No-Code AI 客服的戰國時代：Inkeep Agents vs Utah 橫評（entries: Inkeep Agents, Utah）💡📊

一個市場，兩種哲學

2026 年嘅 AI 客服市場，已經唔係「有冇 AI」嘅問題，而係「用邊種 AI」嘅問題。市面上號稱 no-code 嘅 AI agent 平台多如牛毛，但仔細睇就會發現，絕大部份其實做緊同一件事：將你嘅文檔餵俾 LLM，然後 output 一個 chat widget。真正值得拎出嚟比較嘅，係兩種截然不同嘅設計哲學——Inkeep Agents 代表嘅「企業級 agent 平台」路線，同 Utah 代表嘅「開發者可控嘅 durable agent runtime」路線。佢哋嘅分別唔單止係功能層面，而係成個架構思維嘅根本分歧。

Inkeep Agents：為 CX 團隊而建嘅 agent 工廠

Inkeep Agents 嘅核心定位好清晰：幫企業 CX 團隊快速建立同管理 AI 客服 agent，而唔需要依賴工程部門。佢嘅賣點係一個所見即所得嘅 no-code visual builder，非技術人員都可以喺上面 drag-and-drop 設定 agent 行為、連接知識庫、定義 workflow。背後嘅 RAG 系統會自動從你嘅文檔、help center、GitHub issue 當中檢索內容，每個回答都有 citation，減低 hallucination 風險。

Inkeep 真正嘅殺手鐧係 multi-agent orchestration。你唔係整一個 chatbot，而係定義一組 specialist agent——一個做 triage、一個處理 billing 問題、一個負責技術支援，再由 coordinator agent 根據 context 路由。呢種架構 mirror 咗真實客服團隊嘅運作方式，而唔係將所有嘢塞畀一個 monolithic agent。平台仲支援 MCP tool integration，可以直接連接 Zendesk、Salesforce、Slack 等工具，做到 create ticket、update CRM、send notification 等實際操作。

但 Inkeep 亦有其短板。最明顯係 pricing 唔透明——冇 self-serve plan，一定要 book demo 先知道價錢，起跳大約 $150/month，對於細 team 或者個人開發者嚟講門檻偏高。另外佢嘅強項同時亦係弱項：太 focus 喺 documentation-based support，如果你嘅 knowledge base 本身亂糟糟，agent 一樣會亂答。Inkeep 唔係一個 general-purpose agent framework，佢係一個為 customer experience 而設嘅垂直平台。

Utah：為開發者而設嘅 durable agent harness

Utah 係 Inngest 開源嘅 AI agent 項目（github.com/inngest/utah），佢嘅設計哲學同 Inkeep 完全相反。Utah 唔係一個平台，而係一個「harness」——一條 lightweight 嘅 agent loop，俾開發者自己控制每一個環節。

Utah 嘅核心係一個 think/act/observe 循環。每次 iteration 分三步：LLM 做「諗嘢」、根據結果執行 tool、將 tool 嘅 output 餵返俾 LLM 做下一個「諗嘢」。關鍵係呢個 loop 嘅每一步都係一個 Inngest durable step，意味住如果 step 7 嘅 LLM call timeout 咗，Inngest 會自動 retry 而唔需要重新執行 step 1 至 6。呢種 durable execution 喺 real-world 好重要——LLM API 成日 timeout，冇 durable layer 嘅 agent loop 會浪費大量 token 同時間。

Utah 另一個亮點係佢嘅 event-driven architecture。一個 incoming message 會觸發多個獨立 function：agent loop、acknowledgement（即時顯示 typing indicator）、reply sending、heartbeat memory distillation。呢種 composition 模式好優雅，每個 function 可以獨立 scaling 同 error handling。佢仲有兩層 memory system——daily log 加 LLM-distilled 嘅長期記憶——同 multi-channel support（Telegram、Slack 同自定義 channel）。

不過 Utah 唔係俾 non-technical user 用嘅。你需要寫 TypeScript、要有 Inngest account、要自己 deploy worker。佢冇 visual builder、冇 drag-and-drop、冇 enterprise governance layer。Utah 嘅 target audience 係嗰啲想自己 control agent behavior，唔想俾平台 lock-in 嘅開發者同團隊。

橫評：揀啱工具先係重點

直接比較 Inkeep Agents 同 Utah 其實有啲唔公平，因為佢哋嘅定位根本唔同。Inkeep 係一個垂直產品——你俾錢，佢俾你一個 ready-to-use 嘅 AI 客服系統，連 governance、analytics、multi-agent orchestration 都包埋。Utah 係一個 horizontal framework——你寫 code，佢俾你一條 durable agent loop，其他嘢你自己砌。

喺揀選嘅時候，考慮以下因素：如果你係 CX 團隊負責人，公司用緊 Zendesk 或者 Intercom，需要快速部署一個有 citation、有 governance、non-technical team 都可以 maintain 嘅 AI 客服系統，Inkeep 係合理選擇。代價係每個月美金 150 起跳，而且你嘅 agent 行為某程度上受限於平台嘅 abstraction。

相反，如果你係開發者或者技術團隊，需要一個可以自由定制嘅 agent runtime，或者你嘅 use case 唔止客戶服務（例如 internal tool、background processing、multi-channel chatbot），Utah 嘅 open-source harness 俾你更多控制權。你可以直接改 agent loop、自訂 tool execution logic、揀自己嘅 LLM provider、甚至 self-host。成本基本上係零（open source），代價係你要自己搞 infrastructure 同 maintenance。

結語

No-code AI 客服市場嘅「戰國時代」唔係邊個平台贏嘅問題，而係你要先搞清楚自己係邊種用家。Inkeep Agents 同 Utah 嘅分歧其實反映咗一個更深層嘅命題：你想要一個解決方案，定係一個可以俾你建立解決方案嘅工具？前者快、貴、有限制；後者慢、平、有自由。對於香港嘅創業者同開發者嚟講，我嘅建議係：先用 Utah 呢類 open-source harness 快速 prototype 你嘅 agent loop，驗證咗 product-market fit 之後，先再考慮 Inkeep 呢類 enterprise 平台嘅 scale 同 governance。咁樣你可以喺速度同控制之間取得平衡。