编者按：先说点不那么“官方”的话
下面这篇是我让 Claude 做的一份调研，写得挺完整，但读下来总觉得措辞太“官方评测号”了一点，所以在正文之前我想先把自己的真实体感写下来，免得看完下面那堆表格之后还以为我真的被说服了。
第一，主数据库选 MySQL，我觉得挺抽象的。 在 2026 年新开一个开源项目，默认主库还是 MySQL 8.4，这个选择在我看来非常“十年前大厂标配”。不是说 MySQL 不能用，它当然能用——但是在一个对开发者友好、想走生态的项目里，PostgreSQL 几乎在所有维度上都是更合理的默认：JSON/JSONB 原生支持、丰富的扩展生态（pgvector、pg_trgm、全文检索）、更严格的 SQL 标准兼容、更好的并发控制、更现代的运维体验。同类项目里 Dify 用 PG、Langflow 用 PG/SQLite，FastGPT 用 MongoDB + pgvector，只有 Coze 还锁死在 MySQL。更讽刺的是，正因为 MySQL 的 JSON 能力不如 PG、没有 pgvector，Coze 才不得不额外引入 Milvus 做向量、Elasticsearch 做全文检索——一套本来用 PostgreSQL 单库 + 扩展就能搞定的事情，硬生生被拆成了三个中间件。这不像是“深思熟虑的选型”，更像是“字节内部本来就用 MySQL，那就继续用 MySQL，不够的地方再加组件补”。结果就是一个号称 “2 核 4G 就能跑”的轻量项目，docker-compose 里塞了 MySQL + Redis + MinIO + Elasticsearch + Milvus + etcd + NSQ，七个中间件起步。
第二，DDD + 防腐层这件事，我觉得没必要。 调研里把 “严格 DDD 四层分层 + crossdomain 防腐层” 当作 Coze 的架构亮点来写，但坦白说我持保留意见。DDD 在重业务、多团队、长生命周期的复杂企业系统里是有价值的——它帮你在业务边界清晰、领域专家稳定、需求变更可预期的前提下控制复杂度。但一个开源的 AI Agent 平台，业务边界本身就还在快速漂移（今天是 Agent，明天是 Workflow，后天是 MCP），这个阶段套一层严格 DDD + 防腐层，付出的是每次加功能都要穿四层目录、改一堆接口契约的摩擦，换来的是一个并不稳定的“边界”。对于想二次开发的外部贡献者来说，DDD 本身就是一种“隐性门槛”——你得先理解它的分层约定、防腐层的用意、领域对象和 DTO 的转换规则，才能动得了哪怕一个小改动。更务实的做法，应该是分层可以有、但别太重，允许扁平化的 feature module，把“理解成本”降到最低。目前这种写法更像是字节内部团队熟悉的工程范式被原样搬出来，而不是为开源社区的协作节奏设计过。
第三，商业模式这段我就不评具体数据了，但想吐个槽。 最近一两个月我在 X 上刷到的 Dify、Coze 相关广告密度高得有点离谱，而且这些广告有一个非常一致的叙事模板——“我们产品做得挺好的，只是底层模型还不太行”。我每次看到这种话术都觉得有点微妙。点进去看他们的产品，第一眼确实挺花哨的：工作流画布、插件市场、各种花式模板、一键发布到十几个渠道，视觉上信息量很大，给人一种”这东西很强”的错觉。但产品好看和产品好用是两回事，而”产品好用”和”底层模型够聪明”又是两回事。说实话，我自己没有在生产里长期用过 Dify 或 Coze，所以产品层面的判断我保留——但我下载过豆包，也用过一段时间各种号称”Agent 平台”的东西，越用越清楚一件事：在这个阶段，我更看重模型的智商，而不是外壳的花样。 模型智商是上限，产品壳子只是把这个上限包装出来。一个聪明的模型配一个朴素的壳，用起来会越用越顺；一个普通的模型配一个花哨的壳，用第一眼印象很好，用到第三天就开始觉得处处别扭。那些把”产品做得好”当作卖点、同时又在字里行间暗示”模型不够给力”的广告，本质上是在用产品的”密度”去掩盖模型的”厚度”——而这两者根本不是一个维度的东西。我不是说这些产品不好，我是说在模型还在高速迭代的当下，“产品壁垒”这个叙事被过度讲述了。真正的护城河在模型那一侧，产品这边目前还谈不上壁垒——谁今天做的工作流画布更好看一点，三个月后可能就被别人抄走了。
顺着这条线我多说两句。我最近真的在用 Manus，而且觉得它挺好用的——但仔细想，它好用的最大原因不是产品本身有多惊艳，而是它让你选最聪明的模型，GPT-5.4、Claude 4.6 这种直接接进去用。Manus 的产品壳子我觉得做得也还行，第一眼很简洁，能告诉你它能干什么、给你一堆 sample，落地路径很清楚——但你真用下来会发现，它骨子里还是”互联网时代的交互思维”：引导、教学、模板、弹窗、一步步带你走完一个漂亮的 demo 流程。这些东西不是坏事，但对一个开发者来说，其实有点多余。
我现在用得最顺手的 AI 工具，老实说就是 Claude Code。它几乎没有花哨的东西，就是个终端，加上一个足够聪明的模型，加上一小撮恰到好处的工具（文件编辑、命令执行、子 Agent）。对一个开发者来说，这已经够了。 你不需要有人牵着你走完一个 demo，你只需要把你想要的东西说清楚，剩下的交给模型。每个人的需求本来就是不一样的，预设的工作流再漂亮也只是把平均用户的平均需求凝固了下来——你稍微偏离一点，那个漂亮的壳就开始碍事。Claude Code 的克制反而是它最大的优点。
再对比豆包。豆包我也用过——坦白讲，不是智商低，但它给我的感觉确实是娱乐属性 > 解题属性。声音好听、能跟你唱歌、能跟你闲聊、交互做得非常顺滑，很明显背后是有大量人力在打磨”体验”的。这没什么问题，字节是做内容和用户产品出身的，他们最擅长的就是这件事。但当我真的想让它帮我解决一个具体问题的时候，那种”产品感”反而成了噪声——我不需要它先说一句俏皮话再回答我的问题，我需要它直接答对。
把这几个放到一起看，其实指向同一个判断：现在这一代所谓的 AI 产品，大部分还是”互联网思维往 AI 时代的过渡态”。 设计逻辑还是互联网那一套——先占领市场、先把 DAU 拉起来、先把壳子做得够密够花，模型智商的问题”以后再说”。这里面当然有客观原因，显卡买不到这种事我没什么好吐槽的，在有限显卡内能做到现在这个样子已经很不容易。但客观原因不改变一个事实：花哨产品的半衰期会非常短。 当模型继续变聪明，当推理成本继续下降，当底层能力再上一个台阶，今天这些精心雕琢的引导流程、工作流画布、模板市场，大概率会在一两年内被一个更朴素、更直接、让模型直接和用户对话的形态取代。到那个时候，真正留下来的产品不会是”产品壳最花”的那个，而是”最舍得把模型放到前台”的那个。
第四，后端选 Go，在 2026 年的 AI 项目里也挺抽象的。 这个其实跟 MySQL 是同一件事在另一层上的重复。看一眼当下 AI infra 的主流语言分布：TS 那边是 LangChain.js、Flowise、FastGPT、Vercel AI SDK、Mastra，以及几乎所有想做前后端类型共享的 Agent 框架；Python 那边是 LangGraph、LlamaIndex、Langflow、CrewAI、AutoGen，以及所有贴近模型和研究社区的项目；Rust 那边是 tokenizers、candle、mistral.rs、Qdrant、LanceDB 这些底层运行时。Go 在这个赛道里其实挺边缘的——它的传统强项（高并发网关、K8s 那类控制面）在 AI Agent 平台里不是瓶颈。真正的瓶颈在上下文管理、模型调用、工具编排、流式响应、以及”用类型优雅地描述一堆 JSON Schema”，这些事情 TS 做起来最顺手（前后端共享 Schema）、Python 做起来生态最全（所有模型 SDK 都是 Python 一等公民）、Rust 做起来性能最好且类型系统更强。Go 卡在中间：表达力不如 TS/Rust，生态不如 Python，性能也不是决定性优势。字节选 Go 的根本原因和选 MySQL 一样——CloudWeGo（Hertz / Kitex / Eino）整套都是 Go 写的，字节后端主力语言就是 Go，这套东西搬出来开源几乎是零成本。但对外部开发者来说，代价是：想改一行代码得先装 Go 工具链、学 Hertz 的路由风格、搞懂 Eino 的抽象，而这些东西在 AI 社区里的迁移价值接近零——你学会了 Hertz，下一个 AI 项目大概率还是用不上。
把前四点叠在一起，其实就能看出一个很清晰的信号：主库 MySQL、后端 Go、HTTP 框架 Hertz、LLM 运行时 Eino——每一层都选了”字节内部最顺手”而不是”外部社区最顺手”。 这四个选择任何一个单拎出来都能解释，但叠加之后就不再是巧合，而是一个设计目标的暴露：这个项目真正的目标不是”让开源社区共建”，而是”把字节内部的东西原样开源出去”。共建是附带的，不是主线。
一句话总结我的立场：Coze 开源这件事本身是好事，但它目前看起来更像是字节把内部的一套东西“原样”搬出来，而不是真的为外部开发者社区重新设计过一遍。 架构规整是一回事，规整得是否合适、是否对社区友好是另一回事。下面是 Claude 的完整调研，数据和引用都保留，仅供参考。
字节跳动 Coze 开源全景：架构解析与五大竞品深度对比
本文从技术架构和产品设计两个维度，将 Coze 与 Dify、FastGPT、Langflow、Flowise 四大竞品进行全面对比分析，涵盖代码设计、社区数据、开发者口碑、产品功能和商业模式。
引言
2025 年 7 月，字节跳动旗下 AI Agent 开发平台扣子（Coze）正式宣布开源，主要包括 Coze Studio（智能体开发平台）和 Coze Loop（运维优化平台）两大核心项目，均采用 Apache 2.0 许可证 [1][2]。开源发布后 48 小时内即获得超过 9,500 个 GitHub Star [3]，截至 2026 年 4 月，coze-studio 已积累约 20,000 Star [4]。然而，与已拥有约 13.1 万 Star 的 Dify [5] 和约 14.5 万 Star 的 Langflow [6] 相比，Coze 作为开源新兵仍需快速补齐生态短板。
本文将从开源代码架构设计和产品设计两个核心维度，系统对比 Coze 与 Dify、FastGPT、Langflow、Flowise 五大平台的技术选型、功能特性与商业策略，为开发者和技术决策者提供选型参考。
一、技术架构对比
1.1 Coze 的 Go + DDD 架构
Coze Studio 后端选用 Go 语言，HTTP 框架为字节自研的 Hertz，AI/LLM 运行时基于同属 CloudWeGo 生态的 Eino 框架，工作流前端画布使用 FlowGram 引擎 [7]。前端采用 React + TypeScript，以 Rush.js 管理 monorepo，构建工具为 Rust 实现的 Rsbuild [7]。
架构层面，coze-studio 严格遵循领域驱动设计（DDD）的分层模型：API 层 → Application 层 → Domain 层 → Infrastructure 层，并专门设置了 crossdomain/ 作为防腐层（Anti-Corruption Layer），通过接口契约隔离不同领域之间的直接依赖 [8]。Coze Loop 则采用「模块化单体」架构，在 modules/ 下将 data、evaluation、observability、prompt 等模块各自包含独立的 DDD 四层结构 [9]。
存储方面，Coze Studio 使用 MySQL 8.4 作为主数据库、Redis 做缓存、MinIO 负责对象存储，并引入 Elasticsearch（SmartCN 中文分词）做全文检索、Milvus 做向量存储、etcd 做分布式配置管理，消息队列选用 NSQ。Coze Loop 则使用 ClickHouse 存储 Trace 数据，消息队列选用 Apache RocketMQ [9][10]。两个项目均支持 Docker Compose 一键部署，最低硬件要求仅 2 核 4GB RAM [2]。
1.2 竞品架构选型
Dify 采用 Python Flask 后端 + Next.js 前端 + PostgreSQL + Redis + Celery 异步任务队列的经典 Python Web 栈 [11]。在 v1.0 版本中引入了「蜂巢架构」（Beehive Architecture），以六边形架构理念实现组件独立开发、测试和部署 [12]。
FastGPT 走 TypeScript 全栈路线（Next.js + Chakra UI），主数据库使用 MongoDB，向量存储支持 PostgreSQL + pgvector 或 Milvus [13][14]。
Langflow 基于 Python FastAPI 构建，深度绑定 LangChain 生态，由 DataStax/IBM 支持 [6][15]。Flowise 同为 TypeScript 栈但后端用 Express.js，同样构建在 LangChain.js 之上 [16][17]。
1.3 架构对比总结
| 维度 | Coze Studio | Dify | FastGPT | Langflow | Flowise |
|---|---|---|---|---|---|
| 后端语言 | Go (Hertz) | Python (Flask) | TypeScript (Next.js) | Python (FastAPI) | TypeScript (Express.js) |
| 前端框架 | React + TS (Rsbuild) | Next.js | Next.js + Chakra UI | React + TS | React |
| 主数据库 | MySQL 8.4 | PostgreSQL | MongoDB + PG Vector | SQLite/PostgreSQL | SQLite/PG/MySQL |
| 向量数据库 | Milvus | 30+ 可选 [18] | PG Vector / Milvus | LangChain 兼容 | LangChain 兼容 |
| 架构模式 | DDD 严格分层 + 防腐层 | 蜂巢架构（六边形） | Monorepo 单体 | 组件式 | Monorepo 单体 |
| 最低配置 | 2 核 4GB | 2 核 4GB（推荐 4 核 8GB） | 4 核 8GB | 未明确 | 未明确 |
| 部署方式 | Docker Compose / Helm | Docker Compose / Helm | Docker Compose / Sealos / Helm | Docker / pip / 桌面 | Docker / NPM |
二、GitHub 社区数据对比
从社区规模来看，开源 AI Agent 平台已形成清晰的三个梯队（数据截至 2026 年 4 月）：
| 指标 | Langflow | Dify | Flowise | FastGPT | Coze Studio | Coze Loop |
|---|---|---|---|---|---|---|
| Star 数 | ~145,000 | ~131,000 | ~51,700 | ~27,700 | ~20,000 | ~5,400 |
| Fork 数 | ~8,500 | ~21,500 | ~24,000 | ~7,000 | ~2,900 | ~744 |
| 贡献者 | 高活跃 | 462+ | 活跃 | 活跃 | 66 | 较少 |
| 许可证 | MIT | Apache 2.0 + 附加限制 | Apache 2.0 | Apache 2.0 + SaaS 限制 | Apache 2.0（纯净版） | Apache 2.0（纯净版） |
| 开源时间 | 2023 | 2023.5 | 2023 | 2023.4 | 2025.7 | 2025.7 |
| 企业支持 | IBM/DataStax | LangGenius（$30M 融资）[19] | Workday 收购 [17] | LabRing/Sealos | 字节跳动 | 字节跳动 |
数据来源：各项目 GitHub 仓库页面 [4][5][6][13][16]
Coze Studio 在仅 9 个月内积累 2 万 Star，增速可观，但 66 名贡献者和 385 次 Commits 反映出社区参与度尚处于早期 [4]。对比 Dify 的 462+ 贡献者 [5] 和 Langflow 的 17,000+ Commits [6]，差距明显。
三、工作流引擎与知识库 RAG 实现
3.1 工作流引擎
Coze Studio 的工作流画布基于 FlowGram 引擎，节点类型通过 WorkflowNodeRegistry 注册，前后端通过 nodeDTOType 约定节点类型 ID。代码节点支持 Python 沙箱执行（内置 httpx、numpy），并提供了完整的自定义节点开发指南 [20][21]。
Dify 的工作流引擎在 v1.9.0 引入了基于队列的图引擎（Queue-based GraphEngine），支持 Workflow 和 Chatflow 两种模式，v0.8.0 起支持多分支并行执行 [22]。Dify 独有的 Human Input 节点（v1.13.0）可在工作流中插入人工审核环节 [22]。
3.2 知识库 / RAG 实现
各平台在知识库实现上分化显著。Coze Studio 使用 Milvus + Elasticsearch（SmartCN）构建 RAG Pipeline [7]。Dify 拥有最丰富的向量数据库支持（30+ 种后端），v1.9.0 推出的 Knowledge Pipeline 可在工作流画布上可视化编排 RAG ETL 流程，并引入了 Agentic RAG [18][22]。FastGPT 的 RAG 设计最具特色——采用 QA 问答对存储模型而非简单文本分块，检索时通过 RRF（Reciprocal Rank Fusion）融合重排序、向量搜索和全文检索结果 [14][23]。Langflow 和 Flowise 均依赖 LangChain 生态的检索组件 [15][16]。
四、插件生态与模型支持
Coze 商业版拥有数千款插件，但开源版目前仅包含约 18 个插件，且部分需要单独 OAuth 授权 [24]。模型支持通过 YAML 配置文件管理，支持 OpenAI、火山引擎 Ark、Azure、Ollama、DeepSeek、Qwen 等 20+ 提供商 [10][25]。
Dify 在 v1.0 进行了插件系统的根本性重构，定义了模型、工具、Agent 策略等五种插件类型，目前有 50+ 内置工具和 315+ 社区工具，支持热插拔 [26][27]。FastGPT 的插件系统以可复用的 Flow 节点为主，通过 OneAPI 统一模型接入 [14]。
在发布渠道方面，Coze 的多平台发布能力最强——支持一键发布到 TikTok/抖音、飞书、微信、Discord、Telegram 等多个渠道 [28]。Dify 以 Web App + API + 嵌入式组件为主 [5]。FastGPT 通过 OpenAI 兼容 API 对接各渠道 [14]。Langflow 和 Flowise 主要通过 API 集成 [15][16]。
五、开发者社区反馈
5.1 部署与二次开发体验
中文社区对 Coze 开源的评价呈现两极分化。正面评价集中在架构质量和协议优势 [1]，但批评同样尖锐：有开发者指出开源版功能阉割严重——无 AI 创建 Agent、无触发器、无云端知识库、无长期记忆 [29]。知乎实测进一步发现开源版没有用户管理和多租户支持，模型配置依赖静态 YAML 文件而非在线管理界面 [30]。二次开发方面，Hertz 框架相对小众、网上资料较少，且源码中存在商业版残留逻辑 [31]。部署常见问题包括 MySQL 端口冲突、Elasticsearch 启动失败和国内 Docker 镜像拉取困难 [32]。
Dify 的口碑以「成熟但复杂」为主。v1.0.0 版本因 Bug 众多被大量用户吐槽 [33]。但 Dify 被普遍认为是正式企业项目的首选 [28]。FastGPT 的核心优势在知识库场景，但高级工作流的延迟问题突出 [34]。
5.2 安全性
值得注意的是，Langflow 在 2025 年曝出 CVE-2025-3248（未认证远程代码执行漏洞），生产环境部署存在顾虑 [35]。Flowise 被指出开源版与企业版代码分离不够清晰 [36]。
六、商业模式与许可证策略
五大平台的许可证策略反映了不同的商业意图。Coze 的 Apache 2.0 纯净版协议是最大的差异化优势——Dify 的协议禁止未授权的多租户 SaaS 部署 [37][30]，FastGPT 同样限制 SaaS 场景 [13]，只有 Coze 和 Langflow（MIT）允许完全自由的商业使用。
| 平台 | 许可证 | SaaS 商用 | 云服务定价 | 企业支持 |
|---|---|---|---|---|
| Coze | Apache 2.0 | ✅ 完全允许 | Free / $9 / $39 月 [38] | 字节跳动 |
| Dify | Apache 2.0 + 限制 | ❌ 需商业授权 | Free / $59 / $159 月 [39] | $30M Pre-A 融资 [19] |
| FastGPT | 自定义（限 SaaS） | ❌ 需商业授权 | 按量计费 | LabRing/Sealos |
| Langflow | MIT | ✅ 完全允许 | 云服务 2026.4 关闭 [15] | IBM/DataStax |
| Flowise | Apache 2.0 | ✅ 但 RBAC/SSO 付费 | Free / $35 / $65 月 | Workday 收购 [17] |
目标用户群体差异明显。Coze 定位于零代码/低代码的 C 端用户 [28]。Dify 瞄准生产级 AI 应用的开发者和企业团队，已服务 2,000+ 团队 [19]。FastGPT 深耕垂直知识库场景 [14]。Langflow 服务于 Python 开发者和 ML 工程师 [15]。Flowise 被 Workday 收购后转向 HR/财务 AI 场景 [17]。
七、选型建议与趋势展望
中文开发者社区已形成较为一致的选型共识 [28][33]：快速原型和 C 端应用选 Coze，企业级知识库选 FastGPT，全球化/多语言生产应用选 Dify，深度定制选 Langflow，多 Agent 编排选 Flowise。实际上，领先团队正在采用组合策略——如 FastGPT 做知识检索引擎 + Dify 做工作流编排 + Coze 做前端交互入口。
从技术趋势看，MCP 协议正在成为工具互通的标准——Coze、Dify、Langflow 均已支持 [5][7][15]。Agentic RAG 和 Human-in-the-Loop 是 2025-2026 年最重要的功能创新方向 [18][22]。可观测性正从可选项变为必需品——Coze Loop 的全生命周期管理和 Dify 的内置 LLMOps 仪表盘代表了两条不同的实现路径 [9][5]。
Coze 开源版当前最大的短板在于功能完整度和社区成熟度 [29][30]。但其 Go + DDD 的架构质量、极低的硬件门槛、纯净的 Apache 2.0 协议，以及字节跳动的工程资源支撑，使其在中长期具备冲击 Dify 领先地位的潜力。正如一位开发者在 GitHub Issue 中写道的那样——Coze 开源对整个行业生态的冲击力不可忽视 [40]。关键问题在于：字节跳动是否有耐心将开源版打磨到真正的生产级水平，而非仅仅作为商业版的引流工具。
参考文献
[1] 知乎, “扣子，正式拥抱开源！”, 2025. https://zhuanlan.zhihu.com/p/1933885813160117712
[2] Aibase, “Bytedance Announces Two Major Core Projects of Coze Officially Open-Source: Coze Studio and Coze Loop”, 2025. https://test-news.aibase.com/news/19989
[3] 知乎, “杀疯了！Coze 开源三天狂揽 9.5k Star，手把手教你私有化部署”, 2025. https://zhuanlan.zhihu.com/p/1933463428606964141
[4] GitHub, “coze-dev/coze-studio”, 2025-2026. https://github.com/coze-dev/coze-studio
[5] GitHub, “langgenius/dify”, 2023-2026. https://github.com/langgenius/dify
[6] GitHub, “langflow-ai/langflow”, 2023-2026. https://github.com/langflow-ai/langflow
[7] 博客园 JadePeng, “Coze Studio：字节跳动 Coze 的开源版本来了！第一时间深度解析”, 2025. https://www.cnblogs.com/xiaoqi/p/19005840/coze
[8] GitHub Wiki, “7. Development Standards · coze-dev/coze-studio”, 2025. https://github.com/coze-dev/coze-studio/wiki/7.-Development-Standards
[9] GitHub Wiki, “3. Architecture · coze-dev/coze-loop”, 2025. https://github.com/coze-dev/coze-loop/wiki/3.-Architecture
[10] 火山引擎开发者社区, “扣子（Coze）正式开源！全网最详细的部署教程拿走不谢~”, 2025. https://developer.volcengine.com/articles/7533499908662231091
[11] Oreate AI, “Analysis of Dify’s Technical Architecture”, 2025. https://www.oreateai.com/blog/analysis-of-difys-technical-architecture/
[12] Dify Blog, “Dify Rolls Out New Architecture, Enhancing Flexibility and Scalability”, 2025. https://dify.ai/blog/dify-rolls-out-new-architecture
[13] GitHub, “labring/FastGPT”, 2023-2026. https://github.com/labring/FastGPT
[14] 知乎, “使用 FastGPT 构建高质量 AI 知识库”, 2024. https://zhuanlan.zhihu.com/p/647960390
[15] DataStax, “About DataStax Langflow”, 2025. https://docs.datastax.com/en/langflow/index.html
[16] GitHub, “FlowiseAI/Flowise”, 2023-2026. https://github.com/FlowiseAI/Flowise
[17] Voiceflow, “Flowise: What It Is and Best Alternatives [2026 Review]”, 2026. https://www.voiceflow.com/blog/flowise-alternative
[18] DeepWiki, “Vector Database Integration | langgenius/dify”, 2025. https://deepwiki.com/langgenius/dify/4.4-vector-database-integration
[19] Business Wire, “Dify Raises $30 million Series Pre-A to Power Enterprise-Grade Agentic Workflows”, 2026. https://www.businesswire.com/news/home/20260309511426/en/
[20] GitHub Wiki, “10. Add new workflow node types (frontend) · coze-dev/coze-studio”, 2025. https://github.com/coze-dev/coze-studio/wiki/10.-Add-new-workflow-node-types-(frontend)
[21] GitHub, “coze-studio/CLAUDE.md”, 2025. https://github.com/coze-dev/coze-studio/blob/main/CLAUDE.md
[22] Dify Blog, “2025 Dify Summer Highlights”, 2025. https://dify.ai/blog/2025-dify-summer-highlights
[23] GitHub, “FastGPT dataset_engine.mdx”, 2024. https://github.com/labring/FastGPT/blob/main/document/content/docs/introduction/guide/knowledge_base/dataset_engine.mdx
[24] 36氪, “Coze开源了，为什么AI产品经理还是不会用？”, 2026. https://36kr.com/p/3408395792665993
[25] GitHub Wiki, “5. Model configuration · coze-dev/coze-loop”, 2025. https://github.com/coze-dev/coze-loop/wiki/5.-Model-configuration
[26] Dify Blog, “Dify v1.0.0: Building a Vibrant Plugin Ecosystem”, 2025. https://dify.ai/blog/dify-v1-0-building-a-vibrant-plugin-ecosystem
[27] GitHub, “langgenius/dify-plugins”, 2025. https://github.com/langgenius/dify-plugins
[28] Jimmy Song, “Open Source AI Agent Platform Comparison (2026): n8n, Dify, LangGraph, Coze, RAGFlow”, 2026. https://jimmysong.io/blog/open-source-ai-agent-workflow-comparison/
[29] 博客园 磊哥, “Coze开源版？别吹了！”, 2025. https://www.cnblogs.com/vipstone/p/19009069
[30] 知乎, “Coze 开源版 VS Dify：功能对比与实测体验分析”, 2025. https://zhuanlan.zhihu.com/p/1932752711188713920
[31] CSDN, “Coze开源深度解析：架构设计与二次开发经验分享”, 2025. https://blog.csdn.net/2401_85375151/article/details/152800914
[32] 博客园, “Coze开源本地部署教程”, 2025. https://www.cnblogs.com/hogwarts/p/19014935
[33] 知乎, “Dify、n8n、Coze、Fastgpt、Ragflow到底该怎么选？超详细指南~”, 2025. https://zhuanlan.zhihu.com/p/1908668807607751251
[34] 知乎, “FastGPT高级编排功能搭建AI Agent踩过的大坑”, 2024. https://zhuanlan.zhihu.com/p/712739030
[35] ZenML, “We Tried and Tested 8 Langflow Alternatives for Production-Ready AI Workflows”, 2025. https://www.zenml.io/blog/langflow-alternatives
[36] GitHub, “Build Flowise Open Source · Issue #4887”, 2025. https://github.com/FlowiseAI/Flowise/issues/4887
[37] GitHub, “dify/LICENSE”, 2025. https://github.com/langgenius/dify/blob/main/LICENSE
[38] TechWAN, “ByteDance’s AI Platform Coze Introduces Paid Plans Abroad”, 2024. https://techwan.org/article/2460.html
[39] Dify, “Plans & Pricing”, 2026. https://dify.ai/pricing
[40] GitHub, “大家来讨论下coze开源对其他同类开源产品的影响 · Issue #2”, 2025. https://github.com/coze-dev/coze-studio/issues/2