本文来自微信公众号： 叶小钗 ，作者：叶小钗，原文标题：《三年、两场革命，AI Coding 会不会杀掉 Coze？看懂 Coze3.0 的底层进化逻辑》
Coze在上周发布了3.0版本，这次比较大的变化是支持项目级多Agent协作，并且web、桌面、手机端能够同步协作。
我是从1.0用到3.0的老用户，根据我的观察发现，Coze这三年的迭代，其实是两条不同的跃迁路径在同时推进。
一条是开发方式，从手动推拉拽搭建Chat bot到自然语言编程实现应用；
另外一条是协作方式的升级，从单Agent到AI团队。
这次更新的3.0版本只是第二条线走到今天的节点，而第一条线早在去年就已经完成了范式的升级。两条线交叉到一起，很容易混淆，但是拆开来看，每条线的逻辑都很清晰。
我们之前讨论过：《Agent会不会淘汰Coze、Dify、N8N等低代码平台？》
要回答这个问题，如果把上面两条结合起来就能很好的回答了，下面我们逐步展开来看，Coze这两条升级的路径具体是怎么样的。
开发方式的迁移
2023年底，大模型的能力已经很强大了，但是大部分人还不知道如何把模型能力变成可以使用的产品，或者说对普通用户而言实现的成本太高了。
而Coze1.0就是在这样的背景下诞生的，它尝试通过低代码的方式，把编程逻辑拆解成可视化的功能节点，用户像搭建积木一样把这些功能节点拖到画布上，用线连接起来，就可以构建出完整的工作流或者ChatBot，目标是让不懂技术的小白用户都能搭建AI应用：
同一时期，已经有很多平台在做类似的事情，只是每家的路线不同：
Dify走的是API优先、开放可控的企业路线；
FastGPT走的是专精RAG做知识库问答；
n8n则以极致灵活的自动化流程服务技术团队；
大家都在做Workflow编排，只是面向的用户人群不同、封装程度不同，但是Workflow是那个时间段大家都在实践的共同范式。
在Coze1.0发布之后，到Coze2.0推出之前，这个时间段可以说是整个Coze产品的高光时刻，因为它的优势足够突出：
第一，活跃的插件生态
除了官方提供的插件外，还有不少三方服务商以及个人开发者在持续提供优质的插件。
最重要的是，开发者通过发布插件是可以赚钱的，而coze平台本身又自带字节系的流量优势。
这让三方服务商也很愿意把自己的服务使用插件的形式接入进来，最终形成正向循环：插件越多→平台越好用→用户越多→插件更有价值，让插件生态越来越繁荣。
同一时期，这个飞轮，其它平台还没有跑起来。
第二，丰富的发布渠道并且很省事
它与抖音、飞书、豆包等字节旗下产品天然打通，用户可以把创建好的智能体或应用一键发布到多个渠道上，除了字节旗下产品还支持微信小程序、公众号等平台。
对于普通用户来说，这种做完即发布的体验，具有天然的吸引力。
简单的上手方式、大量优质的插件生态、再加上丰富的发布渠道，这几点叠加在一起，对小白用户是非常友好的，并加上字节的流量扶持，让这款产品快速出圈。
但是随着深入使用，我们发现，搭建简单流程很爽，复杂流程就很痛苦。
Workflow复杂度问题
我之前做个一个上百个节点的工作流，搭建过程非常痛苦，一个节点一个节点的编排，最终整个画布看起来像一张密密麻麻的蜘蛛网，要在画布上找到目标节点做修改非常困难，你得从头梳理逻辑，顺藤摸瓜才能找到。并且修改一个节点的输出格式，下游的很多节点都要跟着调整才行。
因为工作流的这个运作机制，就是一系列节点的串联，每个节点都有明确的输入和输出，一个节点的输入依赖它前序节点的输出。
更难受的是调试，报错信息能看懂，但是不知道是哪一个具体的节点出了问题，只能逐个检测输入输出，像是在乱麻里面找线头。
当我反复被复杂工作流折磨的时候，心里有一种越来越强的预感：下一步一定是自然语言描述来替代手动编排和调试。
因为模型的能力一定会越来越强，在大模型能很准确的理解自然语言的情况下，为什么还要手动的一个个节点去拖拽呢？
自然语言实现AI应用
Coze1.0的核心痛点已经非常清楚，手动编排太麻烦，复杂工作流的搭建和维护成本太高。
正如我们之前预测的那样，在2025年12月，扣子编程正式发布，开发方式从手动编排跃迁到自然语言驱动，我们不用在拖拉拽节点，只需要描述想要什么，AI就会自动帮我们生成工作流或者应用程序。
比如，我要实现一个HR简历筛选的工作流，需求提示词给到AI：
##需求目标
实现一个工作流，帮助HR快速筛选简历，根据岗位评分标准对简历进行打分，并将简历信息及评估结果保存到飞书多维表格中。
##业务流程
1.HR上传一批PDF简历、并填写这批简历的岗位名称
2.使用PDF插件读取简历中的内容
3.调用大模型提取简历中的基本信息，并结构化返回,基本信息包括：姓名、电话、邮箱、学历、毕业学校、工作年限、求职岗位
4.根据岗位名称拿到飞书多维表格（岗位表）中维护的岗位要求及简历评价标准
5.在把简历和岗位信息及评价标准给到大模型，让大模型进行打分，总结评价，并结构化输出
6.把简历基础信息、评价、得分、简历内容存入飞书多维表格（人才库）
##飞书多维表格定义
1.岗位表：岗位名称、岗位要求、岗位评分标准，均为文本类型
2.人才库：姓名、电话、邮箱、学历、毕业学校、工作年限、求职岗位、简历内容、简历评分、总结评价，均为文本类型
AI就自动实现了，完成工作流的搭建并完成调试，而不需要像下面这张图一样一个个节点去编辑：
通过自然语言编程，我们只需要负责描述意图，AI负责具体实现。
从拖拉拽到自然语言编程的这个转变是必然的，这并不是产品经理拍脑袋决定的，而是技术成熟的必然结果。
2025年，模型在编程能力上有了非常大的进步，在意图理解、指令遵循、代码生成、结构化输出的能力都上了新的台阶。
经过一段时间的使用，Coze的用户也清晰的感受到，我知道想要实现什么，只是搭建实在太麻烦了，用户的需求发生了变化。
加上Cursor、Claude Code、Trae等AI编程工具的竞争压力，自然语言搭建一定是工作流平台下一个演进的方向，并且也是整个编程领域不可逆的大趋势，如果Coze还停留在手动编排阶段，就会被这些工具抢走用户。
基于上面这些因素，Coze这边不得做出重大的改变。这个阶段的Coze全面转向了AI编程，除了能够实现智能体和工作流之外，还增加了网页应用、移动应用、小程序，甚至后面还支持了一度爆火的Skill开发。
而拖拉拽的编排方式也从Coze产品体系中退出了历史舞台，旧版功能依然能够使用，但是入口明显做了弱化，这让很多老用户有点摸不着头脑，半天找不到原来的入口，网上吐槽的声音非常之大。
相比Dify、n8n这些平台的演进步伐，Coze产品的演变之路最为激进，它是直接去Workflow化
Dify的路径最为保守，官方始终坚持可视化节点编排，最近两年的更新重点基本都是围绕着“Agent工作流能力增强、企业级集成、RAG能力升级、人工协同（HITL）以及可视化编排”在展开。
不过社区有相应的方案，通过自然语言描述让AI辅助生成Dify Workflow DSL，然后导入到Dify中使用。
n8n作为这几个平台的老大哥，依旧坚持一切皆节点的设计哲学，倡导没有什么是不能在一张画布上搞定的。
同时也在与时俱进，2025年10月就正式发布了AI Workflow Builder，n8n官方对它的定义：使用自然语言描述目标，创建、优化和调试工作，自动完成节点选择、布局和配置。
这里就出现了一个有意思的分化了，Coze在去Workflow，Dify官方没有动作但社区在发力做AI生成Workflow DSL，n8n则是推出AI Workflow Builder。
三条路径，本质上是三种对于未来开发方式的不同判断，Coze认为用户根本不用看到节点，Dify认为节点就是最好的交互方式，n8n认为用户想看到节点但是不想手拖。
当然这里的分歧，可能跟每个平台的定位不同，Coze定位是小白用户，Dify定位是企业开发者，n8n定位是技术极客。
但是殊途同归，都在借助AI辅助生成，减少手动拖拉拽节点的编排
Coze→AI Coding
我们继续回到Coze2.0的变迁上，Vibe Coding带来的感受确实是很爽的，以前搭建一个中等复杂的工作流至少要1天时间，现在花20分钟左右描述需求，AI在10-20分钟就能生成初版，在花1小时调试就能完事，效率确实提升了一个数量级，但是整体体验还是差了点意思。
AI的理解不总是准确的，这里可能跟平台提供的模型能力有关系，更麻烦的是调试，以前调试节点流程，至少能看到每个节点的输入和输出，报错了也明确的知道是哪个节点报错了。
但是现在出了bug你可能得去看代码，看控制台输出的日志，然后反馈给AI修复。并且这个过程并不是一下就能搞定，会持续的拉扯，尤其是对于普通小白而言，耐力有限。
因此，Vibe Coding降低了创建门槛，调试门槛反而更高了，这个阶段的根本矛盾在于：自然语言的高层意图和代码级精准执行之间存在语义鸿沟。
整体而言，Coze2.0的升级，已经脱胎换骨了，它的定位是自然语言编程，而不再是低代码开发平台。
这里也能回答我们之前讨论过的一个问题：AI Coding现在能力这么强，是不是就能干掉可视化编排的这类Workflow平台？
之前我们预测是不太可能，但是会给这些平台一些压力，倒逼平台升级，通过自然语言描述的方式来实现Workflow的搭建，不再需要手动去拖拉拽这些节点来实现流程编排。
目前从各个平台的情况来看，也印证了我们的结论基本一致。
协作方式的跃迁
我们在看另外一条演进的路线，无论是Coze1.0还是Coz2.0都是单Agent的架构设计，存在三个明显的瓶颈：上下文断裂、设备割裂、能力单一。
换句话说就是，单次对话无法推进长期任务，换设备就丢失进度，单个AI难以覆盖调研、开发、创作等全流程工作。
这次Coze3.0给出的解法是，以项目为载体、以Agent为单元、以多端为入口，让不同职能的AI像真实团队一样分工协作，用户只需要定目标、控制方向、验收结果，对复杂的任务自动拆解并推进执行。
这里重点讨论一个更深层的问题：每一次版本升级，其实都是在减少人类参与执行层上面的事情，在决策层参与越来越重了，那么什么才变得更加重要呢？
之前Coze1.0把复杂的代码逻辑抽象为可视化编排的节点，Coze2.0用自然语言实现减少手动拖拉拽，Coze3.0让专业的Agent干专业的事，并拉上一个Agent团队帮你做。但是"要做什么"和"做到什么标准"始终得你自己决定。
比如我们前面实现的HR简历筛选，实现方式可以是拖拉拽节点编排、可以是Agent Skill、也可以是AI Coding，但最终决定HR简历筛选效果的，并不是具体的实现路径和工具平台，核心还是在于岗位的评分标准，这些判断标准就是业务KnowHow。
其实Coze的技能商店已经明确了这个方向，官方内置了投资顾问、自媒体达人、调研分析师等很多职业模版，每个职业模板背后都是一套行业KnowHow。
这里可以预见的是，未来的Agent工具平台功能一定是趋同的，但是真正分化的是谁的业务KnowHow沉淀得更深。
总结
现在我们回看Coze产品的两条路径：开发方式从拖拉拽跃迁到自然语言编程，协作方式从单Agent升级到AI团队。用户的心智模型也从“我怎么实现这个功能”变成了“我怎么让我的团队完成这个任务”，再到“我该做什么、做到什么标准”。
从1.0到3.0，Coze用了不到三年的时间。迭代速度非常之快，每个版本的变化都非常巨大，很多老用户都有点跟不上看不明白，现在仍然有不少用户还在用1.0的思维在看待Coze的产品。
当然，这也是这几年AI能力爆发带来的必然结果，从基础模型能力提升、Agent应用的爆发，用户需求的提升，让Coze这类AI应用层产品不得不在浪潮中自我颠覆。
我相信，3.0还不是终点，它仍然有很多的问题需要持续探索和解决。但下一个节点的竞争焦点，很可能不再是谁的工具更强，功能更多，而是谁的KnowHow更深。
大家都能用自然语言让AI团队做事情的时候，最稀缺的，是要知道要什么、标准是什么、边界在哪里。而这些才是最终的护城河，也是是AI最不可能替代人类做的事情。