Краткое содержание анализа
За последние три года Coze прошел два важных этапа развития: первый — это переход от подхода к разработке на основе низкоуровневого кодирования (с использованием элементов типа “перетаскивания и собирания”) к подходу, при котором пользователь просто описывает свои требования, и AI сам занимается выполнением задач; второй — это переход от работы единичных интеллектуальных систем к сотрудничеству нескольких таких систем в рамках команды. Последняя версия 3.0 является важной вехой на пути к командному взаимодействию AI, решая проблемы, связанные с потерей контекста информации, несинхронизацией работы устройств и ограниченными возможностями отдельных систем. В статье также сравниваются подходы различных платформ (Coze, Dify, n8n) и отмечается, что в будущем конкуренция между такими инструментами будет сосредоточена не на функциональных возможностях, а на накоплении экспертизы (“знаний и опыта”) в конкретных отраслях — ведь хотя AI и может выполнять задачи, решение о том, что делать и какими критериями это нужно сделать, всегда остается за человеком.
Подробный анализ
1. Два направления развития Coze
Развитие Coze происходило параллельно по двум основным направлениям:
- Направление разработки: сосредоточение на упрощении создания AI-приложений. Версия 1.0 позволяла пользователю использовать элементы для их создания по принципу “перетаскивания и собирания” (аналогично конструктору Lego); версия 2.0 уже предусматривала возможность описания требований на естественном языке, после чего AI автоматически генерировал необходимые процессы.
- Направление сотрудничества: сначала все задачи выполнялся одним интеллектуальным агентом, но с версией 3.0 было введено разделение обязанностей между несколькими агентами (например, один агент собирал данные, другой писал отчеты, третий их редактировал).
2. Переход к более эффективным методам разработки
Метод “перетаскивания элементов” из версии 1.0 был удобен для новичков, но при работе с сложными задачами он оказался неэффективным (например, при создании процесса с сотнями этапов). С улучшением возможностей AI (к 2025 году уровень программирования AI значительно повысился) пользователи перестали хотеть вручную перемещать элементы. Кроме того, появление конкурирующих инструментов (например, Cursor) вынудило Coze перейти к использованию естественного языка программирования: пользователю достаточно было четко описать свои требования (например, “помочь HR отфильтровать резюме и сохранить их в таблице на платформе Feishu”), после чего AI автоматически генерировал необходимые процессы. Однако это привело к новым проблемам — возможны неточные понимания пользовательских запросов и необходимость анализа кода при настройке инструментов.
3. Улучшение механизмов сотрудничества
Единичные интеллектуальные системы имели ряд недостатков:
- Неспособность запоминать долгосрочные задачи;
- Проблемы с синхронизацией работы на разных устройствах;
- Ограниченные возможности (невозможность одновременного выполнения нескольких задач, таких как исследования рынка, написание текста, создание презентаций).
Версия Coze 3.0 решает эти проблемы с помощью механизмов командного взаимодействия: пользователь задает цель (например, “подготовка отчета о кафейной индустрии на 2025 год”), и платформа автоматически распределяет задачи между несколькими агентами (например, для сбора данных, анализа информации и создания визуализаций). Пользователю остается лишь определить направление работы и проверить результаты, не заботясь о деталях процесса.
4. Различия между платформами
В ответ на тенденции развития AI-инструментов разные платформы выбрали разные подходы:
- Coze: полностью отказался от элементов типа “перетаскивания”, ориентируясь на новичков;
- Dify: продолжает использовать визуальные инструменты для управления процессами, но предоставляет возможность автоматического генерирования кода с помощью AI;
- n8n: сохраняет элементы для удобства технических специалистов, но позволяет использовать AI для упрощения процесса разработки.
5. Ключевой фактор конкуренции в будущем
Авторы статьи подчеркивают, что в будущем функциональные возможности AI-инструментов схоже будут у всех, и решающим фактором станет накопленный опыт пользователей в конкретных отраслях — знания, стандарты и правила работы. Например, AI может помочь с отбором кандидатов, но критерии оценки (например, наличие 5-летнего опыта работы в крупной компании, знание Pythonа) остаются за человеком; аналогично, AI может анализировать финансовые данные, но логика оценки инвестиций основывается на человеческом опыте. Эти аспекты не могут быть заменены AI и являются ключевыми преимуществами конкретных платформ.
Заключение
Инструменты на основе технологий AI будут совершенствоваться, но решающим фактором эффективности их использования останется способность человека определять цели и устанавливать стандарты выполнения задач — именно это является наиболее ценным ресурсом.