本文介绍了Dify、Coze、ChatWiki和FastGPT这四大智能体平台，它们各有特色，适合不同层次的用户。Dify是一款开源的大语言模型应用开发平台，融合了后端即服务和LLMOps理念，支持多种LLMs和推理提供商；Coze是一个可视化AI应用开发平台，提供灵活的工作流设计和丰富的插件工具；ChatWiki是一款开源的知识库AI问答系统，基于LLM和RAG技术，支持Graph RAG；FastGPT专注于知识库训练和自动化工作流程编排，提供简单易用的可视化界面。这些平台都旨在降低大模型开发的门槛，让更多小白和程序员能够参与到AI应用的开发中来。

前排提示，文末有大模型AGI-CSDN独家资料包哦！

Dify、Coze、ChatWiki 与 FastGPT 这四大智能体平台，各有千秋。

一、Dify

Dify 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。

官网链接：https://dify.ai/zh

Github：https://github.com/langgenius/dify

1.功能优势

①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。

②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。

③Prompt 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。

④RAG 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。

⑤Agent 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、DALL·E、Stable Diffusion 和 WolframAlpha 等。

⑥LLMOps: 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。

⑦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。

2.系统框架

3.技术栈

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。

二、Coze

扣子是新一代 AI 应用开发平台。无论你是否有编程基础，都可以在扣子上快速搭建基于大模型的各类 AI 应用，并将 AI 应用发布到各个社交平台、通讯软件，也可以通过 API 或 SDK 将 AI 应用集成到你的业务系统中。借助扣子提供的可视化设计与编排工具，你可以通过零代码或低代码的方式，快速搭建出基于大模型的各类 AI 项目，满足个性化需求、实现商业价值。

官网：https://www.coze.cn/

Github：https://github.com/cloudwego/eino

1.功能优势

**①灵活的工作流设计：**扣子的工作流功能可以用来处理逻辑复杂，且有较高稳定性要求的任务流。扣子提供了大量灵活可组合的节点包括大语言模型 LLM、自定义代码、判断逻辑等，无论你是否有编程基础，都可以通过拖拉拽的方式快速搭建一个工作流。例如创建一个撰写行业研究报告的工作流，让智能体写一份 20 页的报告。

**②无限拓展的能力集：**扣子集成了丰富的插件工具，极大地拓展智能体的能力边界。扣子官方发布了多款能力丰富的插件，你可以直接将这些插件添加到智能体中。例如使用新闻插件，打造一个可以播报最新时事新闻的 AI 新闻播音员。扣子平台也支持创建自定义插件。 你可以将已有的 API 能力通过参数配置的方式快速创建一个插件让智能体调用。自定义插件也可以发布到商店，供其他用户使用。

**③丰富的数据源：**扣子提供了简单易用的知识库功能来管理和存储数据，支持智能体与你自己的数据进行交互。无论是内容量巨大的本地文件还是某个网站的实时信息，都可以上传到知识库中。这样，智能体就可以使用知识库中的内容回答问题了。

**④持久化的记忆能力：**扣子提供了方便 AI 交互的数据库记忆能力，可持久记住用户对话的重要参数或内容。创建一个数据库来记录阅读笔记，包括书名、阅读进度和个人注释。有了数据库，智能体就可以通过查询数据库中的数据来提供更准确的答案。

2.代码框架

三、ChatWiki

ChatWiki是一款开源的知识库 AI 问答系统。系统基于大语言模型（LLM ）和检索增强生成（RAG）和GraphRAG知识图谱构建，提供开箱即用的数据处理、模型调用等能力，企业，高校和政务部门可快速搭建私有的知识库AI 问答系统。

官网链接：https://chatwiki.com/

github开源链接：https://github.com/zhimaAi/chatwiki

1.功能优势

**①简单易用的企业专属AI问答智能体，**通过导入企业已有知识构建知识库，让 AI 机器人使用关联的知识库回答问题，快速构建企业专属 AI 问答系统。支持DeepSeek R1、doubao pro、qwen max、Openai、Claude 等全球20多种主流模型。

**②灵活的工作流配置，**提供灵活的工作流配置功能，支持多步骤任务编排与自动化处理。用户可根据业务需求自定义问答流程、数据流转，实现复杂场景下的智能化协作与管理。通过工作流，可以实现聊天机器人与业务系统的互通。

**③提供了多样化的调用渠道，**支持 嵌入网站、桌面客户端、WebApp、微信小程序、微信公众号、微信客服、抖音企业号、快手号、视频号 及API调用等，全面覆盖企业多终端业务场景需求。

**④支持Graph RAG，**Graph RAG（图检索增强生成）是一种结合了图数据库（Graph Database）与检索增强生成（Retrieval-Augmented Generation, RAG）技术的新型知识增强生成框架。它通过图结构（节点和边）组织知识，利用图数据库的高效关联查询能力，提升大语言模型（LLM）在复杂推理和多跳问题中的表现。

2.系统框架

3.技术栈

• 前端：vue.js
• 后端：golang +python
• 数据库：PostgreSQL16+pgvector+zhparser
• 缓存：redis5.0
• web服务：nginx
• 异步队列：nsq
• 进程管理：supervisor
• 模型：支持OpenAI、Google Gemini、Claude3、通义千文、文心一言、讯飞星火、百川、腾讯混元等模型。

四、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。

**官方链接：**https://fastgpt.in/。

**Github：**https://github.com/labring/FastGPT。

1.功能优势

• 项目开源：FastGPT 遵循附加条件 Apache License 2.0 开源协议，你可以 Fork 之后进行二次开发和发布。FastGPT 社区版将保留核心功能，商业版仅在社区版基础上使用 API 的形式进行扩展，不影响学习使用。
• **独特的 QA 结构：**针对客服问答场景设计的 QA 结构，提高在大量数据场景中的问答准确性。
• **可视化工作流：**通过 Flow 模块展示了从问题输入到模型输出的完整流程，便于调试和设计复杂流程。
• **无限扩展：**基于 API 进行扩展，无需修改 FastGPT 源码，也可快速接入现有的程序中。
• **便于调试：**提供搜索测试、引用修改、完整对话预览等多种调试途径。
• **支持多种模型：**支持 GPT、Claude、文心一言等多种 LLM 模型，未来也将支持自定义的向量模型。

2.知识库核心流程图

3.部署架构图

读者福利：倘若大家对大模型感兴趣，那么这套大模型学习资料一定对你有用。

针对0基础小白：

如果你是零基础小白，快速入门大模型是可行的。
大模型学习流程较短，学习内容全面，需要理论与实践结合
学习计划和方向能根据资料进行归纳总结

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

这里我们能提供零基础学习书籍和视频。作为最快捷也是最有效的方式之一，跟着老师的思路，由浅入深，从理论到实操，其实大模型并不难。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓