Fundon AI Zoe est un outil de création d'agents IA low-code. Les utilisateurs peuvent concevoir des flux de travail automatisés en plusieurs étapes via une interface visuelle, intégrant de grands modèles de langage pour appeler l'accueil des API et la logique de jugement conditionnel.

Fundon AI Zoe : plateforme de création d'agents IA low-code

Paramètres et statistiques de base

Projet	Spécifications
Nom du produit	Fundon AI Zoé
Catégorie	Agent IA
Formulaire de livraison	Web (SaaS)
Plateforme d'assistance	Internet
Langues prises en charge	zh-CN, en-US
Utilisateurs cibles	Personnel d'exploitation, chefs de produits, développeurs, propriétaires de petites et moyennes entreprises
Échelle utilisateur	Plus de 150 000 utilisateurs enregistrés (au deuxième trimestre 2026)
Modèle de tarification	Gratuit + Pro (199 ¥/mois) + Team (699 ¥/mois) + Entreprise (personnalisé)

Interprétation des paramètres de base : le moteur de workflow de Fundon AI Zoe adopte une architecture DAG, chaque nœud s'exécutant indépendamment et transmettant les données dans le contexte. Il prend en charge plusieurs backends de modèles tels que OpenAI, Claude, DeepSeek et GLM, et dispose de plus de 200 modèles industriels prédéfinis. Le principe de conception de base de ce produit est d'abaisser le seuil professionnel - de démocratiser les flux de travail d'IA qui nécessitent à l'origine des connaissances spécifiques via une interface visuelle. Les utilisateurs n'ont pas besoin de déployer ou de configurer l'environnement localement et peuvent utiliser toutes les fonctions en ouvrant le navigateur. Pour les entreprises clientes ayant des exigences de sécurité plus élevées, des options de déploiement privé sont disponibles.

Reconnaissance des utilisateurs et du marché

Dimensions	Données
Nombre d'utilisateurs enregistrés	150 000+ (au deuxième trimestre 2026)
Nombre de workflows actifs mensuels	Environ 1,2 millions
Nombre de clients entreprises	800+
Taux de réutilisation des modèles	~ 65 % des utilisateurs effectuent des modifications secondaires basées sur le modèle
Taux de rétention des utilisateurs le mois prochain	42%
Proportion d'utilisateurs non techniques	Environ 58%

Sur le marché chinois des agents d'IA low-code, Fundon AI Zoe est en concurrence avec des produits tels que Coze et Dify. Par rapport à la stratégie open source de Dify et à l'écosystème de plate-forme de Coze, l'avantage de Zoe réside dans son seuil d'utilisation plus bas : vous pouvez créer des processus automatisés via des modèles sans connaître le projet Prompt. Selon les données officielles, les utilisateurs sans formation technique représentent environ 58%, ce qui indique que son positionnement à bas seuil a effectivement atteint le groupe cible.

Avantage de coût

Dimension du coût	Descriptif
Version gratuite	0 ¥, 5 workflows actifs, 500 fois/mois, nœud de base
Version abonnement	Pro 199 ¥/mois (paiement annuel 1 990 ¥), Team 699 ¥/mois (paiement annuel 6 990 ¥)
Édition Entreprise	Devis personnalisé, déploiement privatisé, garantie SLA

Comparaison des coûts des produits concurrents :

Dimensions de comparaison	Fundon AI Zoé Pro	Modifier le cloud	Coze (mode Bot)
Frais mensuels	199 ¥/mois	299 ¥/mois	Paiement à l'utilisation
Nombre d'exécutions de workflow	10 000 fois/mois	5 000 fois/mois	Facturé par jeton
Quota de version gratuite	500 fois/mois + 5 workflows	200 fois/mois	Gratuit limité
Déploiement privé	À partir de 9 800 ¥/an	Open source et gratuit (auto-exploitation et maintenance)	Non disponible
Accès au modèle personnalisé	Assistance	Assistance	Modèles à plateforme uniquement

Pour les équipes nationales de petite et moyenne taille, les prix de Zoe se situent au niveau intermédiaire parmi les produits similaires. Le plan de paiement annuel est réduit à environ 166 ¥/mois, ce qui représente une économie d'environ 17 % par rapport au paiement mensuel. Avertissement sur les risques : le degré de personnalisation de la version de déploiement privé est limité. Il est recommandé aux entreprises ayant des exigences de personnalisation approfondies de procéder d'abord à la vérification PoC.

Fonctions principales

• Visual Workflow Editor : faites glisser et déposez pour créer un workflow d'IA, prenant en charge les types de nœuds tels que les appels LLM, les requêtes HTTP, les jugements conditionnels, l'exécution de code (Python/JS) et la conversion de données. Le canevas affiche le flux de données en temps réel et chaque nœud peut être testé et débogué indépendamment.
• Plus de 200 modèles prédéfinis : couvrant le service client, les opérations, la R&D, le marketing et d'autres scénarios. Les modèles peuvent être importés en un clic et modifiés deux fois, sans repartir de zéro. Environ 65 % des utilisateurs créent des processus à partir de modèles.
• Prise en charge backend multimodèle : OpenAI, Claude, DeepSeek, GLM et des API personnalisées peuvent être connectés, et différents modèles peuvent être commutés ou combinés selon les besoins dans le flux de travail.
• Nœud de code personnalisé (v3.2+) : prend en charge les scripts Python et JavaScript et peut exécuter une logique de traitement de données arbitraire. Le script est exécuté via le panneau de débogage intégré à la plate-forme, qui prend en charge l'affichage des variables et les points d'arrêt.
• Déclencheurs multiples : prend en charge les Webhooks (déclenchés par un push système externe), les tâches planifiées (expression Cron), le déclenchement manuel et les appels API.
• Intégration des notifications de messagerie instantanée : prend en charge les notifications push automatiques des outils de messagerie instantanée tels que Slack, Feishu et WeChat Enterprise.
• Run Log and Debug Panel : affiche l'état d'exécution détaillé, la consommation de temps, les instantanés d'entrée et de sortie de chaque nœud et prend en charge la réexécution des nœuds défaillants.

Evolution du modèle et de la version

Version	Dates	Changements majeurs
v1.0	2025-06	L'assistant d'IA conversationnelle est en ligne, avec des fonctionnalités de questions et réponses de base
v2.0	2025-11	Mise à niveau vers une plate-forme de construction d'agents intelligente, prenant en charge la liaison d'outils personnalisés
v3.0	2026-01	Éditeur de workflow visuel, fonction de branchement conditionnel
v3.1	2026-04	Nœud de requête HTTP, déclencheur temporisé, analyseur JSON
v3.2	2026-06	Nœuds de code personnalisés (Python/JS), intégration de notifications IM, panneau de débogage

De la v1.0 à la v3.2, le positionnement de Zoé est passé de « l’IA conversationnelle » à la « plateforme d’orchestration d’agents low-code ». L'éditeur de flux de travail de la version 3.0 constitue un tournant décisif sous forme de produit : du chatbot à une plateforme d'automatisation orchestrable. Les nœuds de code personnalisés dans la version 3.2 éliminent pratiquement le plafond de fonctionnalités.

Avantages techniques

• DAG Workflow Engine : adopte une architecture graphique acyclique dirigée, chaque nœud s'exécute indépendamment et prend en charge le branchement conditionnel, l'exécution parallèle et le transfert de contexte de données. Workflow prend en charge les appels d’imbrication et de sous-processus.
• Routage multimodèle : différents backends de modèles peuvent être spécifiés en fonction de la granularité des nœuds dans le flux de travail, prenant en charge la commutation entre les modèles et l'orchestration hybride. Le nœud appelant LLM peut configurer des paramètres tels que l'invite système, la température, max_tokens, etc.
• Exécution de code en bac à sable : les nœuds de code personnalisés s'exécutent dans un bac à sable d'isolation, limitant les autorisations d'accès au système de fichiers et au réseau pour empêcher le code malveillant d'affecter la sécurité globale de la plateforme.
• Optimisation de l'exécution incrémentielle : exécutez uniquement le nœud modifié et ses nœuds en aval pour éviter une réexécution complète après modification. Pour un workflow de 50 nœuds, le temps de réexécution après une modification d'un seul nœud est généralement de 5 secondes.
• Déploiement de conteneurs élastiques : la version SaaS est basée sur la mise à l'échelle élastique de Kubernetes, et la limite supérieure d'exécution simultanée d'un seul workflow est déterminée par le package d'abonnement. La version Pro prend en charge jusqu'à 10 exécutions simultanées.

Comment utiliser

Entrée	Descriptif	Personnes concernées
Éditeur Web	Glisser-déposer pour créer un flux de travail, des tests en temps réel	Utilisateurs sans formation technique
Marché des modèles	Filtrez les modèles selon les scénarios, importez-les et modifiez-les en un clic	Les débutants se lancent
API REST	L'API déclenche le workflow et obtient les résultats d'exécution	Développeur
Webhook	Déclencheur d'événement push du système externe	Scénario d'intégration
Tâches planifiées	Exécution périodique des expressions Cron	Synchronisation des rapports/données

Étapes d'utilisation typiques : S'inscrire → Sélectionnez un modèle ou créez un nouveau flux de travail vierge → Faites glisser et déposez des nœuds sur le canevas → Connectez-vous pour établir le flux de données → Configurez les paramètres du nœud (modèle, invite, point de terminaison de l'API) → Test → Publier → Configurer les déclencheurs. Le panneau de journal en cours d'exécution affiche l'état d'exécution et la consommation de temps de chaque nœud.

Prix des produits

Forfait	Prix ​​	Contenu
Gratuit	0 ¥	5 workflows actifs, 500 fois/mois, nœud de base
Pro	199 ¥/mois (1 990 ¥ par an)	50 workflows, 10 000 fois/mois, tous types de nœuds
Équipe	699 ¥/mois (paiement annuel 6 990 ¥)	200 workflows, 50 000 fois/mois, collaboration en équipe, gestion des autorisations
Entreprise	Devis personnalisé	Déploiement privé et illimité, garantie SLA

Tous les forfaits payants sont accompagnés d’un essai gratuit de 7 jours. Payez annuellement et profitez d'une réduction d'environ 17 %. Les déploiements privés sont basés sur Docker Compose ou Kubernetes.

Scénarios d'application

• Automatisation du service client : créez un flux de travail de réponse automatique pour les consultations clients - questions des utilisateurs → reconnaissance d'intention LLM → récupération de la base de connaissances → réponse automatique. Les taux d'intervention manuelle sont réduits de 50 à 70 %. Vérification : comparez le taux de résolution automatique des bons de travail avant et après le déploiement.
• Rapport de données opérationnelles : déclencheur planifié → requête de base de données → résumé de l'analyse généré par LLM → push Feishu/DingTalk. Le temps de sortie du rapport a été réduit de 2 heures à 10 minutes. Vérification : suivez le temps nécessaire pour générer des rapports quotidiens.
• Pipeline de révision de contenu : contenu soumis par l'utilisateur → classification LLM (normal/violé/suspect) → interception automatique des violations → poussée suspectée vers la file d'attente de révision manuelle. L'efficacité de l'examen est améliorée d'environ 3 fois. Vérification : comparez le temps de traitement moyen de la file d'attente de révision.
• Génération par lots de rédaction marketing : saisissez les informations sur le produit par lots → LLM génère une rédaction d'adaptation multiplateforme (Xiaohongshu/Compte officiel/Douyin) → Publication automatique. La capacité de production quotidienne d'une seule personne est passée de 5 à 50 articles.

Personnes concernées

Foule	Valeur d'adaptation	Restrictions
Personnel opérationnel/marketing	Créez des processus automatisés sans programmation	Une logique complexe nécessite encore une compréhension des branches conditionnelles
Chef de produit	Vérifiez rapidement la logique du produit automatisé	Les nœuds de code personnalisé nécessitent des connaissances en programmation
Développeurs	Utilisez l'API/Webhook pour intégrer votre propre système	Les scénarios avancés nécessitent une compréhension de l'orchestration DAG
Propriétaires de petites et moyennes entreprises	Bénéficiez d'une automatisation du service client et du marketing à faible coût	Le déploiement privatisé nécessite une évaluation des ressources d'exploitation et de maintenance

Scénarios inappropriés : scénarios d'interaction qui nécessitent une réponse en temps réel de l'ordre de la milliseconde (le moteur de workflow a une surcharge de démarrage) ; processus très complexes avec plus de 50 nœuds (la maintenabilité est considérablement réduite) ; des scénarios critiques pour l'entreprise avec des exigences SLA strictes (Enterprise Edition nécessite la confirmation des termes du SLA).

Comparaison des produits concurrents

Dimensions de comparaison	Fundon AI Zoé	Difier	Cozé
Différences fondamentales	Low code + basé sur des modèles, non techniquement convivial	Open source + communauté technique, convivial pour les développeurs	Écologie des plateformes + marché des plug-ins
Quotas gratuits	500 fois/mois	200 fois/mois	Gratuit limité
Prix ​​pro	199 ¥/mois	299 ¥/mois	Paiement à l'utilisation
Déploiement privé	À partir de 9 800 ¥/an	Open source et gratuit (auto-exploitation et maintenance)	Non disponible
Modèles personnalisés	Backends multimodèles	Backends multimodèles	Modèles à plateforme uniquement
Nombre de modèles	200+	100+	Modèles de communauté
Seuil d'apprentissage	Faible (aucun projet Prompt requis)	Moyen	Faible-Moyen

Résumé et Outlook

La principale compétitivité de Fundon AI Zoe réside dans la facilité d'utilisation de « low code + orchestration en plusieurs étapes », qui permet aux utilisateurs non techniques de créer des flux de travail complexes d'automatisation de l'IA. La version actuelle a accumulé une certaine expérience en matière de richesse de modèles (plus de 200) et d'écologie des connecteurs.

Principaux avantages : les utilisateurs non techniques peuvent démarrer rapidement ; Plus de 200 modèles industriels réduisent le coût de création à partir de zéro ; prend en charge les backends multimodèles et les nœuds de code personnalisés, et a une limite de fonctions élevée.

Limites connues : La gestion des autorisations au niveau de l'entreprise et la profondeur des journaux d'audit doivent être améliorées ; le degré de personnalisation de la version de déploiement privé est limité ; le débogage des nœuds de code personnalisés repose sur le panneau intégré de la plate-forme et la prise en charge de l'IDE externe est manquante ; l'exécution des flux de travail repose sur les services cloud et les interruptions du réseau peuvent affecter la disponibilité.

Divulgation des risques : (1) L'exécution du flux de travail repose sur des services cloud, et les termes du SLA doivent être confirmés si une garantie de continuité d'activité est requise ; (2) Bien que les nœuds de code personnalisés s'exécutent dans un bac à sable, il faut veiller à ne pas écrire de données sensibles dans des scripts ; (3) Le cycle de livraison réel et l'ensemble des fonctionnalités de la solution de déploiement privatisée doivent être confirmés par les ventes ; (4) La plate-forme est dans une période d'itération rapide, et l'API et la stabilité fonctionnelle peuvent changer avec les mises à jour de version. Les utilisateurs d'entreprise doivent tester entièrement la compatibilité des flux de travail avant la mise à niveau.

Instructions d'observation de suivi : amélioration de la gestion des autorisations de version d'entreprise, expansion de l'écosystème de connecteurs et opportunité de lancer le mode de fonctionnement hors ligne pour couvrir les scénarios de réseau instables.

Outils associés : ÉquipageAI, langchain

Informations de version

• Zoé Workflow Studio ：Ajout d'un éditeur visuel de branche conditionnelle et de l'intégration de notifications Slack/Feishu avec nœud de code personnalisé. （2026-06-20）
• Extension du connecteur ：Ajout de l'analyseur JSON du nœud de requête HTTP et des capacités de déclenchement de synchronisation. （2026-04-05）
• Générateur d'agents ：Mise à niveau d'un assistant de conversation unique vers une plate-forme de création d'agents prenant en charge la liaison d'outils personnalisés. （2025-11-10）
• Bavarder ：La première version publique est lancée sous la forme d'un assistant d'IA conversationnel. （2025-06-01）