原文鏈接：

最近(jin)在逛 Reddit 的(de)版(ban)塊，有看到(dao)一個(ge)很真實的(de)問題：

“ 有沒有真正能讓 AI 去執行任務、流程化運行的低代碼工具？”

這個(ge)提問看似(si)簡單(dan)，卻戳中了不少開發者的(de)真實(shi)痛點—— 現(xian)在市面上“支持 AI 的(de)低代碼平(ping)臺”很多(duo)，但大多(duo)只(zhi)是加了一個(ge)聊天窗口，頂多(duo)能生成 SQL 或補表(biao)單(dan)字段，真正能讓 AI 跑流(liu)程、調 API、當 Agent 的(de)工具其(qi)實(shi)并不多(duo)。

評論區(qu)開始(shi)出現分歧，有人直接潑冷水說：

“ 這些做 AI 的無代碼平臺活不過一年。AI 如果真的這么強大，就不應該還靠拖流程框來實現功能。”

這種觀點雖然激烈，但也確實反映了一部分開發者的擔憂：如果 AI 已經這么強，為何我們還需要無代碼？這種拖拽式工具是不是早晚會被淘汰？

事實是 —— 這條評論已經是8 個月前的(de)事了。而(er)現在(zai)回頭看，這些工(gong)具不僅沒有“消失”，反(fan)而(er)越(yue)(yue)做越(yue)(yue)成熟(shu)，新的(de)項(xiang)目也在(zai)不斷涌(yong)現。

就在幾天前，我們還(huan)整理過(guo)??，從 Star 數據、社區活(huo)躍度(du)和(he)功能成熟度(du)來看(kan)，很多工具不僅活(huo)得很好，還(huan)在持續迭(die)代(dai)、不斷擴展 AI 能力。

這也從側面證明了：無代碼 / 低代碼 + AI 并不是(shi)曇花(hua)一現的泡沫，而是(shi)在被穩定地使用(yong)、試驗(yan)和進化。

當然，質(zhi)疑并(bing)不是沒有(you)價值。因為(wei)另一種聲(sheng)音(yin)也提醒得很(hen)清晰：

“ 建議去看看開源的替代方案，大部分低代碼 AI 工具還都很早期。

但重點是 —— 先想清楚你要解決什么問題，再去選工具。

有些所謂的 ‘AI Agent’，其實就是普通自動化上面貼了個 LLM。”

這(zhe)句話很(hen)難反駁。很(hen)多“AI Agent 平臺”確實只是(shi)把自動化流程接上 LLM，看起來很(hen)智能，但(dan)本質還是(shi)工具。

我(wo)們過去也做(zuo)過不(bu)少相關的研究和(he)盤點：??、??

但是(shi)這一次，我們不是(shi)在重復討(tao)論“AI 能不能做系統(tong)”，而是(shi)把視角從無代(dai)碼(ma)(ma)(ma)自然延伸到了低代(dai)碼(ma)(ma)(ma)。 我們之前盤點過，無代(dai)碼(ma)(ma)(ma)強調“讓(rang)非技術用(yong)戶(hu)也能用(yong) AI”，所以很(hen)多無代(dai)碼(ma)(ma)(ma)工具確實也能讓(rang)人“不寫代(dai)碼(ma)(ma)(ma)也能調用(yong)模型、生成內容”。

而低代碼則面向“懂業務、會一點技術的人”，重點是數據建模、流程邏輯、權限體系、插件擴展等更(geng)接近系(xi)統建設(she)的能力(li)。

因此，我們從 話題出發(fa)，重點(dian)關注(zhu)以下類型的工具(ju)：

• ? 社區熱度和維護活躍度較高（Star 數、更新頻率、使用反饋）
• ?? 在官網或文檔中明確提供 AI 能力，而不是簡單提供“對話式接口”
• ??? 支持本地部署或開放擴展，能夠真正用于產品或企業環境

基于這些(xie)標準，我們篩選出了14 個當前具(ju)備代表(biao)性、并已(yi)實際集成 AI 能力的低(di)代碼(ma)開(kai)發平臺(tai)。

它(ta)們(men)的方向各不相同(tong)，有(you)的用(yong)于業務系(xi)統搭建，有(you)的強(qiang)調Agent 工作流，有(you)的專注數(shu)據與表格(ge)應用(yong)。

在(zai)進(jin)入詳(xiang)細(xi)介紹之前(qian)，如果你希望對(dui)這(zhe) 14 個工具的(de)定位與 AI 能力有一個整體概覽，這(zhe)張對(dui)比表會更(geng)一目了然??

綜合對比表（AI 能力 × 工具定位總覽）

工具	主分類	AI 作用方式	是否可擴展流程	是否支持建模/頁面	是否支持表格/數據	是否跨類
NocoBase	業務系統	AI 生成數據模型、頁面、字段邏輯	?（插件+自動化）	?（完整）	?	? 強（數據+系統+流程）
ToolJet	業務系統	AI Copilot 生成頁面/API腳本	??（輕流程）	?	??	中
Appsmith	業務系統	AI 生成 SQL、表單邏輯	??	?	??	中
Budibase	業務系統	AI 字段填充、表單文本生成	??	?	??	弱
refine	業務系統	AI 生成 CRUD 邏輯與代碼	?	?（偏代碼）	?	否
n8n	工作流/Agent	AI 節點執行任務、API調用	?	?	?	否
Dify	工作流/Agent	Agent、知識庫、工具調用	?	?	??	否
Flowise	工作流/Agent	RAG、LLM鏈路可視化	??	?	??	否
Kestra	工作流/Agent	AI 生成流程 YAML	?	?	?	否
Node-RED	工作流/IoT	AI 節點 + 設備/事件自動化	??	?	?	否
Sim	工作流/Agent	多 Agent 協作流程生成	??	?	?	否
NocoDB	數據表格	AI 填充/智能字段/Insights	??	?	?	弱（數據主導）
Teable	數據表格	AI 會話、自動生成報表	??	?	?	弱
Onlook	AI UI	AI 生成 UI/組件/React代碼	?	??（UI為主）	?	特殊（UI方向）

AI + 業務系統搭建類

這類工具的核心(xin)特(te)點是(shi)：AI 不只是(shi)“幫你(ni)回答問(wen)題或執行流程”，而是(shi)直(zhi)接參與“應用構建本身”。

它們的重點在于幫助用(yong)戶更(geng)快(kuai)地創建(jian)數據庫(ku)模型(xing)、表單、頁面、權限、內部應(ying)用(yong)系統(tong)。

適合用于 CRM、審(shen)批(pi)流、ERP、管理后臺(tai)、數(shu)據錄(lu)入系統等需(xu)要結構化數(shu)據與(yu)界面交互的場景。

NocoBase

?? Stars: 17k

官網：

GitHub：

• 定位：開源低代碼平臺，核心在于擁有真正可參與工作的 AI 員工——不僅能在搭建階段自動協助建模、生成頁面結構，也能在系統使用階段執行查詢、分析數據、回答業務問題，讓應用既好搭也會用。
• 面向人群：需要構建業務系統的團隊，如企業內部信息化人員、ToB 產品團隊、系統集成商。
• 適合場景：CRM 系統、審批流、項目管理、訂單系統等需要結構化數據、權限控制和界面的應用，并可通過插件擴展流程與 AI 自動建模。

---

ToolJet

?? Stars: 36.8k

官網：

GitHub：

• 定位：面向企業內部應用的低代碼工具，強調“AI Copilot + 可視化 UI + API 連接”。
• 面向人群：企業技術團隊、運營/數據團隊、希望快速搭建管理后臺的開發者。
• 適合場景：內部運營工具、后臺管理界面、API驅動的數據應用，AI 輔助寫 SQL、生成頁面布局和邏輯腳本。

---

Appsmith

?? Stars: 38.3k

官網：

GitHub：

• 定位：開源內部工具開發平臺，提供“Appsmith AI”用于自動生成 SQL、表單邏輯和頁面組件配置。
• 面向人群：前端工程師、數據工具開發人員、需要快速搭建 CRUD 系統的團隊。
• 適合場景：查詢平臺、內部儀表盤、數據庫管理工具（例如：輸入自然語言 → AI 生成 SQL → 顯示表格結果）。

---

Budibase

?? Stars: 27.2k

官網：

GitHub：

• 定位：用于構建自定義業務應用的平臺，支持數據庫建模、表單生成和簡單流程，同時提供 AI 字段與文本生成能力。
• 面向人群：中小企業內部團隊、輕量業務系統開發者、無代碼愛好者。
• 適合場景：表單系統、內部辦公應用、數據錄入平臺，AI 可以自動補充文本字段或生成樣例數據，但對復雜邏輯的支持有限。

---

refine

?? Stars: 33.1k

官網：

GitHub：

• 定位：基于 React 的前端開發框架，專注于快速生成 CRUD、權限、界面邏輯，提供 AI 輔助生成代碼示例與接口綁定。
• 面向人群：前端開發工程師、需要靈活度而非純可視化操作的技術團隊。
• 適合場景：需要可控代碼、又希望提升開發效率的后臺管理系統，例如管理面板、數據可視化工具，但不提供完整后端建模能力。

AI 工作流 / Agent 編排類

這類(lei)工(gong)具的(de)關鍵(jian)特點(dian)在(zai)于：AI 不(bu)再只是用來生成回答(da)或內(nei)容，而是被嵌入到了“流程執行”中，能主(zhu)動調用工(gong)具、觸發操作、推動業(ye)務自動化。

它們更像“AI增強版的流程引擎”或“Agent 執行平臺(tai)”，而不是用(yong)來搭建完整業務(wu)系(xi)統(tong)的低代碼(ma)平臺(tai)。

它們(men)強在(zai)自動化與執行(xing)力，但通(tong)常(chang)不具(ju)備(bei)復雜的數據建(jian)(jian)模、權限體系、頁面構建(jian)(jian)能力。

n8n

?? Stars: 151k

官網：

GitHub：

• 定位：開源工作流自動化平臺，可將 AI 節點與 API 流程組合執行。
• 面向人群：運營人員、技術支持、自動化工程師、中小型企業內部團隊。
• 適合場景：內容生成自動化、數據同步、郵件回復、AI參與決策的流程自動化（如客服自動回復→寫入數據庫→發送郵件）。

---

Dify

?? Stars: 117k

官網：

GitHub：

• 定位：AI 原生應用與 Agent 工作流平臺，支持模型、知識庫、記憶與工具調用。
• 面向人群：需要搭建智能客服、企業知識庫助手、AI 應用原型的產品團隊與開發者。
• 適合場景：基于企業知識庫的問答助手、智能工單處理、AI 執行 API 動作的 Agent 服務。

---

Flowise

?? Stars: 46k

官網：

GitHub：

• 定位：基于 LangChain 的可視化 AI 流程工具，用于構建 RAG、對話式 Agent。
• 面向人群：AI 開發者、需要快速 Demo 的團隊、初創產品探索階段。
• 適合場景：知識庫問答、簡單 AI 機器人、多步驟推理流程原型，但不支持復雜業務邏輯或系統搭建。

---

Kestra

?? Stars: 22.7k

官網：

GitHub：

• 定位：后端任務編排與數據調度平臺，支持 AI Copilot 自動生成 workflow。
• 面向人群：數據工程師、后端開發、DevOps 團隊。
• 適合場景：AI 生成定時任務、數據清洗流程、API 調用任務鏈，偏后端執行型工作流。

---

Node-RED

?? Stars:22.2k

官網：

GitHub：

• 定位：事件驅動可視化流程工具，廣泛用于 IoT 與系統集成領域。
• 面向人群：自動化工程師、硬件開發人員、智能家居/IoT 開發團隊。
• 適合場景：攝像頭識別→AI 判斷→執行開關操作、設備異常→AI分析→觸發告警等場景。

---

Sim

?? Stars: 17.2k

官網：

GitHub：

• 定位：專注多 Agent 協作流程，可視化構建、執行，并支持部署為 API。
• 面向人群：希望構建多角色 AI 代理系統的 AI 團隊、智能助理初創公司。
• 適合場景：AI 助手、自動報告生成、智能執行機器人，但生態成熟度仍低于 n8n/Dify。

AI + 數據表格 / 數據庫智能化類

這(zhe)類工具的(de)重點不在流程執行或(huo)業務(wu)系統(tong)，而在“讓(rang)表格和數據更智(zhi)能”。

AI 的主要任務是生成(cheng)、補全、查(cha)詢、分析，而非執行復雜(za)業務邏輯(ji)。

它(ta)們更像(xiang)是(shi)“Airtable / Notion Database + AI 能力(li)”的形式(shi)，適合數(shu)據驅動(dong)型(xing)團隊、內(nei)容運營、知識(shi)整理，而不是(shi)復(fu)雜業務系(xi)統或(huo)流程自(zi)動(dong)化。

NocoDB

?? Stars: 58.4k

官網：

GitHub：

• 定位：開源版 Airtable，支持將任意數據庫（MySQL、PostgreSQL 等）轉換為可視化表格工具。
• 面向人群：需要管理結構化數據的團隊，如數據運營人員、內部項目協作團隊、輕 CRM 需求用戶。
• 適合場景：內容庫、客戶表、庫存數據管理、團隊協作表格。AI 能力主要體現在字段推薦、內容生成、自動補全與智能 Insights（數據分析建議）。

---

Teable

?? Stars: 20k

官網：

GitHub：

• 定位：基于 PostgreSQL 的協作型表格數據庫，結合 AI 會話與智能填充。
• 面向人群：Notion/Airtable 用戶、需要數據協作 + AI 輔助分析的團隊。
• 適合場景：內容管理、輕量數據倉庫、團隊項目表格系統。支持“對話式處理數據”，例如通過自然語言查詢記錄、批量生成表格內容或自動產出報表。

---

不完全屬于以上三類的工具

在梳理的過程中，我們也發現有部分工具并不完全落在前三類中，例如 Onlook。

?? Stars: 22.9k

官網：

GitHub：

Onlook 的特(te)殊之(zhi)處在于(yu)：它將“AI 生成 UI 界面”作為核心能力。

通過自(zi)(zi)然語言或線框(kuang)，AI 可(ke)以自(zi)(zi)動生成頁面結構、組件(jian)布局、甚至 React 代(dai)碼(ma)(ma)。這(zhe)類工具更多(duo)服務于(yu)「界面搭(da)建 + AI 設計(ji)輔助(zhu)」，介于(yu)設計(ji)工具與前(qian)端開發低代(dai)碼(ma)(ma)平臺之間。

有些工具不僅屬于一個分類 —— 例如 NocoBase

雖然我們在前文將工具劃分為“業務系統搭建類、工作流類、數據表格類”三大方向，但在實際對比中也發現，有一些平臺具備跨類能力——其中最完整、架構最統一的，是 NocoBase。

與大(da)多數工具不同，NocoBase 的能力體現在：

• 像數據平臺一樣，它具備數據表結構、字段、視圖、API 能力；
• 像內部系統搭建工具一樣，它可以生成頁面、表單、權限、頁面邏輯與關系模型；
• 通過插件和開放架構，它也可以擴展工作流（Workflow）、自動化，甚至嵌入 AI 節點，實現部分流程執行能力。

當然了，也確(que)實存在(zai)一(yi)些具(ju)備“跨(kua)類(lei)特(te)性(xing)”的工(gong)具(ju)，例如：

• Appsmith、ToolJet、Budibase等在構建界面的同時，也支持“按鈕觸發 → API → 數據寫入”這類輕量流程；
• NocoDB、Teable 這類數據型工具，也開始提供 AI 自動填充、Webhook 觸發、規則執行等功能。

但這些工具更多是(shi)(shi)在原有能力上補(bu)了一點 AI 功能，讓體驗更完整，而不是(shi)(shi)形成完整的流程引擎或系統能力，擴展性和自由度也有限。

相比之下，NocoBase 并不只是“覆蓋多方向”，而是一個真正的復合型平臺——它(ta)從(cong)底層的(de)數據建模(mo)開始，延(yan)伸(shen)到頁(ye)面生成、權限(xian)控制，再通(tong)過插件擴(kuo)展到工作流和 AI，這種(zhong)架構上(shang)的(de)一體(ti)化能力，是目(mu)前(qian)開源低代碼工具中少(shao)見的(de)。

寫在最后

過(guo)去我們(men)通過(guo)寫代碼來(lai)構建系統(tong)，后來(lai)是拖(tuo)拽組(zu)件，如(ru)今越(yue)來(lai)越(yue)多人開始(shi)用自(zi)然(ran)語言來(lai)描(miao)述一個系統(tong)應該如(ru)何運行。

“AI doesn’t remove the work — it just moves the work.”

真正的(de)挑戰，已經不(bu)局限于“有沒有用(yong)上 AI”了(le)，而在于我們能(neng)不(bu)能(neng)把 AI 和業(ye)務邏輯、數(shu)據、流程等(deng)真正結合(he)起來，變成系統的(de)一部(bu)分。

AI 也在從(cong)(cong)“對話(hua)工(gong)具(ju)”逐(zhu)步走(zou)向“構建工(gong)具(ju)”。它們可能還不(bu)完美，但(dan)方向已經很清(qing)晰(xi)了——未來(lai)(lai)的系統，可能不(bu)是被“開發(fa)(fa)”出(chu)來(lai)(lai)的，而(er)是被“描述”出(chu)來(lai)(lai)的。我們也會開始(shi)從(cong)(cong)業務問題出(chu)發(fa)(fa)，而(er)不(bu)僅僅是從(cong)(cong)代碼編(bian)輯器出(chu)發(fa)(fa)。

如果你看到這里，也認同這種變化正在發生，歡迎把這份榜單分享給同樣關注 AI × 低代碼 的朋友。??

相關閱讀：