今天看GitHub动态时，我看到一条有点意外的消息：Flowise要停止运营了。这个开源项目在GitHub上有超过5.5万星、2.4万次fork，是很多人早期搭建AI应用时用过的可视化工具。

一个有5.5万星的项目突然关停，我原本以为官方会解释运营成本或商业压力。

结果团队重点谈的，却是开发者正在改变构建AI应用的方式。

Flowise并不像是一个早已没人维护的废弃项目。7月29日，它还发布了3.1.4版本。

但也是在这一天，团队宣布停止新功能开发；8月10日将归档代码仓库；8月31日结束官方支持。

代码仍然会保留，用户也可以fork后继续维护，但原团队不再继续运营它。

公告里对原因的解释非常直接：模型越来越擅长推理，开发者也越来越依赖Claude Code、OpenClaw这类编码Agent（能自主执行任务的AI代理）处理复杂任务。

相比之下，固定的低代码工作流一遇到复杂问题，就很容易碰到上限。

过去是人先为AI画好流程，现在是人告诉AI目标，让它自己找路。

Flowise代表的是上一阶段很典型的AI开发方式。

你在画布上拖进模型、知识库、提示词和工具节点，再用连线告诉系统：先查资料，再让模型判断，如果失败就走另一条分支。

当时模型自己规划任务的能力很弱，人预先把步骤铺好，能换来更稳定的结果。

而且它把原本要写代码的模型调用、数据传递和条件判断，变成了可视化节点。对不熟悉开发的人来说，这确实降低了做AI应用的门槛。

问题是，现实中的复杂任务很少一直按照同一张图运行。

一个节点输出不对，人就要回到画布上查参数；新增一种任务，又要多画一条分支；模型、API或业务规则一变，整张流程还要跟着维护。

结果，人不是在解决任务，而是在不断维护自己对任务的预测。

编码Agent改变的恰恰是这一点。

人可以只告诉它要完成什么。它自己读代码、选工具、修改文件、运行测试，遇到报错再调整下一步。它不一定比画好的流程更稳，但它能处理那些很难被提前穷举的路径。

这也意味着，低代码AI工具没有因为一次关停就全部失去价值。

对付款审批、客服分流、数据同步这类路径固定、责任明确的任务，工作流仍然更可控，也更容易审计。但如果任务每次都不一样，需要不断查资料、试错和调整方案，强行画成一张完整流程图，反而可能把复杂度留给了人。

任务路径越稳定，越适合工作流；路径越不确定，越需要Agent。

所以，Flowise的关停不能证明Claude Code直接淘汰了所有低代码工具。

但它至少提醒了正在做AI产品的团队：别一上来就决定画布、节点和流程该怎么设计。

先问一个更重要的问题：用户的任务，到底能不能被提前画完？

如果可以，让系统按图执行。

如果不能，产品真正该设计的，就不再是那张更漂亮的流程图，而是Agent的目标、权限和验收边界。