83
0女生: 哈喽大家好欢迎收听，我们的播客。啊今天咱们来聊一聊，几个比较火的，LLM 的应用平台啊，像什么 Dify.啊，Coze 啊，然后呢，嗯 n 八 n 啊，然后呢 FastGPT 啊还有这个 RAG flow 啊他们到底都有什么特点啊，然后呢，呃。适合于什么样的场景啊或者说什么样的人去用啊然后包括我们到底应该怎么去挑选啊这样的平台。
男生: 好那咱们就直接开入主题啊就是看看这些平台到底有哪些不同。
女生: 就是说，嗯，怎么去？在 Dify Coze n 八 n FastGPT 和 RAG flow 当中去挑选一个适合自己的 LLM 平台呢？
男生: 就是其实这几个平台啊就是他们的定位还是各有侧重的嗯那像 n 八 n 它其实更偏向于就是工作流的自动化。那其他的几个呢都是更偏向于，降低 AI 应用的开发门槛。啊，然后呢，呃，帮助你去更快的把一个想法变成一个产品。同时呢给开发者提供一些比较好用的工具，去管理和优化这个 AI 的能力。
女生: 听起来功能的区分还挺重要的，那他们在特点上面有没有什么特别明显的区分呢？
男生: 有啊就比如说，呃 Coze 它就是一个低代码的平台，它特别适合于快速的搭建对话式的 AI.那 FastGPT 呢它又更专注于，知识库的问答。那 Dify 呢它是一个一站式的平台它就是特别适合于，专业的开发者去做一些比较复杂的 AI 应用的开发。那 RAG flow 呢它又在处理复杂文档和，深度的问答上面有自己的优势。所以就是，不同的平台其实他们的，强项是不一样的对所以你要根据自己的需求来。
女生: 嗯，那你觉得就是 Dify 这个东西它更适合于哪些人去用呢？或者说它有什么，优点和缺点呢？
男生: 嗯 Dify 它其实是一个。二零二三年四月份开源的一个项目嗯然后它其实是一个。Backend as a service 和 LLMOps 的一个理念。就是它把，RAG pipeline，AI 的工作流，然后以及模型的管理，都集成到了一起。然后他也支持你用 Docker 来做私有化的部署。对然后他的那个服务器最低配置要求其实也不高，就两核四 g 就可以了。然后他在 Github 上面现在已经有九万八千三百多个星星了，就社区还是比较活跃的。
女生: 听起来确实功能很全面，那它有什么短板吗？
男生: 呃我觉得就是他的，功能太多了反而会让一些。想要简单实现一个东西的用户觉得有点重。然后另外一个就是他的那个创建的 Bot 的对外的 API 是没有兼容 OpenAI API 的。所以这一点的话对于一些外部的对接会比较麻烦，所以可能更适合于有一定技术能力的。团队或者企业去使用，去做一些定制化的需求。
女生: 那 Coze 呢它的特点和适用人群是什么？
男生: Coze 它其实是，字节跳动推出的一个。主打就是人人都是 AI 开发者，它其实也是一个无代码的平台。然后它里面内置了上千个工具插件。然后你可以通过可视化的界面去搭建你的 AI agent，然后他也支持一键发布到。抖音飞书这些平台，然后他也有代码插件。然后也有零代码的小程序和 web 页面的创建，然后也有定时任务这些东西。对所以他就是一个功能非常全面的。
女生: 听起来真的很强大，那它比较适合哪些人使用呢？
男生: 呃非常适合，AI 的初学者。然后包括产品经理运营，或者说一些。预算和技术都比较有限的个人或者小团队，去做一些个性化的 AI 智能体的快速搭建。
女生: 那 FastGPT 呢它有什么特点？然后它比较适合于哪些场景？
男生: FastGPT 它其实是一个。免费并且开源的一个 AI 知识库的平台，然后他也提供了数据处理。模型调用 RAG 检索以及可视化的 AI 工作流。然后他也可以导入多种格式的文档，然后快速的帮你打造一个领域的问答助手。然后他的那个 RAG 的效果也是非常不错的。然后他也支持 Docker 私有化部署，然后他的那个服务器配置要求也不高两核四 g 就可以了。然后他也有兼容 OpenAI 的 API，所以你可以很方便的把它集成到你的其他的应用里面。
女生: 听起来确实对于想要搭建知识库的人来说是个不错的选择，那它有什么短板吗？
男生: 呃他的功能和用户体验上面肯定是没有 Dify 那么丰富的。然后他的社区也没有 Dify 那么活跃，他在 Github 上面是两万四千两百多个星星。所以可能更适合于那些，想要快速的搭建起一个。知识库为主的 AI 应用的开发者或者企业，然后包括一些对 RAG 技术比较感兴趣的爱好者。
女生: 那 RAGFlow 和 n8n 呢，他们两个又分别适合于哪些场景哪些人呢？
男生: RAGFlow 它其实是一个开源的 RAG 引擎。然后它的核心竞争力就在于它的深度文档理解。比如说它可以帮你从合同里面去提取一些条款。然后或者说帮你总结一些很长的报告。然后它也支持非常多类型的数据的预处理。然后它也有非常多的参数可以去调整它的知识库的构建以及它的问答的过程。然后它也支持知识图谱。然后它的那个知识库的效果的上限是非常高的。但是他的那个 Docker 部署的话配置要求比较高，至少需要四核心十六 G 的服务器。然后他在 Github 上面有五万三千一百多个星星。所以他比较适合于，对答案的准确性要求非常高的。行业比如说法律或者说金融，然后包括一些需要处理大量复杂文档的企业。
女生: n8n 呢听起来好像跟其他几个不太一样？
男生: 对 n8n 它其实是一个开源的低代码的工作流自动化的工具。然后它主要的就是通过可视化的节点去设计你的自动化的流程。然后它有非常多的预置的集成，超过四百个。然后你也可以用代码去定制它的一些复杂的逻辑。然后它也可以很方便的去接入大模型。然后也有很多企业用它来提升自己的工作效率比如说 Delivery Hero 用它每个月节省了超过两百个小时的工作量。但是他的缺点就是在 LLM 的整合上面没有那么友好。然后对用户的逻辑思维要求比较高，所以比较适合于，需要高度定制化的团队或者开发者来使用。
女生: 那这五个平台在功能上面到底有哪些区别呢？
男生: 呃其实他们的区别还是蛮大的嗯就比如说，Coze 它是唯一一个。现在已经不再免费的了。然后其他的几个呢在，AI 应用开发的便捷性上面，或者说在自动化工作流上面，或者说在 RAG 的能力上面。都各有自己的强项，然后我也做了一个评分图。就是从，不同的用户的需求，来评分。那这个评分图的话也可以帮助大家去更直观的看到他们的差异。
女生: 那我们在挑选一个 LLM 平台的时候，除了功能之外还有哪些比较关键的因素需要去考虑呢？
男生: 呃其实有几个比较重要的点嗯比如说你的预算。就是你是打算用开源的版本自己去托管在自己的服务器上面呢还是说你就直接用云服务？那这个里面其实就涉及到一个成本的问题。就开源的版本你自己托管的话你需要自己去维护服务器。那这个成本可能前期会比较高但是后期会比较稳定。那云服务的话你可能前期的成本比较低但是后期如果你用的越来越多的话可能成本会。超出你的预期。
女生: 对这个确实这个经济账得算清楚啊，那还有什么其他的考量吗？
男生: 呃技术能力也是一个，就是你的团队有没有技术能力去维护？如果没有技术能力的话那你可能就只能选择一些无代码的平台比如说 Coze.那如果你有技术能力的话那你可能可以去尝试一些更复杂的像 Dify 或者 n8n.然后还有就是你的数据是不是需要私有化？那如果你需要私有化的话那可能自托管的会比较安全一点。那如果你用云服务的话那你就要去看一看他的隐私政策是不是符合你的要求。
女生: 那你会给大家一些什么样的总体的建议呢就关于这五个平台的选择？
男生: 就是我觉得通过我们的这样的一个对比大家应该很清楚了就是这五个平台他们是各有千秋的。嗯对没有说哪一个平台是绝对好的，那你就要根据自己的需求。和你现在所处的阶段来选择一个最适合你的工具。然后我觉得，呃从一个比较低门槛的平台开始用起比如说 Coze.然后随着你需求的复杂和你技术的提升，再过渡到一些更专业的平台比如说 Dify 或者 n8n.这样的话可能会比较高效一点。
女生: 听起来确实是一个很实用的学习路径，那对于未来的发展有什么看法吗？
男生: 就是 AI agent 这个领域肯定是发展非常快的嗯那这些平台也在不断的更新和完善他们的功能。所以我觉得大家也可以。呃把我们今天的这样的一个分析作为一个起点。然后自己去尝试一下这些工具。然后也欢迎大家在评论里面跟我们分享一下你们的使用的体验或者说你们遇到的问题。那这样的话也可以帮助到其他的人。
女生: 好的那今天我们就给大家聊了聊关于 Dify Coze n 八 n FastGPT 和 RAG flow 这五个 LLM 平台的。特点和适用的场景，希望通过我们的这样的一个对比和分析。能够帮助大家在选择适合自己的平台的时候，有一个更清晰的思路。
男生: 以上就是这期播客的全部内容啦，感谢大家的收听咱们下期再见拜拜！
** 以上内容由扣子空间生成
