Ch07: 四大平台总览——设计哲学与能力矩阵

Part 3: 五大平台精讲前置章节：Ch06: WeKnora 架构深度剖析 深读专章：Ch16 Dify → Ch17 RAGFlow → Ch18 FastGPT → Ch19 AnythingLLM 后续章节：Ch08: 评估方法论（读完 Ch16–Ch19 后进入）

结论先行：WeKnora 之外四个平台不是「竞品速览」，而是四种 设计哲学 的参照系——Dify（平台广度）、RAGFlow（上游解析）、FastGPT（产品化 SaaS）、AnythingLLM（极致减法）。本章建立全局矩阵；每个平台的架构、RAG 管线、源码目录与 WeKnora 借鉴点 在 Ch16–Ch19 逐章深读。

一、为什么还要看别的平台？

上一章我们把 WeKnora 从里到外翻了一遍。若只了解 WeKnora，容易误以为 RAG 只有「卷检索精度」一条路。四个平台各自把工程资源押在不同环节——看别人怎么做，是为了在改 WeKnora 时有依据地取舍。

平台	一句话哲学	深读章节
Dify	LLM 应用工厂，RAG 是工具箱之一	Ch16
RAGFlow	向上游要质量，DeepDoc 解析天花板	Ch17
FastGPT	工作流 + 多租户，让业务流程跑通	Ch18
AnythingLLM	隐私优先，下载即用	Ch19

二、五平台能力矩阵（15 维）

维度	WeKnora	Dify	RAGFlow	FastGPT	AnythingLLM
定位	深度 RAG 引擎	全栈 LLM 平台	文档解析引擎	工作流知识库	个人本地助手
Stars	~16K	~144K	~83K	~28K	~61K
主语言	Go	Py+React	Py+React	TS 全栈	Node+React
检索路数	三路+RRF	双路混合	双路混合	向量+全文	纯向量
Rerank	复合三信号	单模型可选	单模型可选	无内建	无
知识图谱	PMI 核心	无	实验性 Graph	无	无
文档解析	IMA 中等	基础	极深 DeepDoc	基础	基础
分块	自适应	固定/分隔符	9 种模板	QA 对拆分	固定大小
工作流	无	13 节点 DAG	Agent 图	11 节点 DAG	无
多租户	企业级	有	基础	4 级 RBAC	无
部署	高	高(6 组件)	高(+ML)	中(Sealos)	极低
离线	否	否	否	否	是
最适场景	精准检索	快速搭应用	复杂 PDF	企业 SaaS	个人笔记

四个洞察：

没有全能选手——每个平台在部分维度领先、部分让步。
理想组合：RAGFlow 解析 + WeKnora 检索 + Dify 编排 + FastGPT 租户（竞赛价值在于在 WeKnora 内借鉴，而非物理合并）。
部署复杂度 ∝ 功能深度——AnythingLLM 的减法是有意为之。
语言服务于哲学——Go 并发检索、Python ML 管线、TS 产品工程。

三、与 WeKnora 的互补模式速查

组合	分工	适用
Dify + WeKnora	编排 vs 检索	HTTP 节点调 WeKnora API
RAGFlow + WeKnora	摄入 vs 检索	DeepDoc chunk → WeKnora 索引
FastGPT + WeKnora	产品壳 vs 引擎	工作流节点替换为 WeKnora
AnythingLLM（理念）	默认零配置体验	WeKnora 默认参数「开箱即用」

四、阅读顺序建议

Ch06 WeKnora 深读
    ↓
Ch07 本章（矩阵 + 选章）
    ↓
Ch16 → Ch17 → Ch18 → Ch19（按兴趣可跳过非目标平台）
    ↓
Ch08 评估（「更好」需要量化）

竞赛只攻 WeKnora：Ch07 + Ch17（解析借鉴）+ Ch16（MCP/Agent 编排参照）即可，Ch18–Ch19 可后补。
生产选型：Ch16–Ch19 全读 + Ch09。
解析向 issue：优先 Ch17 + Ch13 多模态。

章末自检

用一句话说出四个平台各自的设计哲学
从矩阵中指出 WeKnora 唯一领先、明显落后的各 2 个维度
说明「RAGFlow 解析 + WeKnora 检索」为什么互补
根据你的目标（竞赛/生产/学习）选出要深读的 1–2 个 Ch16–19

导读目录：README.md 上一章：Ch06 下一章（深读）：Ch16: Dify 架构精读