之前出了一些 Dify 的 基础教程,后台有小伙伴经常问三金:Dify 和 fastGPT 哪个好啊?我该用哪个呢?
为了帮小伙伴解开这个疑惑,今儿三金就先带大家分别看下这两个产品 在知识库上的异同点 。废话不多说,开整!
先来看 Dify 吧,三金比较熟。这里也推下我之前做的 Dify 基础教程, 从部署到使用上,整体来说都比较容易上手,类似于 Coze 。
我们之前创建过一个 k8s 相关的知识库,在里面导入了一本讲解 Kubernetes 的书籍, 文本分段和清洗都是默认的配置 :
最终得到的文档信息如下:
现在将它加到应用中试试看效果:
可以看到它从知识库中找到了相关内容并给出了回答。除此之外它还 标注了引用的知识库,以及从哪段内容中获取的内容 :
目前看起来效果还 OK,接下来我们试试 Dify 中提供的 QA 模式 ,看看在这种模式下知识库检索能力是否能得到提升:
QA 模式的嵌入处理会比较耗时,需要耐心等待:
最终花费了 27 分钟的时间,终于分段好了:
问两个问题试试看:
emmmm,咋说呢,回答是回答了,但是感觉没啥变化,回答还是和刚刚一样精简😄
相同的文件,我们在 FastGPT 中创建并使用知识库,这里同样先 按照默认配置进行知识库创建 :
然后在应用中提出相同的问题,看看结果怎么样?
可以看到都是默认配置,但是 FastGPT 相较于 Dify 来说,回答得更为详细 。不但给出了 k8s 的相关概念,还 连带着介绍了 k8s 的核心组件以及功能特点 。
这是因为 fastGPT 在回答问题时,会 帮我们扩展问题 ,这样可以使回答的内容更加详细精准:
接下来我们升级一下知识库,在创建知识库时选择 QA 模式(也就是问答拆分),看看二者在效果还有没有这种明显差异。
可以看到正在生成数据,不过过程有些慢(这块和 Dify 一样,QA 模式的生成一般都会耗费大量的 token 和时间):
再回到应用中进行测试:
简直是正中目标!!相比之下,FastGPT 的知识库能力完胜。
在本地部署的版本上,QA 花费的时间太长而且因为三金的 API 问题,老是卡住,所以直接切到 fastGPT 的线上去测试,最终效果是一样的。
从效果上来看,FastGPT 的知识库检索是强于 Dify 的,但是这并不代表 Dify 就不如 FastGPT:
综上,如果 对知识库有比较高的要求,尤其是想做智能客服问答类的产品,推荐使用 FastGPT ,反之 对 Agent 感兴趣则可以尝试一下 Dify 。
文章来自微信公众号“三金得鑫”,作者“小道士”
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】FASTGPT是基于LLM的知识库开源项目,提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信,飞书的AI项目都基于该项目二次开发。
项目地址:https://github.com/labring/FastGPT