Fundon AI Zoe ist ein Low-Code-Tool zum Erstellen von KI-Agenten. Benutzer können mehrstufige automatisierte Arbeitsabläufe über eine visuelle Schnittstelle entwerfen und große Sprachmodelle integrieren, um API-Docking und bedingte Beurteilungslogik aufzurufen.

Fundon AI Zoe: Low-Code-Plattform zum Aufbau von KI-Agenten

Kernparameter und Statistiken

Projekt	Spezifikationen
Produktname	Fundon AI Zoe
Kategorie	KI-Agent
Lieferform	Web (SaaS)
Support-Plattform	Web
Unterstützte Sprachen	zh-CN, en-US
Zielbenutzer	Bedienpersonal, Produktmanager, Entwickler, Klein- und Mittelbetriebe
Benutzerskala	Über 150.000 registrierte Benutzer (Stand 2026 Q2)
Preismodell	Kostenlos + Pro (199 Yen/Monat) + Team (699 Yen/Monat) + Enterprise (angepasst)

Interpretation der Kernparameter: Die Workflow-Engine von Fundon AI Zoe verwendet eine DAG-Architektur, wobei jeder Knoten unabhängig ausgeführt wird und Daten über den Kontext weiterleitet. Es unterstützt mehrere Modell-Backends wie OpenAI, Claude, DeepSeek und GLM und verfügt über mehr als 200 voreingestellte Branchenvorlagen. Das zentrale Designprinzip dieses Produkts besteht darin, die berufliche Hürde zu senken – die Demokratisierung von KI-Workflows, die ursprünglich spezifische Wissenshintergründe erfordern, über eine visuelle Schnittstelle. Benutzer müssen die Umgebung nicht lokal bereitstellen oder konfigurieren und können alle Funktionen nutzen, indem sie den Browser öffnen. Für Unternehmenskunden mit höheren Sicherheitsanforderungen stehen private Bereitstellungsoptionen zur Verfügung.

Benutzer- und Markterkennung

Abmessungen	Daten
Anzahl registrierter Benutzer	150.000+ (Stand 2026 Q2)
Anzahl der monatlich aktiven Workflows	Etwa 1,2 Millionen
Anzahl Unternehmenskunden	800+
Wiederverwendungsrate der Vorlage	~65 % der Benutzer nehmen sekundäre Änderungen basierend auf der Vorlage vor
Benutzerbindungsrate im nächsten Monat	42 %
Anteil technisch nicht versierter Nutzer	Etwa 58 %

Auf dem chinesischen Markt für Low-Code-KI-Agenten konkurriert Fundon AI Zoe mit Produkten wie Coze und Dify. Im Vergleich zur Open-Source-Strategie von Dify und dem Plattform-Ökosystem von Coze liegt der Vorteil von Zoe in der niedrigeren Nutzungsschwelle – Sie können automatisierte Prozesse über Vorlagen erstellen, ohne das Prompt-Projekt zu kennen. Nach offiziellen Angaben beträgt der Anteil der Nutzer mit nicht-technischem Hintergrund etwa 58 %, was darauf hindeutet, dass die niedrigschwellige Positionierung die Zielgruppe tatsächlich erreicht hat.

Kostenvorteil

Kostendimension	Beschreibung
Kostenlose Version	¥0, 5 aktive Workflows, 500 Mal/Monat, Basisknoten
Abonnementversion	Pro ¥ 199/Monat (jährliche Zahlung ¥ 1.990), Team ¥ 699/Monat (jährliche Zahlung ¥ 6.990)
Enterprise-Edition	Individuelles Angebot, privatisierte Bereitstellung, SLA-Garantie

Kostenvergleich Konkurrenzprodukte:

Vergleichsabmessungen	Fundon AI Zoe Pro	Dify Cloud	Coze (Bot-Modus)
Monatliche Gebühr	¥199/Monat	¥299/Monat	Pay-as-you-go
Anzahl der Workflow-Ausführungen	10.000 Mal/Monat	5.000 Mal/Monat	Abrechnung per Token
Kontingent für kostenlose Versionen	500 Mal/Monat + 5 Workflows	200 Mal/Monat	Begrenzt kostenlos
Privater Einsatz	Ab ¥9.800/Jahr	Open Source und kostenlos (Selbstbetrieb und Wartung)	Nicht verfügbar
Benutzerdefinierter Modellzugriff	Unterstützung	Unterstützung	Nur Plattformmodelle

Für inländische kleine und mittlere Teams liegt der Preis von Zoe im Mittelfeld vergleichbarer Produkte. Der jährliche Zahlungsplan wird auf ca. ¥ 166/Monat reduziert, was einer Ersparnis von ca. 17 % im Vergleich zur monatlichen Zahlung entspricht. Risikowarnung: Der Grad der Anpassung der privaten Bereitstellungsversion ist begrenzt. Unternehmen mit umfassenden Anpassungsanforderungen wird empfohlen, zunächst die PoC-Verifizierung durchzuführen.

Hauptfunktionen

• Visual Workflow Editor: Erstellen Sie per Drag-and-Drop einen KI-Workflow, der Knotentypen wie LLM-Aufrufe, HTTP-Anfragen, bedingte Beurteilungen, Codeausführung (Python/JS) und Datenkonvertierung unterstützt. Der Canvas zeigt den Datenfluss in Echtzeit an und jeder Knoten kann unabhängig getestet und debuggt werden.
• Über 200 voreingestellte Vorlagen: decken Kundendienst, Betrieb, Forschung und Entwicklung, Marketing und andere Szenarien ab. Vorlagen können mit einem Klick importiert und zweimal geändert werden, ohne bei Null anfangen zu müssen. Etwa 65 % der Benutzer erstellen Prozesse aus Vorlagen.
• Multi-Modell-Backend-Unterstützung: OpenAI, Claude, DeepSeek, GLM und benutzerdefinierte APIs können verbunden werden, und verschiedene Modelle können je nach Bedarf im Workflow gewechselt oder kombiniert werden.
• Benutzerdefinierter Codeknoten (v3.2+): Unterstützt Python- und JavaScript-Skripte und kann beliebige Datenverarbeitungslogik ausführen. Das Skript wird über das integrierte Debugging-Panel der Plattform ausgeführt, das die Anzeige von Variablen und Haltepunkte unterstützt.
• Mehrere Auslöser: Unterstützt Webhooks (ausgelöst durch externen System-Push), geplante Aufgaben (Cron-Ausdruck), manuelle Auslösung und API-Aufrufe.
• Integration von IM-Benachrichtigungen: Unterstützt automatische Push-Benachrichtigungen von IM-Tools wie Slack, Feishu und WeChat Enterprise.
• Run Log and Debug Panel: Zeigt den detaillierten Ausführungsstatus, den Zeitverbrauch sowie Eingabe- und Ausgabe-Snapshots jedes Knotens an und unterstützt die erneute Ausführung ausgefallener Knoten.

Modell- und Versionsentwicklung

Version	Datum	Wichtige Änderungen
v1.0	2025-06	Der Konversations-KI-Assistent ist online und verfügt über grundlegende Frage- und Antwortfunktionen
v2.0	2025-11	Auf eine intelligente Agentenkonstruktionsplattform aufgerüstet, die benutzerdefinierte Werkzeugbindung unterstützt
v3.0	2026-01	Visueller Workflow-Editor, bedingte Verzweigungsfunktion
v3.1	2026-04	HTTP-Anfrageknoten, zeitgesteuerter Trigger, JSON-Parser
v3.2	2026-06	Benutzerdefinierte Codeknoten (Python/JS), IM-Benachrichtigungsintegration, Debugging-Panel

Von Version 1.0 bis Version 3.2 hat sich Zoes Positionierung von „Konversations-KI“ zu „Low-Code-Agenten-Orchestrierungsplattform“ gewandelt. Der Workflow-Editor in v3.0 stellt in seiner Produktform einen Wendepunkt dar – vom Chatbot zur orchestrierbaren Automatisierungsplattform. Benutzerdefinierte Codeknoten in Version 3.2 beseitigen die Funktionsbeschränkung nahezu.

Technische Vorteile

• DAG Workflow Engine: Übernimmt eine gerichtete azyklische Grapharchitektur, jeder Knoten wird unabhängig ausgeführt und unterstützt bedingte Verzweigung, parallele Ausführung und Datenkontextübertragung. Der Workflow unterstützt Verschachtelungen und Unterprozessaufrufe.
• Multi-Modell-Routing: Je nach Knotengranularität im Workflow können verschiedene Modell-Backends angegeben werden, was den Wechsel zwischen Modellen und Hybrid-Orchestrierung unterstützt. Der LLM-aufrufende Knoten kann Parameter wie Systemeingabeaufforderung, Temperatur, max_tokens usw. konfigurieren.
• Sandboxed Code Execution: Benutzerdefinierte Codeknoten werden in einer isolierten Sandbox ausgeführt, wodurch Dateisystem- und Netzwerkzugriffsberechtigungen eingeschränkt werden, um zu verhindern, dass bösartiger Code die allgemeine Sicherheit der Plattform beeinträchtigt.
• Inkrementelle Ausführungsoptimierung: Führen Sie nur den geänderten Knoten und seine nachgeschalteten Knoten aus, um eine vollständige erneute Ausführung nach der Änderung zu vermeiden. Bei einem Workflow mit 50 Knoten beträgt die Zeit für die erneute Ausführung nach einer einzelnen Knotenänderung typischerweise innerhalb von 5 Sekunden.
• Elastische Containerbereitstellung: Die SaaS-Version basiert auf der elastischen Kubernetes-Skalierung und die Obergrenze der gleichzeitigen Ausführung eines einzelnen Workflows wird durch das Abonnementpaket bestimmt. Die Pro-Version unterstützt bis zu 10 gleichzeitige Ausführungen.

Wie man es benutzt

Eingang	Beschreibung	Anwendbare Personen
Web-Editor	Erstellen Sie einen Workflow per Drag-and-Drop und testen Sie ihn in Echtzeit	Benutzer ohne technischen Hintergrund
Vorlagenmarkt	Filtern Sie Vorlagen nach Szenarien, importieren und ändern Sie sie mit einem Klick	Anfänger legen los
REST-API	API löst Workflow aus und erhält Ausführungsergebnisse	Entwickler
Webhook	Externer System-Push-Ereignisauslöser	Integrationsszenario
Geplante Aufgaben	Periodische Ausführung von Cron-Ausdrücken	Berichte/Datensynchronisierung

Typische Verwendungsschritte: Registrieren → Eine Vorlage auswählen oder einen neuen leeren Workflow erstellen → Knoten per Drag-and-Drop auf die Leinwand ziehen → Verbinden, um den Datenfluss einzurichten → Knotenparameter konfigurieren (Modell, Eingabeaufforderung, API-Endpunkt) → Testen → Veröffentlichen → Auslöser konfigurieren. Das laufende Protokollfenster zeigt den Ausführungsstatus und den Zeitverbrauch jedes Knotens an.

Produktpreise

Paket	Preis	Inhalt
Kostenlos	¥0	5 aktive Workflows, 500 Mal/Monat, Basisknoten
Pro	¥199/Monat (¥1.990 jährlich)	50 Workflows, 10.000 Mal/Monat, alle Knotentypen
Team	¥699/Monat (jährliche Zahlung ¥6.990)	200 Workflows, 50.000 Mal/Monat, Teamzusammenarbeit, Berechtigungsverwaltung
Unternehmen	Individuelles Angebot	Unbegrenzte, private Bereitstellung, SLA-Garantie

Alle kostenpflichtigen Pläne beinhalten eine 7-tägige kostenlose Testversion. Zahlen Sie jährlich und profitieren Sie von ca. 17 % Rabatt. Private Bereitstellungen basieren auf Docker Compose oder Kubernetes.

Anwendungsszenarien

• Automatisierung des Kundendienstes: Erstellen Sie einen automatischen Antwort-Workflow für Kundenberatungen – Benutzerfragen → LLM-Absichtserkennung → Abruf der Wissensdatenbank → automatische Antwort. Die Häufigkeit manueller Eingriffe wird um 50–70 % reduziert. Überprüfung: Vergleichen Sie die automatische Lösungsrate von Arbeitsaufträgen vor und nach der Bereitstellung.
• Betriebsdatenbericht: geplanter Auslöser → Datenbankabfrage → LLM-generierte Analysezusammenfassung → Feishu/DingTalk-Push. Die Berichtsausgabezeit wurde von 2 Stunden auf 10 Minuten verkürzt. Verifizierung: Verfolgen Sie die Zeit, die zum Erstellen täglicher Berichte benötigt wird.
• Inhaltsüberprüfungspipeline: Vom Benutzer eingereichte Inhalte → LLM-Klassifizierung (normal/verletzt/verdächtig) → automatisches Abfangen von Verstößen → Verdächtige Übertragung in die manuelle Überprüfungswarteschlange. Die Überprüfungseffizienz wird um etwa das Dreifache verbessert. Verifizierung: Vergleichen Sie die durchschnittliche Bearbeitungszeit der Überprüfungswarteschlange.
• Batchgenerierung von Marketing-Texten: Geben Sie Produktinformationen stapelweise ein → LLM generiert plattformübergreifende Adaptionstexte (Xiaohongshu/Offizielles Konto/Douyin) → Automatische Veröffentlichung. Die tägliche Produktionskapazität einer einzelnen Person wurde von 5 auf 50 Artikel erhöht.

Anwendbare Personen

Menschenmenge	Anpassungswert	Einschränkungen
Betriebs-/Marketingpersonal	Erstellen Sie automatisierte Prozesse ohne Programmierung	Komplexe Logik erfordert immer noch Verständnis für bedingte Verzweigungen
Produktmanager	Automatisierte Produktlogik schnell überprüfen	Benutzerdefinierte Codeknoten erfordern Programmierkenntnisse
Entwickler	Verwenden Sie API/Webhook, um Ihr eigenes System einzubetten	Fortgeschrittene Szenarien erfordern Kenntnisse der DAG-Orchestrierung
Klein- und Mittelbetriebe	Erzielen Sie kostengünstigen Kundenservice und Marketingautomatisierung	Der privatisierte Einsatz erfordert eine Bewertung der Betriebs- und Wartungsressourcen

Ungeeignete Szenarien: Interaktionsszenarien, die eine Echtzeitreaktion auf Millisekundenebene erfordern (die Workflow-Engine hat einen Startaufwand); hochkomplexe Prozesse mit mehr als 50 Knoten (Wartbarkeit ist deutlich reduziert); Geschäftskritische Szenarien mit strengen SLA-Anforderungen (Enterprise Edition erfordert Bestätigung der SLA-Bedingungen).

Vergleich von Konkurrenzprodukten

Vergleichsabmessungen	Fundon AI Zoe	Verändern	Coze
Kernunterschiede	Low-Code + Template-gesteuert, nicht technisch benutzerfreundlich	Open Source + technische Community, entwicklerfreundlich	Plattformökologie + Plug-in-Markt
Kostenloses Kontingent	500 Mal/Monat	200 Mal/Monat	Begrenzt kostenlos
Pro-Preis	¥199/Monat	¥299/Monat	Pay-as-you-go
Privater Einsatz	Ab ¥9.800/Jahr	Open Source und kostenlos (Selbstbetrieb und Wartung)	Nicht verfügbar
Kundenspezifische Modelle	Multi-Modell-Backends	Multi-Modell-Backends	Nur Plattformmodelle
Anzahl der Vorlagen	200+	100+	Community-Vorlagen
Lernschwelle	Niedrig (kein Prompt-Projekt erforderlich)	Mittel	Niedrig-Mittel

Zusammenfassung und Ausblick

Die zentrale Wettbewerbsfähigkeit von Fundon AI Zoe liegt in der Benutzerfreundlichkeit von „Low Code + Multi-Step Orchestration“, die es technisch nicht versierten Benutzern ermöglicht, komplexe KI-Automatisierungsworkflows zu erstellen. In der aktuellen Version wurden einige Erfahrungen im Bereich Vorlagenreichtum (200+) und Connector-Ökologie gesammelt.

Hauptvorteile: Nicht-technische Benutzer können schnell loslegen; Über 200 Branchenvorlagen reduzieren die Kosten für die Erstellung von Grund auf. Unterstützt Backends mit mehreren Modellen und benutzerdefinierten Codeknoten und weist eine hohe Funktionsbeschränkung auf.

Bekannte Einschränkungen: Die Berechtigungsverwaltung auf Unternehmensebene und die Prüfprotokolltiefe müssen verbessert werden. Der Grad der Anpassung der privaten Bereitstellungsversion ist begrenzt. Das Debuggen benutzerdefinierter Codeknoten basiert auf dem integrierten Panel der Plattform und es fehlt externe IDE-Unterstützung. Die Workflow-Ausführung ist auf Cloud-Dienste angewiesen und Netzwerkunterbrechungen können die Verfügbarkeit beeinträchtigen.

Risikooffenlegung: (1) Die Workflow-Ausführung basiert auf Cloud-Diensten und SLA-Bedingungen müssen bestätigt werden, wenn eine Garantie für die Geschäftskontinuität erforderlich ist. (2) Obwohl benutzerdefinierte Codeknoten in einer Sandbox ausgeführt werden, muss darauf geachtet werden, keine sensiblen Daten in Skripte zu schreiben. (3) Der tatsächliche Lieferzyklus und der Funktionsumfang der privatisierten Bereitstellungslösung müssen vom Verkauf bestätigt werden; (4) Die Plattform befindet sich in einer schnellen Iterationsphase und API und Funktionsstabilität können sich mit Versionsaktualisierungen ändern. Unternehmensbenutzer sollten vor dem Upgrade die Workflow-Kompatibilität vollständig testen.

Weitere Beobachtungsanweisungen: Verbesserung der Berechtigungsverwaltung für Unternehmensversionen, Erweiterung des Connector-Ökosystems und Entscheidung, ob der Offline-Betriebsmodus gestartet werden soll, um instabile Netzwerkszenarien abzudecken.

Verwandte Tools: CrewAI, langchain

Versionsinfo

• Zoe Workflow Studio ：Visueller Editor für bedingte Verzweigungen und benutzerdefinierte Codeknoten-Slack/Feishu-Benachrichtigungsintegration hinzugefügt. （2026-06-20）
• Connector-Erweiterung ：JSON-Parser- und Timing-Trigger-Funktionen für HTTP-Anforderungsknoten hinzugefügt. （2026-04-05）
• Agent Builder ：Von einem einzelnen Konversationsassistenten auf eine Plattform zur Agentenerstellung umgestellt, die benutzerdefinierte Toolbindung unterstützt. （2025-11-10）
• Zoe Chat ：Die erste öffentliche Version wird in Form eines Konversations-KI-Assistenten eingeführt. （2025-06-01）