扣子（Coze）是字节跳动推出的 AI 应用开发平台，海外版同名。它的核心思路是：把「做一个 AI 应用」这件事，从写代码变成搭积木。你选一个模型，加一个知识库，拖几个插件进来，用可视化界面把流程串起来，然后一键发布到微信、飞书、网页或者 API。
第一个是想法到成品的距离。想做一个「根据产品文档回答客户问题」的客服机器人，传统做法要写后端、接模型 API、做检索、搭前端，一个人干两周。用扣子，一个下午能跑起来。
第二个是重复流程的自动化。每天早上抓行业新闻、筛选、摘要、发到群里；每周把表格数据汇总成周报。这类「固定步骤、机械执行」的活，用工作流编排一次性解决。
第三个是不写代码也能交付。运营、市场、HR 这些岗位有大量 AI 需求，但排不上开发资源。可视化编排让他们自己动手。
Bot 搭建：设定人设、回复逻辑、开场白，接上知识库就能用。最简单的一种，半小时出一个能用的问答机器人。
知识库（RAG）：上传文档、网页、表格，机器人的回答基于这些资料，不再凭空编。做内部知识助手和企业客服的核心。
工作流编排：把「接收输入 → 调模型 → 判断分支 → 查数据库 → 调接口 → 输出」这些步骤用节点串起来。复杂业务逻辑靠这个实现。
插件生态：搜索、网页读取、图像生成、数据查询这些能力已经封装好，拖进来就能用，不用自己写接口。
多渠道发布：一键发布到微信公众号、飞书、Discord、网页，或者以 API 形式接入自己的系统。
上手门槛确实低：界面逻辑是「节点 + 连线」，不需要编程基础也能理解。文档和模板比较齐全，照着例子改就能出成品。
知识库效果不错：把产品手册、FAQ、历史工单传进去，机器人回答的准确率能满足大部分客服场景，而且能引用原文，用户可以自己看。
不足要说清楚：复杂逻辑受限，超出节点能力的判断做不了，硬要用会变成一堆条件分支的意大利面；性能与稳定性依赖平台，不适合扛高并发的核心业务；数据出平台，敏感数据要谨慎；深度定制难，要精细控制提示词和检索策略时，不如自己写代码灵活；免费额度有限，高频调用要付费。
有免费额度，按调用次数或 token 消耗计算，个人和小团队试用足够。专业版提高调用量、开放更多模型和团队协作。企业版提供私有部署和数据隔离。具体价格与权益调整频繁，以官网当前说明为准。
Dify：开源可自部署，可控性更强，适合有技术团队的公司。
n8n：偏自动化流程，连接各种 SaaS 应用的能力更强，AI 只是其中一环。
FastGPT：专注知识库问答，检索效果可调，适合做企业知识助手。
扣子：赢在「零代码 + 模板多 + 发布渠道全」，适合非技术岗位快速验证想法。
从单点场景开始，别一上来做「全能助手」。做一个只回答产品价格的机器人，把它做到准确，比做一个什么都管但什么都答不准的机器人有价值。
知识库的质量决定效果：文档分块要合理、命名要清晰、过期内容要删。塞一堆混乱的资料，只会得到一堆混乱的回答。
工作流里每个节点都要有明确的输入输出定义。含糊的节点在调试时会让你抓狂，因为不知道错在哪一步。
适合：想快速验证 AI 想法的产品与运营、需要内部知识助手的公司、要把重复流程自动化的业务团队、没有开发资源但要做客服机器人的中小企业。
不适合：需要高并发和高可用的核心业务、有严格数据不出域要求的机构（除非接受私有部署方案）、需要深度定制检索和推理逻辑的团队、复杂业务规则密集的系统。
