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；
3 i8 g) K: H4 F, d' E: e1 Y9 r* i- X0 L. {' R) z
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；
1 ?& @" ]5 d1 L( A& ^' s, E
3 N; \" b- W/ M- i9 I& n" p6 U

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；

: F/ b. @1 j1 {) u% U% P8 w0 M9 J5 _7 S

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）。

5 C, X2 l8 j# p* ]- M

1.2技术框架和原理

技术栈

! O( |! I1 [5 q9 u2 \2 C
- 前端：Vue.js、logicflow
  ; w' G: y& |5 m! ~, d
- 后端：Python / Django
  8 t0 S6 y; \8 h5 e' G0 q8 \
- Langchain：Langchain
  ) b Z8 O, J" ~7 B* M; N
- 向量数据库：PostgreSQL / pgvector
  
  & ?. I4 k0 [) A' w7 A: t' o' A6 ?
- 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。
  ; |0 c& X; }7 c% i. p

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! _. v4 c4 k% I- C, k! d

( C6 j4 w+ i( p! D: g
github：https://github.com/langgenius/dify?tab=readme-ov-file4 o8 l( d& L- H* H$ v" i

- ~: {- }" V2 d5 k/ V

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。) A0 L0 Y+ M. I/ m0 F

0 U* C5 o4 t; I' j: h, I0 m
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。* Q1 f/ y% ?# X) t# l% w/ J1 g8 t8 w

' k" _5 n# U( V! ^) {) H. k
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。3 r9 r1 H! r8 | _6 r

. m3 W. N$ \" x' g: @
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。
& B! G, h3 ^9 K2 Q; j

! O& Q0 U1 ~7 _ _ ]. ^
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。
, [' h3 d6 ^. m# _) u" h( S
" ^2 N- S* i$ A H2 v
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。
* Z* H! g7 R1 C9 w4 p. ?7 L1 S

7 ?5 g; A9 V& G9 m3 J
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。
& m; b2 H3 d: n- {5 s1 W

) e& @9 @7 ?3 I, x/ U$ w

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。# `: E! x: g+ y- d

" y! L$ j. r+ a/ A' n5 l
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。
0 K/ V# h; Y; I1 x

7 L5 T/ }+ `8 n# P' h$ F& I6 h

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# |% j( N5 u% o

& C' O3 ^ [* `
- 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。
  ) B" o; \' h8 r5 Z
  
  7 R8 F$ O. y3 ^: R
- 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。
  - p% @' G& e! E! @+ k" b" A$ D: X
  . t# A5 a1 `/ L d1 C2 ?- n# 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。
  3 O9 R; I" E: p' P! ?- E* M1 O0 @0 d7 }/ W. ^5 n: C9 c
- 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。 V3 T. O8 b/ L) Q) k" q
  
  . C1 T$ O0 V: ]( X. g* y" Z8 c" O
- 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。! W2 l3 N4 X, ~
  
  + J% Z8 }4 e8 @+ P2 `) R4 j# [3 {6 ?

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/* E( P8 { j' l5 Y9 q1 V2 ~, ?

; _! r9 ^5 y7 y3 n3 T6 u
github：https://github.com/labring/FastGPT, o4 H H' K- L2 n- Y& u, U) k( u- s7 `7 A

% X$ W( p2 M+ W& H( I

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。
" [6 `/ L7 n% q

多库复用，混用

5 a- U5 p) X! e0 {
chunk 记录修改和删除
}5 ], s% x& ~! C* |2 o
源文件存储
/ x# x; a" F' Y
支持手动输入，直接分段，QA 拆分导入

. P7 W0 ^# n8 D$ s9 v5 g4 ]: c
支持 txt，md，html，pdf，docx，pptx，csv，xlsx (有需要更多可 PR file loader)
& ~5 y: h$ G* Z
支持 url 读取、CSV 批量导入

0 k& m, T4 z1 T; u2 l8 x, ` a
混合检索 & 重排( @5 S0 _* }2 S' }2 S( @" ~

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。
# e5 T/ U# ^( Q
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。
0 ?* F4 ]# X9 m( i# P! }
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。
$ s, J) Z1 t( t$ l* Y. J