先讲定位：四款不是同一类
| 类 | 代表 | 角色 |
|---|---|---|
| Agent builder（no-code / low-code） | Dify、Coze | 拖拉界面建 chatbot / workflow / RAG |
| Coding agent | Claude Code | Terminal CLI、subagent、repo-wide |
| Code-first framework | LangGraph、CrewAI | 自写 agent flow / multi-agent |
| Automation + AI nodes | n8n、Make | 自动化平台加 AI 节点 |
「该不该选 agent builder」这题的真正问题是：你的场景是 prototype，还是 production；不是「哪个 agent 最强」。
Dify：产品原型与 RAG workflow
| 项目 | 内容 |
|---|---|
| 开源 / 部署 | 开源、可自架 |
| 云端方案 | 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） |
| 强项 | RAG 工作流、visual builder、可自架、开源治理 |
| 弱项 | Free 是 sandbox 不是 production；多 agent 协作能力有限 |
适合：产品 PM 想验 idea、团队想做内部知识库 PoC。
Coze：低门槛 bot / agent builder
| 项目 | 内容 |
|---|---|
| 形态 | bytedance 系 SaaS，国际版 coze.com / 中国版扣子 coze.cn |
| 强项 | 模板多、入门摩擦低、AI Bot 跨平台分发 |
| 弱项 | quota / pricing 细节在不同版本差异大；需逐一验官方文档；2026-04 推 Coze 2.5「Agent World」生态（数据以官方为准） |
适合：营销 / 客服 / 没技术底子，想快速做出能跑的 chatbot 或自动化 bot。
注意：用 Coze 前要先确认数据治理：消息是否被存、保留多久、是否可关 training。
Claude Code：Terminal / coding agent
| 项目 | 内容 |
|---|---|
| 形态 | Anthropic Terminal CLI agent |
| 强项 | subagent 各有独立 context、slash / MCP commands、hooks、适合 repo-wide 任务 |
| 弱项 | 学习曲线（一两周才会顺）、需自管 tool 权限与 audit |
适合：开发者、需要 repo-wide / 多 agent 工作流、要把调度跟 Terminal-first 工具串起来。
自建框架：LangGraph 与 CrewAI
| 项目 | 内容 |
|---|---|
| LangGraph | graph-based agent flow，langchain 生态 |
| CrewAI | 多 agent 协作框架 |
| 强项 | 逻辑透明、可版控、可组装任意流程 |
| 弱项 | 自管 memory / tool registry / retry / log；不是 no-code 入口 |
适合：知道要做什么、有工程资源能维护的团队。
同类补充
- OpenAI AgentKit：agent builder + runtime tools，pricing 文档列 storage 免费层。
- n8n + AI nodes：把 agent 步骤接进现有自动化平台。
- Microsoft Copilot Studio：M365 体系内的 graphical copilot builder（pricing 页列 $200 / 25,000 Copilot Credits / 月）。
新手怎么选
| 你的情境 | 建议入口 |
|---|---|
| 想快速做 internal FAQ bot | Coze 或 Dify Cloud Free |
| 想做 RAG knowledge base 原型 | Dify（self-host 或 Pro） |
| 主场 Terminal、要自动化调度 | Claude Code |
| 要做定制化 multi-agent system | LangGraph / CrewAI |
| 已有 n8n，只想加 AI 步骤 | n8n + AI nodes |
不该交给 Agent 的事情
- 动钱（转帐、下单、退款）：保留人类最后核准。
- 删除数据 / 不可逆对外发送：dry-run 后才放行。
- 法规 / 合规 / 医疗判断：人主导，AI 辅助。
- 写入 production database 的批次操作：需完整 audit + rollback 计划。
结论
四款工具的差别是入口、维护责任、部署场景。先决定要走 no-code、terminal agent 还是 code framework，再进到「该选哪一个」这层。Dify、Coze、Claude Code、自建框架可以共存而非互斥；多数成熟团队最后是「重 prototype → Dify／重 Terminal 工作流 → Claude Code／重 production multi-agent → 自建框架」这种组合。
小企鹅的经验
主力是 Claude Code，多 agent 协作走 OpenClaw 路线（不同模型分工 + 共用记忆层 + 权限隔离）。实践最痛的点落在记忆层怎么分（模型强度反而排第二）；后面〈AI Agent 完整教程〉里有把这部分拆开讲。
Dify、Coze 没实际长期使用，社区与官方文档研究做了不少，这篇相关段落维持研究整理 voice。要做 PoC 又只有半个礼拜时间的场景，Dify Cloud / Coze Free 的入门摩擦最低；要把 agent 接进长期工作流，会建议直接走 Claude Code 或自建。