国泰君安报告指出，基于行业Know-how的定制化AI工作流是实现企业级AI Agent的两大基础之一，为AI大模型赋予行动力。企业可以通过Coze、Dify等低代码平台搭建定制化AI工作流，将AI技术与传统行业工作流深度结合，通过行业数据优化、业务规则嵌入和持续迭代，实现B端企业个性化应用。百姓车联团队利用Dify搭建AI工作流解决车辆VIN码识别问题，将车型匹配准确率从20%-30%提升至97.8%；BestBlogs.dev利用Dify将内容处理流程梳理为四大子流程，文章分析质量和翻译结果显著改善。定制化AI工作流正成为企业智能化转型的核心驱动力。

基于行业Know-how的定制化AI工作流是针对特定行业需求、数据特征和业务流程设计的AI解决方案，它将AI技术与传统行业工作流深度结合，通过行业数据优化、业务规则嵌入和持续迭代实现B端企业个性化应用。这种工作流不仅能够准确完成自动化重复任务、确保合规性和数据安全，同时其模块化设计和灵活性使其能够适应多场景需求、优化资源配置、快速响应行业变化。无论是金融、医疗、制造还是零售等行业，定制化AI工作流都能显著提升业务价值，为企业级Agent提供核心的行动力基础。

目前Coze、Dify等平台为用户提供了定制化AI工作流服务，大幅降低了企业搭建AI工作流的技术门槛。具体使用时，企业根据行业需求选择合适的预构建模块（如数据处理、模型训练、模型API调用等），通过拖拽式界面将这些模块组合成完整的工作流；在此基础上利用平台提供的工具上传行业或企业自身数据，对预训练模型进行微调以适配特定场景；最后通过API或插件将AI工作流无缝集成到现有业务系统中，实现自动化操作，并借助平台的实时监控和迭代功能持续优化工作流。Dify等平台实际上扮演了“AI工作流的操作系统”角色，让不具备深度AI技术能力的企业也能构建专业级AI应用。

百姓车联在美国运营某车损互助平台，需要利用车辆VIN码对每位用户的车辆进行风险评估，但由于VIN码的非标准性等原因，现有匹配工具无法有效识别车辆车型。百姓车联团队在专业知识基础上，将AI Agent无缝引入现有业务系统中，利用Dify平台搭建起定制化AI工作流以帮助匹配最合适的车型。经过多轮调试后，相比于纯粹的规则匹配仅20%-30%的准确率，该定制化AI工作流最终达到了97.8%的超高水平，实现了业务能力的大幅优化。这一案例生动展示了AI工作流在垂直行业中通过解决具体业务痛点所创造的价值——从“不可用”到“高度可用”的质变。

BestBlogs.dev是一个收集和分享科技、设计、商业、个人成长等领域高质量内容的网站。之前网站采用大而全的提示词实现文章摘要生成、内容评分及翻译工作，但过多的任务使得输出难以控制和修改，效果不尽如人意。该网站利用Dify平台搭建定制化AI工作流，将全部流程梳理为爬取、初评、分析和翻译四大子流程，在每一子流程内利用Dify平台上提供的多种AI工具进行更为细致的调整。目前网站已完成灰度测试，全部文章都采用AI工作流进行自动化处理，文章分析质量有了大幅提升，翻译结果也明显改善。BestBlogs.dev的案例说明定制化AI工作流通过“分而治之”的方式，将复杂任务分解为多个可控子流程，显著提升了AI应用的效果和可维护性。

尽管Coze、Dify等平台提供了便捷的工具和API接口（如DeepSeek等开源大模型），但企业自主搭建定制化AI工作流仍具有挑战性。首先，通用技术并不能直接满足垂直领域的特定需求，往往需要深度定制应用或利用其他在垂直领域Know-how基础上搭建出的私有应用，才能实现精准的业务支持。其次，企业需要对自身业务有深刻理解才能定制出可用的AI工作流，这包括对业务逻辑、数据流程和用户需求的全面掌握，涉及企业内部跨部门协作和技术人才的充分支持。对于广大B端企业来说，自主搭建存在困难，这为具备行业Know-how积累和AI技术能力的私有信息服务商创造了广阔市场，它们可以在垂直领域Know-how基础上帮助企业梳理业务流程、搭建定制化AI工作流。