企业官网建设流程全解析

本文收录于专栏《AI Agent原理与实战》2026版—— 专栏系统覆盖 AI Agent 的记忆、工具、插件与实战，点击订阅可跟踪后续更新。

本课定位：代码框架之外的三条路：Dify/Coze/n8n 低代码三平台、WorkBuddy/钉钉/飞书企业 IM 平台。本课讲清"流程驱动 vs AI 原生"的世界观分野、何时选低代码、平台锁定风险，并完成 Dify 知识库 Agent 全流程——非工程师读者的一课

阶段 3｜框架与协议 ｜ 来源：【补】

关键字：低代码平台、Dify、Coze、n8n、流程驱动、AI原生平台、企业IM集成、平台选型

本节目录

• 20.1 三个平台的定位
• 20.2 流程驱动派 vs AI 原生派：本质分野
• 20.3 何时选低代码：三个成立条件
• 20.4 平台风险清单
• 20.5 第四类：企业 IM 平台（WorkBuddy / 钉钉 / 飞书）
• 20.6 案例：在 Dify 上搭建知识库问答 Agent 全流程【未实测——以下为官方文档口径的搭建指南，Docker 环境当日检索验证】
• 20.7 对照案例：WorkBuddy 接入一个 MCP server【未实测——官方文档口径】

概念讲解

20.1 三个平台的定位

第 15 课把工具栈分成代码框架与低代码两阵营，本课展开后者。2026 年中文圈最主流的三家：

能力对照（2026-10 检索口径，中文社区多篇横评交叉验证）：

20.2 流程驱动派 vs AI 原生派：本质分野

微软课程思想（本课无微软原课直接对应，借用原课第 2 课的"框架 vs 托管服务"分工论）：微软在第 2 课用"Microsoft Agent Framework（SDK，写逻辑）vs Foundry Agent Service（平台，管部署运维）"示范了一个判断——当你的核心诉求从’控制逻辑’转向’免运维、快速上线’时，选择就从代码框架滑向平台。低代码平台是这个光谱的极致延伸：平台接管的不只是部署，还有编排本身。本课"流程驱动 vs AI 原生"的分野与"何时选低代码三条件"即按此思想推导，并补上微软视角之外的国产平台实况（Dify/Coze/n8n 与企业 IM 平台）。

低代码平台内部还有一条更深的分界线——平台的世界观是"流程"还是"对话"：

• 流程驱动派（软件工程世界观）：n8n 是典型。画布的原子是触发器和动作节点，AI 只是其中一类节点。你先定义流程骨架（触发→步骤→分支→交付），LLM 在指定位置被调用。控制流显式、可审计、可重放——本质是带 AI 能力的自动化工程。
• AI 原生派（对话世界观）：Coze 的 Bot 模式是典型。核心是一个对话 Agent（模型 + 提示词 + 插件 + 记忆），工作流只是它手上的工具。控制流隐式在模型的决策里。
• Dify 两边都占：Chatflow/Agent 应用偏 AI 原生，Workflow 画布偏流程驱动。

这条分野直接映射第 4 课的判定框架：任务流程固定、要可审计 → 流程驱动（n8n/Workflow）；任务需要动态决策、探索式 → AI 原生（Agent/Bot）。错误匹配的代价：用流程画布硬拼动态决策任务会得到一堆条件分支的怪物；用自由 Agent 做固定流程任务则烧 token 且不可复现。

20.3 何时选低代码：三个成立条件

低代码不是"低人一等"，它在不满足以下任一条件时是更优解：

1. 快速验证：想法→可演示原型的时间以小时计（代码框架以天计）。验证失败沉没成本最低。
2. 非工程师使用/维护：运营、产品团队自主搭建和迭代，不占工程师排期。
3. 需求在平台能力边界内：知识库问答、固定流程自动化、轻量工具编排——恰好是 Dify/Coze/n8n 的舒适区。

反之选代码框架的信号：需要自定义工具协议/复杂状态管理/单元测试/CI/深度可观测/精细成本控制（第 16 课的领域）。

一个务实的组合模式（社区常见实践）：Dify 做 AI 应用层（RAG + 对话）+ n8n 做外层自动化（定时触发、系统对接、审批分发）——两个开源平台各司其职，中间用 Webhook/API 连接。

20.4 平台风险清单

• 锁定：Coze 闭源 SaaS，Bot 不可导出到自建环境；Dify/n8n 自托管可迁移但配置导出有平台格式。
• 成本模型：SaaS 按量计费随规模上涨快；自托管承担运维成本（Docker/K8s）。
• 能力天花板：复杂多 Agent 编排、自定义安全策略、细粒度可观测在低代码平台都是二等公民——撞到天花板时迁移成本与代码框架的初始成本要做权衡（第 15 课判定式的镜像）。

20.5 第四类：企业 IM 平台（WorkBuddy / 钉钉 / 飞书）

第 15 课的类目地图里，低代码之外还有第四类——企业 IM 平台侧的 Agent。2026 年国内的大趋势：Agent 从独立网页搬进企业微信/钉钉/飞书会话，非技术同事直接 @ 使用。

与 Dify 类自建平台的边界：

• 分发型（WorkBuddy/钉钉/飞书）：核心价值是组织内分发与治理——权限继承企业通讯录、审计走平台、同事零学习成本；代价是能力天花板由平台决定，深度定制难。
• 自建型（Dify 自托管）：核心价值是数据主权与可迁移——私有化部署、应用可导出嵌入自己产品；代价是要自己管部署运维和"让用户来哪用"的问题。
• 两类不是互斥：企业常见组合 = Dify/代码框架造核心能力 → 封装成 MCP server → WorkBuddy 类平台做分发（第 18 课企业侧分发一节的完整闭环）。

案例实战

20.6 案例：在 Dify 上搭建知识库问答 Agent 全流程【未实测——以下为官方文档口径的搭建指南，Docker 环境当日检索验证】

运行环境说明：Docker DesktopWindows 版是最顺手的复现路径（Windows 10/11 装 Docker Desktop，WSL2 后端，之后命令与 Linux 完全一致）；Linux 原生 Docker Compose 同样支持。两种环境以下的git clone/docker compose up -d命令逐字相同。国内网络注意：Docker Hub 拉镜像可能需要配置镜像加速（Dify 官方文档有国内镜像源说明）。本课撰写当日未起 Docker 环境（本机 Docker 服务不可用），故整段标注未实测。

目标：从零部署 Dify → 建知识库 → 配 Agent → 发布为 Web 应用。

步骤 1：部署（自托管，Docker Compose）：

# Dify 社区版 Docker 部署（官方文档口径，2026-10-01 检索）gitclone https://github.com/langgenius/dify.git--depth1cddify/dockercp.env.example .envdockercompose up-d# 默认端口 80；首次访问 http://localhost/install 初始化管理员账号

步骤 2：配置模型供应商：右上角"设置 → 模型供应商"接入任意 OpenAI 兼容 API——国内模型（DeepSeek / MiniMax / GLM / MiMo，端点表见第 16 课 16.7 节）在此步骤直接可用，或接本地 Ollama（http://host.docker.internal:11434/v1）。Dify 支持数十家模型供应商，国产模型均有预置集成。

步骤 3：创建知识库：

1. "知识库 → 创建"上传文档（PDF/Word/Markdown/网页等）。
2. 选分段策略（通用/父子分段/Q&A 分段）与索引方式（高质量=嵌入模型 / 经济=关键词）。
3. 等待嵌入完成（第 11 课 RAG 管线的平台化封装——解析/分块/嵌入/索引全自动）。

步骤 4：创建 Agent 应用：

1. “工作室 → 创建空白应用 → Agent”。
2. 填写提示词（角色 + 边界 + 回答规范——第 13 课上下文工程的原则不变）。
3. 添加工具：选"知识检索"，关联步骤 3 的知识库；可再叠加内置工具（网页搜索等）。
4. 对话调试：右栏试问，观察引用标注与检索命中。

步骤 5：发布："发布 → 运行"得到 Web 应用链接；或用"API 访问"把 Agent 嵌入自己的产品（平台自动生成 OpenAI 兼容 endpoint）。

预期输出：一个带引用来源的知识库问答 Web 应用，全程零代码，30-60 分钟完成（含 Docker 拉镜像时间）。

验收检查单（评估平台型 RAG 是否够用的最小集）：

• 知识库外的问题是否会拒绝/泛答（检索质量边界）；
• 引用标注能否点回原文分段（可信度）；
• 换一个问法（同义改写）命中率是否稳定（检索鲁棒性）；
• 权限：知识库是否对所有访客可见（多租户边界，社区版功能有限）。

为什么标【未实测】：本机当日未起 Docker 环境。以上流程以 Dify 官方文档当日口径整理，命令以官方 docs.dify.ai 为准；若与平台版本不符，以官方文档为准——此为写作规范的诚实标注。

20.7 对照案例：WorkBuddy 接入一个 MCP server【未实测——官方文档口径】

Dify 案例是"从零造应用"；WorkBuddy 路径是"往平台挂工具"，两者对照着看分界最清楚：

1. 管理员进入 WorkBuddy 的 Agent 配置（企业版快速开始流程，腾讯云文档产品 1831）；
2. 在 MCP/连接器配置处填入 server 信息（可视化表单或 JSON；官方社区教程演示过挂腾讯地图 MCP 后直接对话查询"春熙路附近的火锅店"）；
3. 发布——Agent 出现在企业 IM 会话中，同事 @ 它即可用，权限走企业账号体系。

同样的内部能力，Dify 路径要自己管部署 + 分发链接 + 权限插件；WorkBuddy 路径 10 分钟配完但被平台能力边界框住。这就是 20.5 节"分发型 vs 自建型"的具体体感。

小结

• 三平台分工：Dify（RAG/应用工厂，开源自托管）、Coze（最快上手 Bot，闭源 SaaS 为主）、n8n（自动化编排之王，400+ 集成）。
• 深层分野是世界观：流程驱动（n8n，控制流显式可审计）vs AI 原生（Coze Bot，控制流在模型决策里）；Dify 两边都占。
• 选低代码的三个成立条件：快速验证、非工程师维护、需求在平台舒适区内；撞天花板（自定义协议/复杂编排/精细观测）时回代码框架。
• 组合模式：Dify 管 AI 应用层 + n8n 管自动化外层，Webhook 串联。
• 风险清单：锁定（尤其闭源 SaaS）、规模成本、能力天花板——选型时先想退出成本。

参见：第 4 课《何时需要 Agent：决策框架》（流程 vs 动态决策的分界）、第 11 课《Agentic RAG》（Dify 知识库背后的管线原理）、第 15 课《Agent 框架全景与选型》（两类技术栈的分野）、第 16 课《主流代码框架实战》（另一条路径）。

扩展阅读

🌐 网络提示：github.com 需代理（clone 可走 ghproxy 加速、push 优先 SSH）；框架文档站（GitHub Pages/Cloudflare）可达性波动，打不开时稍后重试。详见总纲附录《国内网络访问与国产适配指南》。

• Dify 官方文档（部署与知识库）：https://docs.dify.ai/
• Dify GitHub：https://github.com/langgenius/dify
• n8n 官方文档（AI 节点与工作流）：https://docs.n8n.io/
• Coze 官网（国内版）：https://www.coze.cn/
• WorkBuddy 官方文档（模型配置/MCP）：https://www.workbuddy.ai/docs/zh/
• WorkBuddy Enterprise 快速开始（腾讯云文档）：https://cloud.tencent.com/document/product/1831/134527
• WorkBuddy Managed Agents（WMA 云托管）：https://cloud.tencent.com/product/workbuddy-managed-agents

我的专栏