前言
过去的两年里，AI可谓席卷各行各业，企业用AI，大家都面临着这样一个问题：AI这么强大，我的企业如何能充分用起来？如何能用好AI？如何能更安全更便宜地使用AI？所以今天就给大家介绍下，企业AI落地开源三剑客：Dify、RAGFlow、n8n。
Dify、RAGFlow、n8n三者区别
先抛出大家最感兴趣和最关心的，下面是我使用后总结出来的三者区别，大家赶紧Mark住，可不是网上随便找来或AI生成凑数的，绝对都是真实的使用感受。
下面针对每一个，进行详细的介绍。
Dify
首先介绍下使用门槛最低、知名度最高、使用面最广、对标字节Coze平台，但是可本地部署的开源智能体神器：Dify。（本地部署可极大降低信息外泄的问题，原则上内网使用，限制访问公共网络可完全解决安全性问题，但这样会使有些功能受限，例如插件无法安装等，后面两个工具也是一样）
官网文档：https://docs.dify.ai/zh-hans/introduction
Github地址：https://github.com/langgenius/dify
Stars数：101K
Dify简介：关于Dify的介绍，我个人的理解概括为下面3点：
- 它是一个创建智能体的低代码平台，可零代码快速创建智能体，对标字节的Coze平台。
- 一般情况下，社区版（开源版）即可满足个人或中小企业基本需求，如需多租户和对安全性有更高的要求，建议选择企业版（商业版）。
- 更重要的是，它的社区活跃、文档齐全、功能强大、可扩展性强、学习成本低、上手快。
安装：建议使用Docker方式进行安装，简单快捷。虽然给出的最低电脑配置是2核+4G内存，但我个人建议用4核+8G比较稳妥。
Dify的版本更新的很快，如果要升级，注意备份存储卷。（数据存储在项目目录的docker/volumes下）
RAGFlow
第二个，介绍下稍微复杂些，需要有一定RAG基础才能轻松驾驭，但最接近企业级的知识库平台：RAGFlow。所以越是好用的工具，越想充分发挥出工具的特性，往往需要一定的技术储备。否则里面有些设置，要是不懂RAG的情况下，很难理解。
官网文档：https://ragflow.io/docs/dev/
Github地址：https://github.com/infiniflow/ragflow
Stars数：54.3K
RAGFlow简介：关于RAGFlow的介绍，我也用同样用自己的理解概括下：
- 它是一个功能强大的知识库平台，同样支持Agent工作流的创建。
- 它可以覆盖从数据清洗、知识构建到知识问答的全流程能力，并且支持知识图谱。
- 更重要的是，它同样社区活跃（依托LangChain生态）、文档齐全、上手成本略高（需具备一定RAG基础，不适合初学者）
安装：建议使用Docker方式进行安装，简单快捷。但是它对电脑配置的要求很高，因为它的定位是给企业使用，而不是针对个人的，所以建议选择Linux服务器安装（如果个人想Mac安装使用，有很多的坑）。配属上，个人推荐最低8核+32G内存，SSD硬盘。
n8n
最后，介绍一个最复杂，但是最好用，被业界称为瑞士军刀的工作流工具，一般适合IT人员上手使用的开源明星产品：n8n。他的Star数增长的速度令人咂舌，可见业界对他的认可程度有多高。
官网文档：https://docs.n8n.io/
Github地址：https://github.com/n8n-io/n8n
Stars数：103K
n8n简介：关于n8n的介绍，同样用下面三句话进行概括：
- 它是一个社区活跃的低代码工作流自动化平台，擅长于连接各种服务和中间件，严格来说它不是专为AI而生的工作流平台。
- 开源版即可满足基本需求，如需使用SSO登录、监控统计、并发执行等功能，可以考虑付费版本。
- 它同样功能强大、社区活跃、模版丰富、文档齐全、上手门槛较高，虽然也是低代码平台，但更适合IT从业人员。
安装：配属上，推荐4核+8G即可，但为了更好的扩展性，也可以参考下面官方推荐的配置，但我个人感觉前期没必要堆那么多核的CPU，反而内存应该稍微大一些。
具体安装，还是建议使用Docker方式进行安装，简单快捷。官方默认是没有中文版的，安装完是英文版，但是我们可以对其进行汉化。
官方原版：
汉化版：
汉化后，访问的地址是：http://localhost:15678 主要是端口变了，可以在docker-compose.yml文件中找到。
同样的，关于具体的使用这里不详细介绍了，后续会更新公众号详细介绍n8n的使用，建议大家持续关注。
今天主要是对企业AI应用开源的三剑客Dify、RAGFlow、n8n进行了简单的介绍，让大家初步了解了这三款工具能够干什么，适不适合自己的企业。而往往企业在使用时都是组合使用，后续也都会详细进行说明。
)
