RAG+AI工作流+Agent：LLM框架该如何选择，全面对

鹏仔专用 · 发表于 2024-10-11 10:25

EDA365欢迎您！

您需要登录才可以下载或查看，没有帐号？注册

x

RAG+AI工作流+Agent：LLM框架该如何选择，全面对比MaxKB、Dify、FastGPT、RagFlow、Anything-LLM,以及更多推荐

1.MaxKBMaxKB = Max Knowledge Base，是一款基于 LLM 大语言模型的开源知识库问答系统，旨在成为企业的最强大脑。它能够帮助企业高效地管理知识，并提供智能问答功能。想象一下，你有一个虚拟助手，可以回答各种关于公司内部知识的问题，无论是政策、流程，还是技术文档，MaxKB 都能快速准确地给出答案:比如公司内网如何访问、如何提交视觉设计需求等等

官方网址：https://maxkb.cn/

1.1 简介

开箱即用：支持直接上传文档、自动爬取在线文档，支持文本自动拆分、向量化、RAG（检索增强生成），智能问答交互体验好；
" `* y% _. [' B
3 t2 Y2 O \6 q" ]
无缝嵌入：支持零编码快速嵌入到第三方业务系统，让已有系统快速拥有智能问答能力，提高用户满意度；
4 j; O {, u6 T7 k' V1 h7 E2 U: ^. d5 [) ~( E& ?. {

灵活编排：内置强大的工作流引擎，支持编排 AI 工作流程，满足复杂业务场景下的需求；

3 W+ W' q& d- ~" @2 ~

模型中立：支持对接各种大语言模型，包括本地私有大模型（Llama 3 / Qwen 2 等）、国内公共大模型（通义千问 / 智谱 AI / 百度千帆 / Kimi / DeepSeek 等）和国外公共大模型（OpenAI / Azure OpenAI / Gemini 等）。

+ U' z6 v; ]5 N" F4 j! k, u

1.2技术框架和原理

技术栈

) z, }; H0 Y& V( c
- 前端：Vue.js、logicflow
  
  & ?( T1 _+ [4 R$ M0 z7 V; u& r
- 后端：Python / Django
  $ l# R$ n* [# M5 O
- Langchain：Langchain
  3 X' ^5 G8 f2 W. }' z) Z6 t6 O
- 向量数据库：PostgreSQL / pgvector
  
  - l) V5 N3 m6 U& j# F2 ]7 t! A
- 大模型：Ollama、Azure OpenAI、OpenAI、通义千问、Kimi、百度千帆大模型、讯飞星火、Gemini、DeepSeek等。
  ( P" i* \9 K3 q! B

2.DifyDify 是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务（Backend as Service）和 LLMOps 的理念，使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员，也能参与到 AI 应用的定义和数据运营过程中。

由于 Dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agent 框架、灵活的流程编排，并同时提供了一套易用的界面和 API。这为开发者节省了许多重复造轮子的时间，使其可以专注在创新和业务需求上

官网：https://dify.ai/zh. f0 J9 Z' ^* p% F

1 \; M7 v6 {, I% }) n
github：https://github.com/langgenius/dify?tab=readme-ov-file
4 C K$ @- `" H0 @+ y- [

" M8 w6 J9 r2 u% Z

2.1 简介Dify 是一个开源的 LLM 应用开发平台。其直观的界面结合了 AI 工作流、RAG 管道、Agent、模型管理、可观测性功能等，让您可以快速从原型到生产。以下是其核心功能列表：

工作流: 在画布上构建和测试功能强大的 AI 工作流程，利用以下所有功能以及更多功能。1 V8 r; k1 B2 J' Z

3 V. [0 y& _& s5 S3 z+ Z
全面的模型支持: 与数百种专有/开源 LLMs 以及数十种推理提供商和自托管解决方案无缝集成，涵盖 GPT、Mistral、Llama3 以及任何与 OpenAI API 兼容的模型。
( F+ G% H4 J9 Q0 _
5 _# U$ d {5 U& |/ o
Prompt IDE: 用于制作提示、比较模型性能以及向基于聊天的应用程序添加其他功能（如文本转语音）的直观界面。
! b8 J* s5 n4 U3 K* k1 j

: f2 x7 Y1 o4 Z' \
RAG Pipeline: 广泛的 RAG 功能，涵盖从文档摄入到检索的所有内容，支持从 PDF、PPT 和其他常见文档格式中提取文本的开箱即用的支持。# ]- h) Y7 o: ?. n$ Q

6 C- t- `% }! G9 x
Agent 智能体: 您可以基于 LLM 函数调用或 ReAct 定义 Agent，并为 Agent 添加预构建或自定义工具。Dify 为 AI Agent 提供了50多种内置工具，如谷歌搜索、DELL·E、Stable Diffusion 和 WolframAlpha 等。
9 h# `0 O: p8 Y7 _$ P0 |' R! {9 d

6 Y# {/ b6 ?7 q0 X+ N
LLMOps: 随时间监视和分析应用程序日志和性能。您可以根据生产数据和标注持续改进提示、数据集和模型。
$ S3 k8 i$ L# P- [

8 ^" q* j. h7 {2 E& a( P
后端即服务: 所有 Dify 的功能都带有相应的 API，因此您可以轻松地将 Dify 集成到自己的业务逻辑中。
$ V& t! `4 \9 K J# h. ]
7 R( p+ ~. ]; w! t5 j4 V

2.2 系统框架

工作流通过将复杂的任务分解成较小的步骤（节点）降低系统复杂度，减少了对提示词技术和模型推理能力的依赖，提高了 LLM 应用面向复杂任务的性能，提升了系统的可解释性、稳定性和容错性。Dify 工作流分为两种类型：

Chatflow：面向对话类情景，包括客户服务、语义搜索、以及其他需要在构建响应时进行多步逻辑的对话式应用程序。( J( M( M$ y5 M. g/ `1 X# T

- M' B( }) z% w0 R
Workflow：面向自动化和批处理情景，适合高质量翻译、数据分析、内容生成、电子邮件自动化等应用程序。- [- E( i6 x. t" k+ s

& B) h/ T5 ^' u0 {' L

为解决自然语言输入中用户意图识别的复杂性，Chatflow 提供了问题理解类节点。相对于 Workflow 增加了 Chatbot 特性的支持，如：对话历史（Memory）、标注回复、Answer 节点等。

为解决自动化和批处理情景中复杂业务逻辑，工作流提供了丰富的逻辑节点，如代码节点、IF/ELSE 节点、模板转换、迭代节点等，除此之外也将提供定时和事件触发的能力，方便构建自动化流程。

常见案例4 g, \, S0 o8 a! n# G

! d* F2 x6 n2 J8 A: x
- 客户服务：通过将 LLM 集成到您的客户服务系统中，您可以自动化回答常见问题，减轻支持团队的工作负担。 LLM 可以理解客户查询的上下文和意图，并实时生成有帮助且准确的回答。
  1 S' M. s" V8 t3 d: S9 G
  0 y' U! B0 i! C1 }. L, n% l8 N
- 内容生成：无论您需要创建博客文章、产品描述还是营销材料，LLM 都可以通过生成高质量内容来帮助您。只需提供一个大纲或主题，LLM将利用其广泛的知识库来制作引人入胜、信息丰富且结构良好的内容。6 y4 c" Y$ E, E1 [" V9 _3 J
  & q4 ~- w. J& S9 N; `6 }" Q: w
- 任务自动化：可以与各种任务管理系统集成，如 Trello、Slack、Lark、以自动化项目和任务管理。通过使用自然语言处理，LLM 可以理解和解释用户输入，创建任务，更新状态和分配优先级，无需手动干预。
  . U$ J# H* i9 h( ^$ d" ^' H4 G- w' B j E/ S( D3 y6 ?' ?
- 数据分析和报告：可以用于分析大型数据集并生成报告或摘要。通过提供相关信息给 LLM，它可以识别趋势、模式和洞察力，将原始数据转化为可操作的智能。对于希望做出数据驱动决策的企业来说，这尤其有价值。# v7 C6 x8 G; h# C9 f# P# I
  
  - I' C; Z2 X7 ]
- 邮件自动化处理：LLM 可以用于起草电子邮件、社交媒体更新和其他形式的沟通。通过提供简要的大纲或关键要点，LLM 可以生成一个结构良好、连贯且与上下文相关的信息。这样可以节省大量时间，并确保您的回复清晰和专业。
  2 d( X5 j) |3 [. T# O* q0 Y
  ; Z. R, V$ N" E; M+ r8 m

3.FastGPT

FastGPT是一个功能强大的平台，专注于知识库训练和自动化工作流程的编排。它提供了一个简单易用的可视化界面，支持自动数据预处理和基于Flow模块的工作流编排。FastGPT支持创建RAG系统，提供自动化工作流程等功能，使得构建和使用RAG系统变得简单，无需编写复杂代码。

官方：https://fastgpt.in/
8 c }7 |5 R7 ^" [2 S
$ T, F- n9 H2 @
github：https://github.com/labring/FastGPT
5 h" Y4 n4 W- F& b; H8 ^. {
$ S7 C; ?- s! Y( `

3.1 FastGPT 能力

专属 AI 客服：通过导入文档或已有问答对进行训练，让 AI 模型能根据你的文档以交互式对话方式回答问题。

* v, J r, [. h9 ] E

多库复用，混用

, I& f+ f6 b% H
chunk 记录修改和删除
5 n$ S) D$ u7 o* }, h+ ~
源文件存储
; e4 x4 \ [+ }$ b1 T. C/ Y
支持手动输入，直接分段，QA 拆分导入
1 M5 [6 S' S5 @$ z6 p4 F: H
支持 txt，md，html，pdf，docx，pptx，csv，xlsx (有需要更多可 PR file loader)
+ t) ]6 W2 Z7 i( r
支持 url 读取、CSV 批量导入

7 w O( M" u' Q5 T0 R
混合检索 & 重排: d( A$ R5 q3 F V( \0 }5 |5 e/ O

简单易用的可视化界面：FastGPT 采用直观的可视化界面设计，为各种应用场景提供了丰富实用的功能。通过简洁易懂的操作步骤，可以轻松完成 AI 客服的创建和训练流程。

2 Q% X% A: O! O e8 x' s# Y
自动数据预处理：提供手动输入、直接分段、LLM 自动处理和 CSV 等多种数据导入途径，其中“直接分段”支持通过 PDF、WORD、Markdown 和 CSV 文档内容作为上下文。FastGPT 会自动对文本数据进行预处理、向量化和 QA 分割，节省手动训练时间，提升效能。
& X( F8 v* V2 |7 O7 |
工作流编排：基于 Flow 模块的工作流编排，可以帮助你设计更加复杂的问答流程。例如查询数据库、查询库存、预约实验室等。
1 ?; G" H4 @2 ~$ J