低代码二十年：从拖拽表单到编排 Agent——AI 时代低代码平台的现状与选型
· 阅读需 12 分钟
「低代码」这个词已经被喊了十多年，从「人人都能开发」的许诺，到被程序员吐槽「复杂了就做不了」，再到 2021 年前后的祛魅与退烧。而到了 AI 时代，它换了个马甲又回来了——Dify、Coze Studio、n8n 这些「编排 LLM 和工具」的平台，本质上就是新一代低代码平台，只是画布上的节点从「表单、审批」换成了「大模型、工具、知识库」。
这篇聊三件事：低代码的发展史、它当下的真实现状，以及 AI 时代这几家代表平台各自是什么、怎么选。
文中多数市场数据来自公开报道，统计口径与时点不一（尤其 star 数），已在文中标注时点，引用时请以官方为准。判断类观点是我的个人看法，欢迎拍砖。
先给三个判断
- 低代码不是新概念，它是「抽象层不断上移」这条主线的又一段。 机器码 → 汇编 → 高级语言 → 框架 → 可视化控件 → 流程编排 → 现在：自然语言 + 工具编排。每一代都在把「写代码」缩小成「描述意图」。
- 2021 年前后那一轮低代码有过明显的祛魅期。 「低代码到底是给业务人员还是给程序员的」「复杂场景一定撞天花板」「平台锁定」——这些质疑至今没有消失，AI 也没有自动解决它们。
- AI 时代的低代码，内核从「编排 UI/流程」变成了「编排 Agent」。 但生产上更常见的形态不是「全自动 Agent」，而是确定性的工作流里嵌几个智能节点——这恰好是 Dify / Coze / n8n 主流用法。
一、发展史：术语只有十年，理念有四十年
「低代码（Low-Code）」这个术语是 Forrester 在 2014 年提出的（"低代码/零代码"用来描述那类「极少写代码就能快速构建、配置、部署应用」的技术与工具）。但它的理念要早得多：
| 时间 | 代表 / 事件 | 抽象对象（用户在「拖」什么） |
|---|---|---|
| 1982 | James Martin《Applications Development Without Programmers》 | 「不用写程序也能造应用」的最早畅想 |
| 1970s–90s | 4GL（第四代语言） | 更贴近业务描述的语句 |
| 1990s | RAD：Visual Basic、Delphi、PowerBuilder、Oracle Forms | 拖控件画窗口 |
| 2001 | MDA（OMG 模型驱动架构） | 先建模型，代码由模型生成 |
| 2007+ | 移动平台兴起（iPhone/Android） | 多端适配需求 → 平台化 |
| 2010 | MIT Scratch（图形化编程） | 积木块（把编程门槛拉到儿童） |
| 2014 | Forrester 正式提出 low-code / no-code | 术语落地 |
| 2015–2018 | 微软 / 谷歌 / AWS 入场；2018 Gartner 提 aPaaS / iPaaS；2018 西门子 7 亿美元收购 Mendix | 表单 + 流程 + 集成 |
| 2019–2021 | 国内爆发：宜搭、微搭、简道云、明道云、轻流等，生态成型 | 表单 + 审批流 |
| 2021–2023 | 祛魅期：天花板、锁定、是否真降本的讨论变多 | —— |
| 2023–2026 | AI 时代：Dify 开源（2023-05）、n8n 加 AI Agent、Coze 开源（2025-07） | 提示词 / 工具 / 知识 / Agent 编排 |
一句话概括这条线：抽象对象一路从「语句 → 控件 → 表单/流程 → 模型/工具」上移。每上移一层，能参与的人就多一批，但「天花板」也会重新出现。
二、三代低代码：抽象不同，天花板不同
同样是「低代码」，市面上的产品其实分三大类，别混着比：
| 代际 | 你在画布上编排什么 | 代表 | 谁在用 | 典型天花板 |
|---|---|---|---|---|
| 表单/流程型 | 表单字段 + 审批流 + 权限 | 宜搭、微搭、简道云、Power Apps、OutSystems、Mendix | 业务部门、企业信息化 | 复杂交互/高性能/深度定制 |
| 内部工具型 | 表格 + 组件 + 数据源 + 接口 | Retool、Appsmith、ToolJet、Budibase | 前后端团队做后台 | 仍要写 JS、偏内部工具 |
| Agent/自动化型 | 模型 + 工具 + 知识库 + 控制流 | Dify、Coze Studio、n8n、LangFlow、Flowise | 产品/研发/自动化玩家 | 稳定性、成本、可观测、治理 |
前两代解决的是「界面与流程谁来做」；第三代解决的是「模型与工具谁来编排」。AI 时代热起来的，正是第三代。
三、AI 时代的代表平台：Dify / Coze Studio / n8n
这三家经常被放在一起比，但它们出身和基因完全不同：
Dify —— 开源 LLMOps 的「中间层」
- 2023 年 5 月开源，自部署版 Apache 2.0，Python(Flask) 后端 + TypeScript 前端，由 LangGenius 维护；
- 定位：可视化工作流 + RAG + Agent + 可观测的一站式 LLMOps。拖拽节点支持条件分支、循环、并行、HTTP、代码执行；RAG 有文档解析/分块/混合检索/重排；原生支持 MCP 双向（既能调外部 MCP Server，也能把自己暴露成 MCP 端点）；
- 规模（来源口径差异大，注意时点）：早期评测普遍把 Dify 称为「调研中唯一真正意义上的低代码平台」；GitHub star 有报道称从 2025 年中的 10 万级增长到 2026 年中的 15 万级（如 2026-07 某报告核到 14.8 万、2026-08 某文称 15.3 万）；
- 强项：企业私有化 + 复杂工作流 + 成熟社区；弱项：微服务组件多、运维与升级复杂度高（大版本可能动数据库 schema），社区版与企业版能力有差距（多路召回/重排/SSO/审计等）。
- 选它的场景：要私有化、要 RAG、要复杂流程、要自己掌控数据。 —— 参考：Dify 官方、Dify 深度评测（2026）、Dify 15 万 Stars 现状
Coze Studio —— 大厂开源的「生态选手」
- 2025 年 7 月 26 日，字节把扣子（Coze）的核心组件 Coze Studio 与 Coze Loop 在 GitHub 开源，纯 Apache 2.0、无附加条款，可免费商用、修改、本地部署（据开源后一个月报道 star 已 6K+）；
- 技术：后端 Go + DDD 模块化设计，Docker 一键部署（说法是最低 2C4G 可跑）；
- 强项：许可证最宽松（金融/政务等强合规场景友好）、背靠火山引擎/飞书/抖音生态、上手快；弱项：开源版能力收敛（有对比称开源版暂不支持工作流直接发布 API、知识库 API、MCP，LLMOps 依赖独立的 Coze Loop），社区比 Dify 新、长期路线跟字节战略绑定。
- 选它的场景：中小企业快速验证、强合规要商用、想用大厂生态。 —— 参考：Coze-Studio 还是 Dify？、「扣子开源」深度解析
n8n —— 「自动化老炮」长出的 AI Agent
- 出身是 工作流自动化（2019 起），比 AI 热早得多；1000+ 集成是它的护城河；
- 许可证要看清楚：n8n 用的是 Sustainable Use License（SUL），自称 fair-code——源码可见、可自托管修改，但限制商业再分发（不能拿它做竞品/对外提供服务）。它不是 OSI 意义上的开源（2022 年从 Apache-2.0 + Commons Clause 改过来）；
- 增长（据公开报道）：2025 年 10 月 C 轮 1.8 亿美元、估值 25 亿美元；2026 年 5 月 SAP 战略投资并把它嵌进 SAP 的 Joule Studio，报道称估值翻倍到 52 亿美元，GitHub star 18 万级、超 1000 个集成；
- AI 能力：画布上的 AI Agent 节点（Chat Model 当大脑）+ 集成 LangChain/LangGraph、多 Agent、Human-in-the-loop、guardrails、evaluations；
- 另一种声音：有评测认为 n8n 的 agent 故事被夸大——「本质是带额外步骤的 API 调用」，生产级的记忆管理、动态工具选择、错误恢复仍不足；历史上也出过 SSRF 等 CVE。这类批评值得听。 —— 参考：n8n 估值翻倍至 52 亿美元（SAP 投资）、Is n8n Dead in 2026?（批评视角）
其它别忽略的
- 开源编排：LangFlow、Flowise、FastGPT、RAGFlow（RAG 场景专精）；
- SaaS 自动化：Zapier、Make（也在加 AI）；
- 另一条路线——AI 直接生成代码：v0 / Lovable / Bolt 这类「描述即出应用」，它和低代码是竞争关系（都是降低开发门槛）；
- 国内云厂商：阿里云百炼、百度千帆、腾讯元器等，本质是把模型 + 编排打包成云服务。
四、现状：2026 年的三条战线
- 企业默认「自托管开源」。数据合规 + 成本，让 Dify / Coze Studio 的私有化部署成为主流选择，「云 SaaS 试玩、私有化上线」是常见路径。
- MCP 正在统一「工具集成」。以前每个平台各写各的插件/连接器，现在大家往 MCP 上靠——工具一次实现，多平台复用。这对用户是好事：平台之间的可迁移性变强了（也为将来「换平台不重写」埋下伏笔）。
- 从「工作流」到「Agent」，又回摆到「工作流里嵌 Agent」。纯 Agent（全靠模型临场决策）在生产上不够稳；纯 DAG 工作流又不够灵活。于是主流形态是：外层用确定性的工作流保证可控，内层在关键节点用 LLM/Agent 处理模糊问题。
五、AI 并没有自动解决低代码的老问题
低代码被诟病多年、而 AI 也没送走的那几件事：
- 治理与权限：谁能改、改了审不审、线上能否回滚（本 blog 在 InkOS 的确认闸门 里聊过类似思路）；
- 集成与数据一致性：跨系统的副作用、事务、失败重试——AI 节点让不确定性更强，这些更要兜底；
- 可观测与成本：token 成本、链路追踪、评测（evaluations）都要配套；
- 厂商锁定与运维：许可证（Dify 的自部署 Apache 2.0 vs n8n 的 SUL）、导出/迁移能力、升级破坏性（Dify 大版本动 schema 是已知痛点）；
- 安全：自托管平台的暴露面、历史 CVE（n8n、Dify 都有过）。
核心观点：AI 降低的是「起步成本」，不降低「交付责任」。 画布拖得再快，「上线后谁来兜底」这个问题一分都没少。
六、怎么选（一张决策表）
| 你的场景 | 建议先看 |
|---|---|
| 个人/小团队试玩、快速出个 Bot | Coze（云版）、Dify 云版 Sandbox |
| 企业私有化、要 RAG、要复杂流程 | Dify（自托管） |
| 强合规要商用、想要最宽松许可证 | Coze Studio（纯 Apache 2.0） |
| 大量的系统集成/内部自动化 | n8n |
| 只做 RAG 知识库问答 | FastGPT / RAGFlow |
| 想要完全掌控、愿意写代码 | 自建（可参考本 blog 的 frontend-agent 系列 从零手搓 agent 循环，再用 pi-agent 这类库省事） |
七、写给前端：这其实是前端的主场
低代码平台拆开看，无非两块：前端是编辑器（画布 + 属性面板 + 节点渲染），后端是执行器（DSL 解释 + 调度 + 集成）。所以对前端开发者，这里机会很直接：
- 可视化画布：节点/连线/拖拽/缩放/撤销重做，全是前端硬功夫（本 blog 聊过的 d2 图表、虚拟列表 react-virtuoso 都用得上）；
- DSL 与类型安全：工作流本质是一份 JSON DSL——用 zod 做运行时校验 + TS 类型推导是标配；这正是本 blog 已沉淀的能力；
- 协议层：想理解「模型 + 工具」的底层，看 llm-format 系列（两家 chat 协议对照）与 MCP（工具集成的开放协议）；
- 状态管理：复杂编排画布的状态，和 Pinia 那套「组合式 store」是同一个问题域。
一句话：低代码平台的「低代码」，是给用户的；平台本身的代码，是前端和后端的硬活。
参考
- 低代码的起源和走过的路（腾讯云开发者）
- 回顾「低代码」历史发展（阿里云开发者）
- Coze-Studio 还是 Dify？企业级 AI Agent 开发选型
- 「扣子开源」深度解析
- Is n8n Dead in 2026?（含许可证、批评与安全）
- n8n 估值翻倍至 52 亿美元，SAP 战略投资并嵌入 Joule Studio
- Dify 深度评测 2026 ｜ Dify：15 万 Stars 的开源 Agent 工作流平台
立场声明：本文不含任何厂商合作；数据以文中标注来源为准，star/估值等数字随时点快速变化，决策前请查官方与最新统计。