AutoGPT 与 n8n 的双线叙事里，自动化市场的版图尚未移动

AutoGPT 的平台化和 n8n 的 AI 原生工作流化确实在降低自动化构建的门槛，但当前二者吃掉的不是低代码与 RPA 的市场份额，而是开发者的好奇心预算。两个项目的星标数和版本迭代密度与生产环境渗透率之间，仍然存在无法用公开数据弥合的落差，因此尚不构成可测量的市场替代。

AutoGPT 在 v0.6.59 平台测试版中进一步模块化了自主代理的开发工具链，支持多种 LLM 后端，试图将“构建一个能自主规划与执行的 AI 代理”从实验性 Demo 推进到可复用的平台层 [2]。n8n 于同一时间窗口发布的新稳定版本，则强化了 AI 原生工作流能力，以 400+ 集成、可视化构建和自托管部署，把 LLM 调用嵌入工程团队已有的自动化流程 [1]。表面看，一条线在让代理自己干活，另一条线在让工作流更聪明，都在压缩传统依赖固定规则和人工编排的低代码与 RPA 工具的生存空间。

但两条线目前积累的证据，都与“吞噬市场”的判断不匹配。AutoGPT 自 2023 年开源以来获得了超过 18 万星标，然而原始情报同时指出这些星标“多是尝鲜弃坑”[2]；用户在真实生产环境中部署、监控、调试自主代理并持续运行的比例，没有任何可直接引用的数据。n8n 的情况稍好，18.6 万星标和稳定的企业级部署案例表明它已被工程团队实际使用，但同样缺乏公开证据表明，有显著规模的客户正在用 n8n 替换 UiPath、Zapier 或 OutSystems 的既有流程。

星标数在这里只是生态热度的代理指标，无法充当市场份额的代理。没有公开基准的情况下，可以合理推断，自主代理在非结构化任务中的错误率仍处于需要频繁人工干预的区间，这直接推高了生产环境中的监控与回退成本。对 RPA 长期服务的合规审计场景而言，不可解释的代理行为本身就是难以接受的风险。n8n 的 AI 节点在设计上更偏向替代“需要写脚本的集成层”，目前公开的使用模式也支持这一判断；但尚未看到其直接替代 SAP 流程机器人或银行对账系统等对确定性 SLA 有刚性要求的自动化环节。产业逻辑上，这两类工具改变的是开发体验，而不是企业采购部门的预算归属——后者仍然要求稳定性承诺、错误率基线和供应商合规资质。

一个需要保留的替代解释是：这一波工具的增长，可能只是低代码和 RPA 市场的边缘补充，而非结构性替代。过去三年，“低代码吞噬 RPA”的叙事同样热闹，但 UiPath 同期仍在增长。在现有信息环境里，没有任何引用能证明头部自动化厂商的客户正向 AutoGPT 或 n8n 迁移。如果拉长时间线，更大的可能性是低代码/RPA 平台自身正在内建 AI 能力——当云厂商和现有企业软件渠道掌握着身份、合规和账单关系时，外部工作流工具的增长空间不在替代，而在增量。

必须划定的边界有两条。其一，n8n 的 AI 节点采用占比和自托管部署的企业留存数据目前仍不公开，缺少这些数据就无法精确衡量它从“开发者工具”到“企业采购对象”的跃迁进度。其二，AutoGPT 的平台化如果在后续版本中能将错误率曲线实质性压低，其对非结构化任务的覆盖能力确实有可能打开 RPA 无法触达的新场景，但这一可能性依赖于错误率出现可靠下降，且用户留存摆脱尝鲜周期。

后续需要追踪的指标因此十分具体：n8n 和 AutoGPT 的周活跃部署数量与留存曲线；公开可查的客户替代案例，尤其是从 UiPath、Zapier 或低代码平台迁移到 AI 工作流工具的案例数量及其行业分布；AutoGPT 在生产环境中的任务成功率变化趋势。在至少一项指标出现之前，任何关于“吞噬”的判断，都是在用开源社区的热度冒充市场趋势。目前唯一能确认的，是一个值得持续观察的生态信号——而非版图的移动。