之前的内容一直都在讲 Coze ，但智能体比较火的除了 Coze 以外还有 Dify。

讲了很多期 Coze ，但没讲过 Dify ，所以本期我们来讲解 Dify 。

同时也给新关注的朋友们讲讲 Coze ，让新朋友对智能体有个初步的了解，为咱们接下来无论是学习 Coze 还是 Dify 都有一定的帮助。

（给俺点点关注，咱们接下来一起学习 Dify 吧，嘿嘿）

Coze

平台的定位与目标

Coze 是字节跳动推出的一站式 AI 应用开发平台，定位为“ AI 2.0时代的智能体开发平台”，目标是让开发者、企业和普通用户都可以通过可视化操作创建个性化 AI 应用。

平台支持将开发的智能体部署到微信、飞书、Discord 等主流社交平台，或者通过 API 集成到现有业务系统。

借助扣子提供的可视化设计与编排工具，你可以通过零代码或低代码的方式，快速搭建出基于大模型的各类 AI 项目，满足个性化需求、实现商业价值。

平台的核心优势

拖拽式工作流：提供可视化的拖拽界面和丰富的模板，无需编程就可以搭建AI应用（如智能客服），特别适合非技术用户快速上手。

多平台部署：一键发布至微信、飞书、抖音等平台，直接触达C端用户。

多模态交互：集成文本生成、图像理解、语音合成功能，可一键生成小红书文案（往期文章有）或分析表格数据。

持久化的记忆能力：可持久记住用户对话的重要参数或内容，实现越用越懂你的智能推荐。

垂直领域定制化能力：提供电商推荐系统、医疗数据分析等解决方案，与字节系产品（抖音、飞书）集成。

平台存在的劣势

输出效果不稳定：复杂任务（比如代码生成）容易受底层模型能力的限制，需频繁调试 Prompt 。

并发能力不足：比如批处理的内部节点过多的话，就会导致报错无法运行，部分插件仅支持单线程。

公开知识库风险：用户上传的知识库默认可能被搜索引擎抓取，存在信息泄露风险。

生态封闭：与字节系生态绑定，深度依赖抖音、飞书等平台，跨生态扩展能力弱于开源竞品（如Dify）

日志体系不完善：API 调用日志查询困难，故障排查效率低。

计费模式

Coze 推出个人免费版，个人进阶版，团队版以及企业版订阅套餐，每个订阅套餐的权益范围不同，采用包年包月+按量付费的混合计费模式。

推广与变现

将智能体上架到商店

扣子支持你将创建的智能体发布到商店以获得更多的曝光，让扣子社区的其他用户发现、使用你的智能体，进而从中收取费用。

不过扣子官方对上架到商城的智能体有一套推荐标准，比如基础要求：智能体头像，介绍，开场白，推荐对话。再比如品质要求：如果使用了工作流，插件，知识库等能力，运行的正常情况下会获得优先推荐。

Dify

Dify是一个开源的生成式AI应用开发平台，融合了后端即服务与LLMOps（大语言模型运维）理念，旨在降低 AI 应用开发门槛，支持从原型设计到生产部署的全生命周期管理。

平台的主要优势

多模型模特支持：兼容GPT-4、Claude3、Llama3、DeepSeek等数百种专有和开源模型，支持动态切换和混合调用策略

灵活调用：内置模型性能对比工具，优化推理效果，满足不同场景对模型精度和成本的需求。

RAG与知识管理能力突出：支持PDF、PPT等文档解析，采用混合检索（语义+关键词）和动态阈值优化，提升知识库问答的准确性，提供经济型（低成本）和高质量型（高精度）知识库分类，适配不同业务需求。

企业级 LLMOps 与生产级能力：提供全流程管理功能，包括实时监控、日志分析、权限管理及数据版本控制，支持高并发场景下的稳定部署。支持私有化部署，保障金融、医疗等高合规性行业的数据安全。

平台存在的劣势

模型依赖性强：平台效果高度依赖所选大语言模型的质量，如果模型本身存在任务短板，Dify难以完全弥补。

复杂任务处理能力受限：对高度专业化任务（如法律合同深度解析）需结合微调模型或外部工具，无法仅通过提示工程解决。

API调用成本较高，依赖OpenAI等第三方付费接口，高频调用或大规模部署时成本可能显著增加。

学习门槛较高：需理解“向量数据库”“模型调优”等技术概念，对非开发者用户不够友好。

计费模式

Dify 有免费版，专业版，团队版，整体价格对普通玩家来说昂贵。

	Coze	Dify
源码	闭源	开源
用户友好度	高	高
技术要求	低	中
资源导出	不支持	支持导出

总结

Coze 适合企业轻量化 AI 部署和开发者快速验证创意，尤其在中文场景和字节生态中有很大的优势。

但对高定制化需求或者说复杂任务自动化场景，需结合 Dify 等开源平台或者自研模块进行互补。

如果你对智能体的要求不高，然后你又没有技术方面的基础，那么我建议你选择 Coze 。

如果你是一位智能体的爱好者，然后你又有一定的技术基础，那么我建议你选择 Dify。

如果你第一次听说什么是智能体，我建议你选 Coze 。

 如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓