工作流编排
- LangChain:线性链，适合固定流程任务（如文档问答）。
- LangGraph: 支持循环、条件边和状态传递，适合动态调整的复杂逻辑（如多伦）。
- Coze:可视化工作流，支持嵌套和批处理，但灵活性较低。
- Dify:基于自然语言定义工作流，适合API 集成和Prompt 调优。
工具调用与扩展性
- LangChain/LangGraph：工具作为链或图的节点，支持自定义工具和重试逻辑。
- Coze:依赖预置插件生态，扩展需通过开放平台。
- Dify:支持OpenAPI 集成，适合技术栈复杂的场景。
RAG（检索增强）
- LangChain : 开箱即用的文档加载、向量检索功能。
- LangGraph：需要手动设计RAG 节点，但支持反馈循环优化检索质量。
- DIfy/Coze：Dify 提供基础RAG 支持，Coze依赖知识库管理。
多模态部署
- Coze: 支持图像、视频生成，可直接发布至社交平台。
- Qwen-Agent: 开源架构，支持三级索引，以及工具调用，MCP 协议调用，使用方便。
- Dify: 专注私有化部署，适合企业内网。
AI Agent选择建议
- 无代码开发 ：Coze
- 快速原型开发 ：LangChain(线性任务) 或Qwen-Agent。
- 复杂Agent系统 ：LangGraph(多Agent 协作) 或Dify(API 深度集成)。
- 企业私有化：Dify(开源部署)，Qwen-Agent 或 LangChain+LangGraph(灵活组合)
如何学习大模型才能最终自主开发和应用？
- 先找业务场景
- 选择适合的方案
- RAG LangChain RAG 方案
- LangChain ReAct+Tool方案
- 实施：@之前的代码，描述你现有的场景
