# 自动化工具选型

## 总结

用户认为 n8n 体验不佳，因此工具选型不应绑定 n8n。核心要学的是：

```text
触发器
-> 数据处理
-> AI 判断
-> 分支逻辑
-> 通知/写入系统
```

## 自动化工作流工具

| 工具 | 适合场景 | 判断 |
|---|---|---|
| n8n | 技术人、自部署、复杂 API 自动化 | 能力强，但 UI、表达式和调试体验一般 |
| Make.com | 快速 MVP、拖拽流程、业务自动化 | 更适合先跑通思路 |
| Pipedream | 开发者 API 自动化 | 能写 JS/Python，适合用户背景 |
| Activepieces | 开源自动化 | 类似 n8n，但相对轻 |
| Zapier | 海外 SaaS 串联 | 上手快，但成本和定制性有限 |
| 飞书多维表格自动化 | 国内表格/团队流程 | 适合国内业务和表格驱动场景 |

## AI 工作流 / Agent 工具

| 工具 | 适合场景 | 判断 |
|---|---|---|
| Dify Workflow | AI 流程 MVP、RAG、Agent 原型 | 推荐早期使用 |
| Coze | 中文生态、Bot、轻量 Agent | 上手快 |
| Flowise | 可视化 LangChain 工作流 | 适合 AI 流程可视化 |
| Langflow | 可视化 AI 应用 | 类似 Flowise |
| OpenAI Agents SDK | 正式代码系统 | 后期再用 |
| LangGraph | 复杂状态流、多步骤、多分支 | 后期再用 |
| CrewAI | 多角色分工原型 | 角色概念直观 |
| Semantic Kernel | 企业级 Agent/插件架构 | 偏工程化 |
| PydanticAI | Python 类型安全 Agent | 偏代码实现 |
| LlamaIndex Workflows | 数据/RAG 流程 | 偏知识库和数据流 |

## 推荐第一版组合

### 低代码 MVP

```text
Make.com
+ Dify Workflow
+ 飞书多维表格
+ OpenAI/Gemini
```

适合快速验证电商 AI 自动化链路。

### 开发者 MVP

```text
Pipedream
+ Dify 或 OpenAI API
+ Supabase/Postgres
+ 飞书/邮件/Telegram 通知
```

适合用户发挥开发能力，逻辑更可控。

### 长期自控版本

```text
n8n 或自研后端
+ OpenAI Agents SDK / LangGraph
+ 数据库
+ 电商平台 API
+ 人工审核后台
```

不建议一开始就做。

## 工具选择原则

- 先用顺手工具跑通商业链路。
- 不要为了工具学习而学习工具。
- 如果流程验证有效，再考虑迁移到 n8n、自建系统或代码级 Agent 框架。

## 当前建议

下一步不要继续泛泛比较工具，应选择一个具体 MVP：

```text
商品表新增商品
-> AI 生成商品素材
-> 风控检查
-> 写回表格
-> 人工审核
```

然后再反推工具。