一文带你了解Make、Coze、Dify 三大自动化平台的优缺点

好久没更新了。原因有二：一是精力有限，二是总觉得网上现成的信息太多，直接搬过来更像是“整理工”，缺了点原创的诚意。

最近有个作业，要求在Coze上做一个智能体，还不能太敷衍。第一个念头就落在了国考上——刚发布的岗位表，密密麻麻几万行，想从里面筛出心仪的位置，手动翻找实在太痛苦。于是设想一个岗位推荐智能体：用户输入个人信息，系统就能自动匹配出合适的岗位列表。

实现起来不算复杂：填好提示词，把国考岗位表作为知识库上传，然后提问就行。但正是因为执行了这个具体任务，三个平台的软肋和亮点才算真正浮出水面。

先说说准备的材料——从国考官网下载的Excel文件，大小9.71MB，岗位总数超过3.9万个。

Coze

首选Coze，因为上手快。但上传后马上遇到提示：“切片不得超过10000行”，意思是每个sheet最多容纳一万行，超了就处理不了。解决办法倒也直接：把大表拆成若干小sheet，逐个上传，总算成功导入了知识库。

测试时又出了状况。问“应届生能报什么岗位？”，它给出三个岗位并引用了来源，看起来合格。可当把个人信息写得更细，再问时，它直接罢工了——一个岗位都不推荐。反复排查后发现了根源：Coze的知识库仅支持6000个token。简单换算一下，1.5个token约等于一个汉字，而那个Excel文件共有10189824个字节。算下来，6000个token远远不够用。这是Coze的第一个短板：知识库的token容量太局促。

知识库本质上就是上下文。既然平台只提供6000token，有没有办法绕过去？比如选一个能处理长文本的模型——Coze平台恰好提供了Kimi的旗舰模型moonshot-128k，号称长文本之王。可惜算下来依然不够。那假如存在一个能处理超超长文本的模型，能否直接调用？答案是：不能。Coze不支持自定义模型，这是它的第二个局限。

不过，这两点倒也算情有可原——因为它们的根源恰恰是Coze最大的卖点：模型调用完全免费。如果不对token设限，字节跳动怕是撑不住；如果开放自定义模型，免费模型就失去了引流意义。当然也有亮色：Coze海外版coze.com能调用GPT-4o、Claude-3.5-sonnet等高级模型，只需在智能体设计页面里使用而不发布，就能完全免费体验。如果要将智能体做成API发布，则需要付费。

第三个缺点是工作流设计时发现的：节点数量少，且每个节点体积偏大，既影响美观，也拖累操作效率。

Dify

Dify与Coze业务高度相似，核心差异在于它是开源的。想用？得自己提供大模型的Key，也就是自己掏钱。这个差异直接决定了使用方式：如果把那份几万行的岗位表丢进去，光是知识库的预处理就会烧掉一大笔美金，实在吃不消。不过好处也很明显：Dify为每个智能体提供了极其友好的代码嵌入方式，可以直接将智能体嵌入到自己的网页应用中，代码都已经写好，复制粘贴即可。

Make

Make专注做工作流，内置了丰富的节点，比如Canvas、YouTube、TikTok等。有了这些节点，可以一步到位，直接把内容发布到对应的短视频平台——管它视频质量如何，流量为王。缺点同样突出：它只有节点可用，不像Dify和Coze那样有绘图工具、知识库，更不能直接创建智能体。免费计划每月仅支持1000次执行次数，如果重度依赖工作流，额度恐怕会很快见底。

今天就聊这么多。希望这些实战对比能带来一点参考价值。