Skip to content
简体中文

切换主题

发现▾

不知道从哪开始？本周最热的软件、模型和组合，3 分钟看完 AI 圈的变化。

AI 软件▾

给人用的 AI 软件：从 ChatGPT 这类助手，到写代码、做视频、搭工作流的工具，按用途挑。

Agent 工具▾

给 AI 用的软件：让你的 agent（Claude Code、Codex、Cursor…）能上网、读文档、跑代码、记住事情。

模型▾

选模型、算成本、自己部署：价格、榜单、评测、免费额度和自建算力都在这里。

解决方案▾

有具体目标或报错？按场景给出现成的软件组合、步骤和问题解法。

学 AI▾

一套从零到前沿的系统课程，配算法库、必读论文和精选教程。

前沿▾

每天的 AI 新闻、每周热点、最新论文和 AI 改造各学科的进度。

// 软件组合

企业 RAG 知识库

面向团队的文档问答：深度文档解析、可扩展的向量库、统一模型网关，再加上调用追踪和质量评估。

6 个组件5 步搭建场景：做 RAG 和文档处理

组件与作用

  1. 1

    ragflow 文档解析与网页抓取 开源

    RAG 引擎和知识库管理界面

    基于深度文档理解的 RAG 引擎

    ★ 93k
  2. 2

    MinerU 文档解析与网页抓取 开源

    复杂 PDF（表格、公式）解析

    PDF 转 Markdown/JSON 高精度解析

    ★ 82k
  3. 3

    milvus 检索、向量库与嵌入 开源

    分布式向量数据库

    云原生向量数据库

    ★ 46k
  4. 4

    litellm 模型网关、路由与用量 开源

    统一接入多家模型，控制成本和限额

    统一调用 100+ LLM 的 SDK 与代理网关

    ★ 62k
  5. 5

    langfuse 可观测与 trace 开源

    记录检索和回答的 trace，做质量评估

    LLM 工程可观测、评估与提示管理

    ★ 36k
  6. 6

    ragas 可选 评估、红队与护栏 开源

    RAG 回答质量评测

    RAG 与 agent 评估

    ★ 16k

搭建步骤

  1. 01盘点数据源和权限：哪些部门、哪些文档、谁能看
  2. 02用 MinerU 解析带表格、公式的 PDF，抽样人工检查解析质量
  3. 03部署 RAGFlow，按部门建知识库，向量库用 Milvus
  4. 04所有模型调用走 LiteLLM，按部门设预算和限流
  5. 05用 Langfuse 记录 trace，用 Ragas 对 50–100 道标准问答做回归评测，上线后每周复跑

✓ 适合

  • 文档多、格式复杂、多人多部门使用
  • 需要审计和质量评估

✗ 这些情况换别的

  • 只想先试一下：先用 Dify 或 Open WebUI 的内置知识库

数据更新于：AI 软件库与热度 · 解决方案 / 组合指南（北京时间）