扣子企业版下线之后，工作流还值得做吗？

扣子企业版要下线了。看到这条消息，很容易得出一个结论：模型越来越强，拖节点、连线搭工作流的办法过时了。

如果每一步都得人先想好，模型只负责中间几个环节，那我们到底把多少工作交给了 AI？模型能力有限时，这样做有用。等模型能自己规划任务，同样一套流程就得重新算一算：它究竟省了多少事，又多了多少维护工作。

此次下线针对的是扣子企业版。据南方+和界面新闻的报道，企业标准版、旗舰版将从 2026 年 11 月 30 日起停止新售；火山引擎上的旧版套餐于 2026 年 12 月 31 日下线，新版企业套餐最晚于 2027 年 12 月 31 日下线。公告给出的理由是“产品整合安排”。

当初为什么要把任务拆开

前两年，让模型连续完成一个长任务并不省心。前面理解错一点，后面的结果就可能跟着出错。开发者很难把这样一个过程直接交给客户使用。

工作流提供了一种办法：先由人把任务拆开，规定每一步拿到什么、交出什么，再把其中需要理解和判断的环节交给模型。原本要连续做十步的任务，七八步可以先用代码写好，模型只处理剩下的部分。需要它临场决定的事情少了，结果也就更容易控制。

这确实解决了当时的问题。客户要用产品，开发者要交付，谁也不能一直等模型进步。

下面这张 FlowGram 官方仓库里的动图，能直观看到搭建的过程。Start 之后接条件判断，再进入 LLM 节点组和循环，最后到 End。LLM 是大语言模型；节点里的 modelType、temperature、systemPrompt、prompt 和 result，分别涉及模型选择、生成参数、提示词和输出，都需要开发者配置。

扣子、Dify、n8n，以及影刀 RPA 这类自动化工具，都能把多个步骤串起来。不过，它们处理的事情有区别：有些安排模型调用，有些连接不同软件，有些操作现有界面。把它们都叫作“工作流”，很容易忽略客户实际在为什么付钱。

其中一部分钱，确实花在了让能力尚不够强的模型稳定完成任务上。但如果产品主要靠人把模型不会做的步骤预先写好，它就得面对模型进步带来的变化。客户没有理由一直为已经可以省掉的工作付钱。

模型会规划了，原来的流程怎么办

AI 编程已经让这件事变得具体：把任务交给模型，由它拆解步骤、决定执行顺序，再逐步完成。原先需要开发者预先安排的部分工作，现在可以交给模型尝试。

从 2026 年 2 月的 Claude 4.6 到 3 月的 GPT-5.4，编程模型持续更新，相关时间整理见模型发布时间线。具体到某个任务，是否还需要人工编排，仍然要看完成情况。发布了新版本，并不等于所有长任务从此都能放心交给模型。

如果模型已经能把一件事从头做到尾，再由人把每一步拆出来、设置输入输出，确实可能多花一遍工夫。工作流搭得越细，维护起来也越费事。原先为减少模型出错而加上的步骤，有些就可以删掉了。

Tech星球的报道引用过一位自称前 Coze 工作流引擎开发者的X，也把低代码拖拽节点看作模型能力不足时的过渡办法。

这是一种技术解释。扣子的下线公告没有说，企业版是因为模型学会规划才被撤掉的。把两者直接写成因果，证据还不够。

企业里还有一些工作，模型能力提高以后照样要做。旧系统要接入，数据能不能传出去要有规定，谁能调用哪些功能要设权限，出了错还得能查到执行记录。这些事情不会随着模型升级自动完成。

Dify 就可以放在这里看。据界面新闻报道，它在 2026 年完成了 3000 万美元融资，企业订阅所提供的价值包括私有化部署和数据治理。客户需要把服务装进自己的环境，控制数据的使用方式。这和预先替模型写好七八个步骤，解决的是不同问题。

判断工作流还值不值得做，要看它具体承担什么。模型能独立完成的部分，可以减少人工编排；企业系统怎么连接、业务规则怎么执行，仍然需要有人处理。仅凭节点和连线的外观，分不出一个产品还有多少用处。

急着收费，会把产品带到哪里

模型训练要持续投入，什么时候收回成本却很难确定。把现有能力做成应用，先找到愿意付钱的客户，对公司来说是一个现实的选择。

麻烦在于，产品一旦卖出去，就有客户要服务，有旧功能要维护。即使模型升级后已经有了更省事的做法，原来的产品也不能随便停掉。团队还得投入人手，继续维护当初为弥补模型不足而做的设计。

如果公司只顾着维持眼前的收入，基础模型研究就可能被挤到后面。AGI，也就是能处理广泛任务的通用人工智能，需要更长时间的投入。一个今天能卖的产品，会不会占住团队几年后的精力，这是做产品时就该考虑的问题。

商业化本身没有错，OpenAI 也通过订阅收费。关键在于，公司赚到钱以后，是否继续投入回报更慢的研究。把中美公司的差别全归到是否急于变现，解释不了具体的资源分配。

扣子企业版的调整，也有组织和生意上的背景。据界面新闻报道，2026 年 8 月 24 日，TRAE 和扣子团队已整体并入豆包体系。企业版宣布退出之前，团队归属已经变了。

市场规模也值得看。界面新闻援引的测算称，扣子在 2025 年占中国智能体开发平台公有云市场的 19.3%，排名第一，但整个市场全年也只有约 2.5 亿元。这是特定市场口径下的估算，不能当成字节公布的财务数据。一个产品很有名、份额很高，收入规模仍可能不大。

类似的调整也发生在其他产品上。按Tech星球的不完全统计，已有 38 款 AI 产品关停或被合并，大厂的调整集中在 2026 年下半年；其中腾讯元器计划于 11 月 9 日停服。

这些产品有的退出了，有的能力被其他产品吸收。仅看这张名单，无法把每一次调整都解释为技术路线失败。

大厂做应用，小团队怎么做

小团队做应用要调用模型，大厂做应用也可以调用模型。双方都能获得模型能力，已有用户和分发渠道的差别就格外明显。面对腾讯 WorkBuddy 这类产品，小团队很难仅凭相似的功能争取用户。

一个通用功能，如果大厂把它加进用户每天都在打开的软件里，独立应用就多了一道让人下载、注册和付费的难题。

这会让通用应用的生意更难做，但还不能据此判断小团队没有机会。同样，大厂收拢产品线，也不等于主动把市场留给创业者。它们可以撤掉一个独立产品，再把功能放进已有的软件里。

行业定制、私有化部署和系统接入，是小团队可以考虑的方向。这些需求需要贴着客户的实际工作做，通用产品未必都能覆盖。但能不能做成生意，还得有客户愿意为交付付钱，不能靠一份大厂下线名单来证明。

DeepSeek 提供了另一个观察角度：公司能否承受更长的研究周期，而不用先靠一个中间产品持续收费。编程工具也有两种用途，既能直接服务用户，也能为模型研究积累编程数据。不过，一款 Agent 开源，并不足以说明公司的全部商业安排和数据用途。

澎湃新闻和21 财经在 2026 年 10—11 月报道了 DeepSeek 约 1000 亿元的单轮融资。融资规模能说明可投入的资金，研究能走到哪里，还要看之后的成果。把中国 AI 的成败全部押在这一家公司身上，超出了这些信息能够支持的范围。

和模型研究相比，短剧这样的业务能更快看到用户时长和收入。QuestMobile 2026 年 7 月数据，经网易文章转引，红果短剧日活为 1.68 亿，人均单日使用约 125 分钟。

短剧的用户规模和使用时长很容易衡量，模型研究的回报则要等得更久。公司会偏向哪一种投入，考验的是它愿意等多久。单看短剧的增长，还不能断定模型研究受到了多少影响；要判断一家公司的选择，最终仍得看资金和人手去了哪里。

回到已经使用扣子的团队，眼下最具体的问题仍是迁移。公告提到，现有对话、记忆、文件、编程项目和低代码工作流等资源如何导出、备份，将由后续公告说明。搭好的流程能否导出，迁到哪里，需要重做多少，这些都还要等明确安排。

资料说明

下线安排与团队调整参考南方+、界面新闻；微博截图及产品调整清单来自Tech星球报道（腾讯新闻转载）。FlowGram 动图及封面来自官方 GitHub 仓库。其余报道链接随相应陈述列在正文中。