说说rag知识库，AI agent智能体 平台，压箱底经验总结！

1、RAG知识库（数据结构化，嵌入，增强搜索，结果重排，内容召回）

以openai为例，为了解决AI的幻觉，让AI更了解我们私有化的知识，rag知识库，通过openai 模型（GPT3.5或4.0）+emebedding 模型（text-embedding-ada-002）实现的一种方案。

常见的应用：openai的gpts实现方式，码多多知识库（商业授权9800），coze初级版本，腾讯元器平台初级版本功能，fastgpt初级版本等等！

2,智能体，在rag知识库的基础上增加插件和工作流编排，就形成了现在的智能体，换句话：智能体就是带有插件和工作流编排的rag知识库。

智能体解决了复杂的流程交互问题，插件让AI能力做了扩展

常见的代表：maxkb（商业授权2w），fastgpt（商业授权4-6w），dify（商业授权10w）等等！

AI应用的企业根据自己的预算选择属于自己的rag和智能体方案。还有很多AI创业者在使用这些rag和智能体平台的时候，要注意商业授权的问题，源码都是开源的，但是商业行为必须要授权！

说说默拉智能2年来AI技术积累的经验：

1.码多多纯rag不带工作流这一套比较常见。

2.有条件就上maxbk带工作流方案中最品便宜的！

3.fastgpt纯开源，稳定性强，兼容性也强（api接口可以任意编辑），用开源的能解决98%的问题，如果团队企业内部小范围用，用这个方案是最好的，开源免费+一个服务器资源就可以了！

4.dify 放弃了，不如fastgpt和maxkb的架构好，dify架构太复杂了，都有点臃肿了，而且贼贵，dify的商业授权卖10w。

其实解决方案都一样的。rag+工作流+插件=智能体（fastgpt， maxkb，dify）。很多企业，用一套码多多rag就搞定了，插件和工作流对他们来说意义不大 ！

最后：AI知识库和AI智能体的复制和迁移成本不高，为了后面知识库迁移做了可能性。AI知识库交易平台，似乎有点搞头！

总结：

rag和智能体这些套件都属于锦上添花的操作（或者屎上雕花），效果好坏的核心是底层模型的能力。

底层模型考虑2个点：1，模型能力优先考虑。2，模型的价格次之（比如4o的价格比Claude3.5的价格便宜一半）！

按照默拉智能2年的AI应用实践，好用的rag和智能体模型组合（没有之一）：openai的4o+text-embedding-ada-002！兼顾能力和经济价格。

压箱底经验总结！希望大家多多支持。关注默拉智能，分享跟多大模型和智能体的核心干货！