。
- 寫入 production database 的批次操作：需完整 audit + rollback 計畫。
結論
四款工具的差別是入口、維護責任、部署場景。先決定要走 no-code、terminal agent 還是 code framework，再進到「該選哪一個」這層。Dify、Coze、Claude Code、自建框架可以共存而非互斥；多數成熟團隊最後是「重 prototype → Dify／重 Terminal 工作流 → Claude Code／重 production multi-agent → 自建框架」這種組合。
小企鵝的經驗
主力是 Claude Code，多 agent 協作走 OpenClaw 路線（不同模型分工 + 共用記憶層 + 權限隔離）。實做最痛的點落在記憶層怎麼分（模型強度反而排第二）；後面〈AI Agent 完整教學〉裡有把這部分拆開講。
Dify、Coze 沒實際長期使用，社群與官方文件研究做了不少，這篇相關段落維持研究整理 voice。要做 PoC 又只有半個禮拜時間的場景，Dify Cloud / Coze Free 的入門摩擦最低；要把 agent 接進長期工作流，會建議直接走 Claude Code 或自建。