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；
( G7 f4 N. w& L* D1 e- F" c8 z1 I
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；( E8 ^$ _3 H6 w8 f: r: r& I

9 G3 x7 Z5 s( v& f. k2 ?

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；

+ t9 Y% s: ~3 j2 {* I3 k9 W' x1 F

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）。

' x/ @- G, a% P A: _4 F# a

1.2技术框架和原理

技术栈

; u) F7 w/ n$ d2 w& w! V3 j6 w
- 前端：Vue.js、logicflow
  , f8 b9 q! ]% G0 P0 I l
- 后端：Python / Django
  
  0 }2 O$ i d# `' P- o1 W6 h4 \
- Langchain：Langchain
  
  ! S' a3 G8 d% K$ j$ b
- 向量数据库：PostgreSQL / pgvector
  2 E4 f& q2 V# d* t& | ~+ t6 Q
- 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。
  
  : u7 G ]1 G% d7 S/ Q3 A4 R

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
- u5 B6 v5 e8 k7 h6 B! B; k+ K- `
' U/ w! q, Y0 j# E9 S) X
github：https://github.com/langgenius/dify?tab=readme-ov-file/ H( D/ a( j G F4 s

. F3 A- C4 b# K1 ~7 e6 J8 m

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。
: c/ B5 L) V! r8 A- ]( [0 S, Z

3 |. ~7 x2 I2 }; T0 _ G
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。: F5 |7 d: u: s

" ]6 d" d% | m2 Y
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。1 ~' {- B; J+ T6 Z, ~3 d& M

7 B: |: w( o3 C: ]
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。
3 ^1 o& |- |: K0 o1 i. `/ O

2 S* p. |5 S. S5 G4 s8 _% ?* F
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。 e0 o2 K. V" e) p% m

/ @. @5 ]9 E5 C2 V' E" q4 W! |5 w
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。; ?& H/ v+ N! `; i6 d

: X$ C* o$ X: Z9 ?: @
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。, o [5 D8 H! n0 t5 }5 K/ {8 S

2 C8 X8 r2 b7 g, Y5 x

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。/ [) Z" H- j" E5 o: _

8 T3 d# ~9 K; V0 F4 v. o
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。
4 {: R/ X9 T8 V9 }5 W$ t

; J* W9 R+ E5 P6 \) P: i; ?

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
: |: S+ {, D$ i# c* \' F) t; r
2 H9 Q) w! V" F) g+ p
- 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。/ ]9 z1 t% Z, h! f( v
  
  , R# h% k- a- Q1 D
- 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。
  8 u# c, w, k, G! E! ~( b* O$ P/ F5 Y! K, t: R. g
- 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。1 U5 i R# K/ n! }
  9 k9 H' n* v" O# J, ^4 s9 p
- 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。
  9 h# X* m; U% T6 {
  
  ' p9 l4 \# n6 c
- 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。* C$ [" T$ m) P7 w9 I, W& e
  $ Z: u- e E- O3 S

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/
" c- J8 H( b0 B# V" q

) b0 v5 z9 N' g; J
github：https://github.com/labring/FastGPT2 D# a8 P+ ~0 l4 @; k# {& X2 v

( [" v, E0 c4 A6 Y5 l+ M. K

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。
, A) B0 v3 A) V

多库复用，混用

, O& `+ P% f9 c" P3 m( N/ R8 r
chunk 记录修改和删除
6 J- A- k) o; ]( v" `! \# n% {
源文件存储
" h/ Y. Z/ e# Z: }
支持手动输入，直接分段，QA 拆分导入
p& n4 y0 I7 \( w, j8 b# I
支持 txt，md，html，pdf，docx，pptx，csv，xlsx (有需要更多可 PR file loader)

; {- K* {2 [* v, O& d8 I! {
支持 url 读取、CSV 批量导入

2 X2 O! K; r7 \3 t; z5 o
混合检索 & 重排; W1 I2 P" s. ~: P" V4 V1 k+ L$ n

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。
$ s& W6 x; ?( Y" X2 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。
8 y' J& ^7 }1 r( z: c0 U
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。
0 K- z! i% G V D4 b