by 凡达恩FDE


一家制造企业的老板在经营会上抱怨"跟单流程太慢",传统IT的反应是写《智能工厂中台立项报告》,招外包项目经理,六个月后交付一套没人用的系统。FDE的反应是:会后要个只读权限,拉一年订单数据,用Dify导入生产异常处理SOP,半天搭出一个"交期异常预警Agent",当天让业务方看到效果。

这不是讲故事。这是FDE在客户现场每天都在做的事。低代码平台,就是让这种速度成为可能的"第一把刀"。

为什么低代码是FDE的第一把刀

FDE的核心使命是"最后一公里"交付。但在客户现场,业务方给你的时间窗口往往只有几天。你跟老板说"给我三个月,我给你搭一套完整的智能体架构",老板的耐心在第二周就耗光了。

低代码平台解决的就是这个矛盾。它们把80%的通用AI能力——对话、RAG、Agent编排、工作流——封装好了,FDE只需要聚焦那20%的业务差异化逻辑。

有人会问:低代码不就是拖拽吗?能做出什么像样的东西?

这就回到了第三讲的核心:FDE交付的不是代码,是业务价值。低代码平台让你用小时级甚至分钟级完成一个可交互的Demo,业务方当场就能判断"这个方案行不行"。如果三天能验证一个假设,你为什么要花三个月写工程架构?

▎ 在客户现场,速度本身就是一种交付物。你给老板的不是一套系统,是一个当天能跑的Demo。

Dify:RAG管道的瑞士军刀

三把刀里,Dify是目前企业级场景中用得最广的开源智能体平台。

它最值钱的能力是RAG Pipeline的可视化编辑器。导入PDF、Word、网页链接,自动完成文档解析、Chunk切分、Embedding入库,全程不写一行代码。然后配置检索策略,选TopK、设Score阈值,选Embedding模型和LLM,一个基于企业私有知识的问答Bot就出来了。

这恰好对应了第四讲里FDE的"AI驯化师"角色。Dify的"片段召回"机制,你可以设TopK和Score阈值,这正是管理"概率性输出"中控制幻觉的前线工具。检索回来的内容Score低于阈值,直接不喂给大模型,减少幻觉的根源。

在制造业场景里,FDE用Dify在半天内导入《生产异常处理SOP》,配一个"交期异常预警Agent",让业务方当天看到效果。

Dify还有一个杀手级功能:Agent工作流编排。拖拽节点就能定义意图识别、工具调用、条件分支和人审节点。比如"客服工单分流"——客户投诉进来,Agent先识别意图(产品质量/物流延迟/售后咨询),再走不同分支处理。这种复杂业务逻辑,传统开发至少两周,Dify半天能搭出原型。

💡 划重点

Dify的核心价值不是"能做什么",而是"让FDE不用从零造轮子就能做什么"。它把RAG入库、检索、生成、Agent编排这条链路全打通了,FDE只需要往里面填业务逻辑。

Coze和n8n:一个管说话,一个管跑腿

Dify是"对话型"智能体平台,擅长的是"你说一句,AI答一句"。但企业现场还有一种需求:定时跑、自动跑、不需要人盯着也能跑。这时候就该Coze和n8n上场了。

Coze(字节跳动出品)的核心优势是插件生态和多Agent协作能力。它内置了大量可直接调用的工具——搜索、绘图、数据查询,而且"卡片式回复"对业务人员极为友好。老板要看一个高保真Demo,Coze用插件生态快速出彩,视觉效果拉满。

但Coze有个硬伤:私有化部署能力弱。企业要求数据不出内网,Coze就不是首选项,得回Dify或自建方案里找。FDE选型时,数据合规是比功能丰富度更高优先级的筛选项。

n8n的定位跟Dify完全不一样。Dify是"对话型"智能体平台,n8n是"流程型"自动化工具。n8n擅长的是定时任务、Webhook接收、API轮询和数据清洗。

举个例子。电商竞品监控场景:n8n定时触发(每30分钟)→ HTTP请求爬取竞品页数据 → Code节点写JavaScript/Python做数据清洗去重 → 条件判断(价格波动超过5%触发通知)→ 推送到企业微信或钉钉。全程不需要人盯着。

n8n的"Code节点"支持自定义脚本,FDE可以在里面写轻量数据清洗逻辑,不用引入重型ETL工具。

✎ 互动提问

Dify和n8n的最佳组合是什么?Dify负责"智能决策",判断这封邮件该分到哪个类、这个异常该不该预警;n8n负责"自动化执行",定时拉数据、推通知、跑流程。一个出主意,一个跑腿。你的企业里,哪些场景需要"说话",哪些场景需要"跑腿"?

选型的本事比选型本身值钱

面对Dify、Coze、n8n、MaxKB、AnythingLLM这一堆工具,FDE必须建立选型哲学。核心原则只有一个:场景匹配而非追新。

一个内部文档问答Bot的需求,你非要上Dify搭全套Agent编排,杀鸡用牛刀。MaxKB或AnythingLLM比Dify更轻量,半天就能上线。

需要复杂的多轮对话加工具调用?选Dify的Agent模式,它的节点编排能力最强。

需要定时抓取外部数据并推送?选n8n,它的定时触发和Webhook能力是专业的。

需要快速给老板看一个高保真Demo?选Coze,用插件生态快速出彩,视觉效果好。

需求
首选工具
理由
内部文档问答
MaxKB / AnythingLLM
更轻量,半天上线
多轮对话+工具调用
Dify Agent模式
节点编排能力最强
定时抓取+自动推送
n8n
定时触发和Webhook专业
快速高保真Demo
Coze
插件生态+卡片式回复

这里有个容易踩的坑。很多技术人看到新工具就想试,觉得用了最新最潮的平台就是技术先进。但FDE不是工具测评博主。你选Dify还是选Coze,业务方不关心,他关心的是"跟单员每天省了多少时间"。

▎ 追新的人选工具,FDE选场景。先搞清楚要解决什么问题,再决定用什么刀。

还有一个关键决策点:PoC阶段优先用低代码工具,但当PoC验证通过、需要升级为可维护工程时,就得考虑迁移到LangGraph或FastAPI等工程框架。低代码平台是"验证假设"的快刀,不是"长期运维"的重器。用低代码搭原型验证可行性,用工程框架搭生产级系统保证可维护性。两个阶段,两套工具,别混着用。

工具不是护城河,判断力才是

五讲下来,你已经知道FDE是什么、为什么企业AI项目会失败、怎么从Code-First跳到Value-First、四顶帽子怎么戴。现在你又多了一层武器库:低代码平台。

但武器库再满,开枪的判断力还是在你脑子里。

Dify能帮你搭RAG管道,但"该不该用RAG"是你判断的。n8n能帮你跑自动化流程,但"这个流程值不值得自动化"是你判断的。Coze能帮你出彩,但"老板需要的是Demo还是真效果"是你判断的。

在客户现场,我们可能会遇到客户已经采购了如腾讯WorkBuddy、百度DuMate、阿里QwenWork等企业级AI应用。作为一名FDE,你的任务不是去重新发明一个,而是要理解这些产品的API和开放能力,将它们作为你的Agent可以调用的‘工具’来集成到你的系统中。 例如,你的Agent可以调用WorkBuddy的API,自动创建一个会议纪要的任务。这体现了FDE的‘架构操盘手’角色,能将任何现有资产纳入你的‘智能体军团’。

大家要留意的是:FDE模式的精髓在于“现场适配”和“持续迭代”。

  • WorkBuddy等产品:它们封装了最通用的功能,但面对制造业车间里那些“非标”的、需要调用ERP/MES接口、需要接入老旧PLC、需要处理纸质工单的特殊场景,这些成品软件往往无能为力。它们无法像FDE那样,在客户现场花2小时写一个胶水脚本,把两个原本不互通的数据源打通。

  • 低代码平台(如Dify):才是FDE实现这种“定制化”的利器。FDE可以在Dify上拖拽出一个“自动排产Agent”,绑定企业微信API,接入ERP数据库,并设计一套“紧急订单自动升级”的复杂逻辑。这是成品软件无法做到的。


工具会过时也会进化,Dify今天是最广用的,明天可能有更好的平台替代它。但FDE的选型哲学不会过时——场景匹配、快速验证、低代码先行、PoC通过再工程化,这套打法在Software 3.0时代通用。

一把好刀在不会用的人手里,跟一块废铁没区别。FDE值钱的不是他会用什么工具,是他知道什么时候用什么工具、什么时候不用工具。

课后做一件事:拿出你最近参与的一个项目,问自己三个问题——当时用了什么工具?这个工具是场景匹配选的,还是"手里有什么就用什么"?如果重来,你会换工具吗?

答案可能会让你出汗。但出汗的时候,就是操作系统在换血的时候。下一讲,我们进入武器库的第二层——工程框架与向量数据库,教你把低代码PoC升级为可维护的生产级系统。记住,低代码是快刀,工程化才是铠甲。两样都得有。

Deal Onsite, Deliver Real Value|扎根现场,产出实效

如果觉得有用,欢迎分享给更多人 🎉


- END -