内容参考于：图灵AI大模型全栈
之前都是自己手写RAG，如果特别着急，今天说要RAG明天就要交作业，它也是有一个比较简单，比较方便的东西，它就是RAG应用平台
RAG应用平台说明：
它是工作流平台，它会通过自动化、标准化、可视化手段，来简化复杂任务的编排和管理，从而提升效率，降低成本
| 开发速度 | ❌ 慢（需全链路实现） | ✅ 快（开箱即用） |
| 定制化能力 | ✅ 高（完全自主控制） | ❌ 低（只能通过平台提供的功能来实现） |
| 工程复杂度 | ❌ 高（需处理部署、监控等） | ✅ 低（平台自动化管理） |
| 维护成本 | ❌ 高（需持续优化底层） | ✅ 低（平台负责升级） |
| 性能调优能力 | ✅ 强（可针对硬件/场景深度优化） | ❌ 弱（受限于平台默认配置） |
| 数据隐私控制 | ✅ 完全自主（本地化部署，无数据外流） | ❌ 受限（依赖平台数据托管策略） |
| 适用场景 | 超大规模、高定制化需求（如企业级知识库） | 中小规模、快速验证需求（如MVP或PoC） |
RAG应用平台的知名平台：QAnything，RagFlow、FastGPT、Dify
QAnything，网易开源的本地知识库RAG问答系统，采用两阶段检索机制和混合检索技术
源码地址：https://github.com/netease-youdao/QAnything/
官方网址：QAnything-网易有道本地知识库问答系统
如下图：它的官网
可以点击下图红框免费试用
如下图红框，它有知识库（RAG）、Agents（智能体）
如下图它最核心的机制，
首先问题检索：首先提出问题（Query），然后向量检索文档（1stRetrieval（Embedding）），然后得到与问题相关的文档（chunks），然后重排序（2nd Retrieval（Rerank）），然后得到重排的文档，然后拼接提示词给大模型回答问题（Reader（LLM））
文档处理：Parser&Splitter（OCR），Parser是读取文档，Splitter文档拆分，OCR是图像识别，然后生成向量（Vectorization（Embedding）），然后是保存到数据库（DataBase）
RagFlow
源码地址：https://github.com/infiniflow/ragflow
官方网址：https://ragflow.io/
它是对文档进一步深入理解的开源RAG（检索增强生成）引擎，它的逻辑
首先读取文档（Documents）然后拿到数据（Task Dispatch）放到知识库中，它在处理文档的时候有图像识别（OCR）、表格或其它数据加载（Document Layout Analyze），RagFlow它聚焦于文档处理这方面很好
它的检索逻辑没什么特殊的也是重排序、混合检索
FastGPT
它主要是围绕着知识库问答系统来实现，如下图它的逻辑
建立知识库：预处理数据时会用大语言模型进行QA拆分（把问题和答案整理成QA问答对）
提问：没什么特殊的，它也是向量检索
源码地址：https://github.com/labring/FastGPT
官方网址：FastGPT – Enterprise AI Agent Builder & Open Source RAG
Dify
Dify需要科学上网才能访问，它是国内苏州语灵科技，但是注册是在美国，所以需要科学上网
Dify源码地址：https://github.com/langgenius/dify
中文文档：https://docs.dify.ai/v/zh-hans
官方地址: https://cloud.dify.ai/apps
Dify是近期比较流行的开源大模型应用平台，它内置了创建LLM应用需要的关键技术栈，它有对数百个模型的支持、很直观的提示词排版界面、高质量的RAG引擎、稳健的Agent框架、灵活的流程编排，还提供了简单易用的界面和API，可以让我们专注于创新和业务需求
首先需要登录，直接用谷歌账号登录即可
登录之后
在主页里它提供了一些参考模版
工作室它就是我们创建的一些任务应用，如果使用在线的还不付费升级，它只能创建5个，想免费创建多个要本地部署
知识库就是我们上传文档处理文档的地方
集成里可以配置模型，一些拓展性的东西
还可以配置一些给Agent使用的工具
在Marketplace里可以安装一些Dify提供的插件
开始使用，首先配置模型，市面上的模型它基本都支持，点击安装之后就可以配置api密钥了，密钥的获取要去安装的模型官网得到，跟使用代码调用时用到的api密钥一样的
这里使用千问的模型，也就是通义点击下图红框添加密钥
再点击下图红框
点击下图红框，可以跳转到获取密钥的官网，第7节里有写如果创建阿里百炼的api key，也就是通义的
填写完后点击保存
如下图红框就设置完成了
模型配置好后，然后来到控制台点击下图红框创建一个空白的应用
然后点击下图蓝框，可以看到下图红框，通过聊天助手的聊天俩字可以看出它是带有记忆的，可以记录上下文历史的，文本生成应用可以看出它没有记忆，只是单纯的单次生成
这里创建一个聊天助手，选中聊天助手，写一个名字，然后点击上图里的创建就可以了，如下图点击创建后自动跳转到这个页面
这个访问api，就是把我们写好的应用提供给别人进行访问
日志信息可以查看谁调用过
检测可以查询使用的Token，消息等
主要是看编排，如下图红框如果不会写提示词，可以让ai生成提示词
如下图，然后点击生成就可以了
注意点击下图红框可以设置模型的参数
如下图红框它就给我们生成好了提示词，点击应用就可以了
这里用一个简单的提示词，点击添加，注意下图的添加弹框可能出现的很慢，写完提示词耐心等一会
如下图红框简单的提示词，下图蓝框是点击上图红框里的添加后生成的，用来占位的变量
可以上传文档添加知识库
使用之前点击下图红框，选择我们的模型
点击下图红框，可以配置模型的参数
设置好后，在下图红框输入问题，然后点击下图蓝框发送问题
如下图红框，我们设置了输入语言是中文，翻译语言是英文，所以它把我们的中文翻译成了英文，通过我们的提示词模版生成的
鼠标移动到答案上就可以点击下图红框查看日志
如下图红框它的过程，我写的提示词模版是系统提示词
如下图红框它都是带记录的
点击下图红框
如下图红框，可以设置一些东西，比如设置开场白，鼠标移动到下图蓝框位置就会出现编辑按钮了
如下图红框里可以写开场白
还有内容审查，模型它会道德问题，或者有一些骂人的话，或者敏感的词不让它出现
然后点击下图红框进行发布
然后再点击下图红框，到这就是最简单的聊天助手应用
然后我们再创建一个文本生成应用，点击下图红框返回工作室页面
然后创建一个文本生成应用
鼠标移动到下图红框位置可以删除无用的变量
点击下图红框位置，可以编辑变量的类型
如下图编辑变量的类型
如下图代码转换的提示词，是没有记忆的，运行一次就是一个新的任务
如下图它的日志，它是一个用户提示词了
然后再创建一个Agent
它相比较之前的两个，聊天助手和文本生成，多了下图红框的工具，Agent是可以调用工具的
如下图红框位置都是默认的工具，这里添加一个时间工具
直接点击添加全部就可以了
如下图红框它的日志
如下图红框，它是实时的时间，大模型它是不可以实时获取时间的
如下图它使用的工具，到这就是新手使用的三个最简单的应用
