根据最近公开信息显示，Coze 正在进行企业服务整合、部分功能退役和产品方向调整。海外版此前下线了触发器、异步执行、多智能体、长期记忆、日志、评测等功能；而国内版的企业服务也在调整。这里需要先纠正一个容易混淆的事实：Coze 的调整不等于整个工作流功能已经被关闭，不能简单将其解读为 Coze 已经彻底放弃工作流。
Coze 的产品调整引发了一个值得思考的问题：随着大模型、Agent 和 AI Coding能力不断增强，传统 AI 工作流平台还有存在的必要吗？
我的判断是：第一代以可视化拖拽、人工编排节点为核心的通用 AI工作流平台，正在失去部分部分应用场景，但工作流作为一种任务组织和执行方式，不会消失。
真正发生变化的，是 AI 应用的构建方式和执行方式。
一、为什么传统工作流平台会受到冲击？
早期大模型的任务规划和工具使用能力有限。开发者需要提前把任务拆成多个节点，再通过工作流引擎规定节点之间的执行顺序、数据传递和分支条件。
例如，生成一份行业研究报告，需要人工配置搜索、数据提取、信息整理和内容总结等节点。人负责设计流程，大模型负责其中需要内容理解和内容生成的环节，工作流引擎负责按预设的路径执行。
如今，Agent已经能够理解目标、拆解任务、选择工具，并根据执行结果调整下一步行动。过去需要人工连接多个节点才能完成的任务，现在可能只需要给Agent 一个目标，并提供相应工具。与此同时，AI Coding 也带来了另一种替代方式：开发者用自然语言描述需求，让AI 直接生成 Python、JavaScript等代码，把原本需要拖拽配置的节点和流程，转化为普通程序。因此，传统工作流平台面临的并不是单一挑战，而是两种替代力量：
- Agent 自主执行： 不再需要提前把所有步骤设计出来，由 Agent在运行时规划和调整。
- AI 自动生成代码： 不再需要通过画布连接节点，直接生成代码实现流程逻辑。
二、三种应用构建方式，各自适合什么场景？
| 方式 | 核心特点 | 更适合的场景 |
|---|---|---|
| 人工编排 Workflow | 人预先定义节点、顺序和分支 | 流程固定、需要可视化配置和持续维护 |
| Agent 自主执行 | Agent 根据目标动态规划和调用工具 | 路径不确定、需要探索和灵活决策 |
| AI 自动生成代码 | AI 将需求转化为可执行程序 | 逻辑明确、需要灵活实现且开发者能够维护代码 |
这三种方式并非简单的替代关系。例如，一个固定的数据处理流程，可以用工作流画布配置，也可以让 AI 生成Python 程序；一个需要根据搜索结果不断调整方向的研究任务，则更适合 Agent自主执行。选择哪种方式，关键在于任务特点、维护者是谁，以及哪种方式的开发和运行成本更低。
三、工作流平台仍然有哪些价值？
工作流平台更有辨识度的价值主要体现在：
1. 流程本身需要被可视化和配置
例如营销自动化、客户运营、内容审核流水线。业务人员希望直接查看和调整执行步骤、条件和参数，而不是每次都修改代码或提示词。
2. 执行路径固定，且需要重复运行
例如定时数据采集、ETL、数据清洗、报表生成和跨系统同步，其中包含固定的大模型相关的自主内容生成或者判断等步骤。这些任务通常不需要Agent 每次重新规划，显式流程或普通代码都可以稳定完成，对执行结果、过程要求必要严格的企业场景针对工作流应用还有比较大的需求。
3. 流程需要作为独立资产管理
企业可能需要对流程进行版本管理、测试、发布、复用和运行情况分析。工作流画布能够让流程结构更直观，也降低非专业开发人员参与配置的门槛。
需要注意：这些场景并不意味着必须使用工作流。若团队具备开发能力、流程变化不频繁，AI生成代码往往更直接；若任务具有较强的不确定性，Agent可能更合适。工作流平台的优势在于以更低的配置和维护成本管理显式流程。
四、未来 AI 构建平台会如何演进？
我认为，未来不会只有一种统一的构建方式，而是三种方式逐步融合。
第一，AI 根据需求自动生成工作流。
用户描述业务目标，AI自动拆解节点、配置参数、建立分支并生成流程。人工从逐个搭建节点，转变为审核和调整生成结果。
第二，AI 直接生成代码实现应用。
对于逻辑明确、需要灵活扩展的应用，AI可以直接生成程序，而不是先生成一张工作流图再依赖工作流引擎执行。代码可以由开发者检查、测试、部署和维护。
第三，Agent、Workflow 和代码协同执行。
Agent 负责理解目标和处理不确定性；Workflow负责表达需要显式管理的固定流程；代码负责实现具体业务逻辑和高效的数据处理。底层再由统一的运行环境提供工具访问、状态管理和执行控制。
因此，未来 AI构建平台的竞争力，不应只看节点数量和画布体验，而应看它能否根据任务特点，选择或组合Agent、工作流和代码，并提供完整的开发、测试、部署与运行能力。
五、我的观点
我不认同「工作流只是大模型不成熟时期的过渡产物，因此未来必然消失」这一判断，但传统通用低代码工作流平台确实面临明显挑战。
- 工作流不会消失： 固定、重复、需要显式配置和管理的流程仍然存在。
- 人工拖拽编排的必要性会下降： Agent 可以动态规划，AI Coding可以直接生成代码。
- 工作流不再是 AI 应用的默认构建方式： 应根据任务特点，在Workflow、Agent 和代码之间选择和组合。
- 平台竞争力将发生转移： 从提供节点和画布，转向提供多种构建方式，以及应用开发、执行和管理能力。
归根结底，未来不是 Agent 完全取代 Workflow，也不是 AI Coding 完全取代低代码，而是开发者不再需要被某一种构建方式限制。
固定路径的任务，可以用工作流或代码；动态目标的任务，可以交给 Agent；而AI 构建平台的价值，是帮助用户用更低的成本选择并组合这些方式。
