支持私有化部署
AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


谈一下Coze与JoyAgent开源

发布日期:2025-08-02 06:25:45 浏览次数: 1524
作者:OpenEngineeringCo3

微信搜一搜,关注“OpenEngineeringCo3”

推荐语

字节与京东相继开源AI Agent平台,低代码开发迎来新机遇与挑战。

核心内容:
1. 低代码平台在AI Agent与传统业务系统中的异同分析
2. 构建成功Agent平台的关键要素与长期壁垒
3. 不同领域对低代码平台的特殊需求与技术挑战

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
    最近字节的Coze与京东的JoyAgent相继开源,我想百度的APP-Builder也许也快了。
     Agent开发,特别是低代码的Agent开发商业逻辑基本上可以类比以前的业务系统低代码平台。但是与业务系统的低代码平台又有一些不同。
     相同之处在于
    1、低代码平台是解决企业的敏态需求,而非稳态需求。
    低代码平台一般服务于企业敏态需求,传统低代码覆盖审批流/报表等轻型应用,Agent平台聚焦智能客服/知识检索等AI场景,本质是通过敏捷开发实现“边缘创新”,避免核心系统僵化,快速响应长尾需求。
   当然,敏态需求不一定是非核心业务需求,取决于业务是否是稳态的。
    2、低代码平台需要区分低代码与零代码,两者定位并不一样
    严格区分低代码(Pro-Code)与零代码(No-Code)用户群。传统平台中低代码用户为IT/分析师,零代码用户为业务人员;Agent平台中低代码需复合型”AI工程师“,零代码依赖预制模板的业务专家,成功关键在于清晰定义边界。
    3、低代码的短期是看工具的功能,长期是看积累的库,言外之意需要运营或交付团队积累模板
    短期竞争力依赖功能体验(如表单设计或LLM支持),长期壁垒源于可复用资产沉淀。传统平台靠行业模板/业务组件,Agent平台需积累高质量Agent模板、垂直知识库、工具技能市场及Prompt优化体系,本质是“功能易抄,生态难建”。
    4、两者均依赖分层定价(用户席位/高级功能订阅)与生态繁荣。
    传统平台通过连接器/组件市场扩展场景,Agent平台需构建工具插件、知识库、Agent模板三类生态,变现模式叠加LLM调用量、知识存储等维度,生态规模决定天花板。
     5、如果低代码平台缺乏行业Know-How的差异与模板库的差异,很快就会被开源产品拉平差距,甚至没有开源产品做得好。
     通用的工具链大厂更有优势,大厂还可以通过生态获取额外的报酬从而让开源可持续发展。
    6、面向OT和ET的低代码平台对面向IT的低代码平台更有价值
     IT业务门槛相对较低,造成IT生态圈里面既懂业务、也懂IT 、还懂算法的人才要更普遍一些。而OT和ET领域因为领域知识相对深奥,所以更需要低代码平台抹平IT和算法模型的基础门槛,让懂领域业务的人发挥其业务特长。
    不同之处在于
    1、业务系统低代码平台与Agent平台的用户对数据敏感度不一样
    业务低代码常见云端部署,因数据敏感度较低;Agent平台因涉及决策逻辑与隐私,私有化部署需求更强。特别是针对OT和ET的业务。
   2、业务系统低代码平台与Agent平台的开发者用户能力要求不一样
    传统平台用户需理解业务流程与数据模型;Agent平台要求叠加AI素养(意图分解、工具编排、LLM特性理解),角色升级为“业务+IT工程+算法”三角能力融合的AI工程师。
  3、业务系统低代码平台与Agent平台的技术栈复杂度不一样

    传统平台技术围绕CRUD/工作流引擎,成熟稳定;Agent平台深度依赖LLM、动态编排引擎、RAG、记忆管理等组件,技术迭代快、外部依赖(LLM稳定性)风险高,需强封装能力。


    4、 业务系统低代码平台与Agent平台的价值验证周期不一样


    传统平台ROI直接(如流程提效),见效快;Agent平台价值间接(体验提升/新场景探索),需长期效果验证与迭代,依赖标杆案例与数据分析工具佐证。


     5、业务系统低代码平台与Agent平台的生态核心差异不一样,Agent需要大量配套的低代码平台协助,如数据层,模型层。


    传统生态=业务组件+连接器;Agent生态=技能工具市场+知识源+Prompt模板+评估套件,质量要求更高(错误工具调用可致业务风险),生态构建难度倍增。

     

      通用Agent平台开源有利于行业Agent平台发展
    1、开源的通用Agent平台将促进传统服务商快速构建自己的Agent低代码能力
     通用Agent平台开源(Coze/JoyAgent)将加速工具层标准化,降低行业基础建设成本,但倒逼厂商向知识层与模型层等深水区迁移,Know-How沉淀能力成为分水岭。而传统有Know-How的服务商可以快速利用开源工具搭建具有行业属性的Agent开发平台。
    2、Agent平台还未成熟,还需要有一定的的时间发展
     当前平台处于工具链整合期,需跨越技术稳定性、场景范式固化)、生态价值闭环三阶段,周期受限于AI技术演进速度。同时Agent平台的成熟度也依赖于小模型的丰富度。如果没有各种各样的小模型组合,仅仅靠大模型无法解决制造企业的核心问题。
     3 结合Deep Sesearch的Agent也许是工业领域落地的首选
     虽然知识管理对于大模型时代看起来比较Low,但我始终认为,当前利用大模型把知识管理管好,仍然是一个非常值得去深耕的场景。

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询