AI 知识库对比：Dify 还是 FastGPT

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的话，推荐使用 FastGPT，反之对 Agent 感兴趣则可以尝试一下 Dify。

目录