1
AI / 大模型 / Agent 评测专题
TL;DR： AI 评测不能只看模型榜单。真正有用的评测要同时回答五个问题：模型会不会、系统稳不稳、工具调得准不准、结果能不能被证据支撑、上线后是否安全可控。这个专题把 AI、大模型、RAG、Agent、AI Coding 和安全红队评测…
专栏
AI 评测专题
AI 评测不能只看模型榜单——把模型、系统、工具、证据、安全放在一张地图里，做成持续回归。
工具链更新于
11 篇文章0 人订阅 创建
专栏简介
本专题围绕「真正有用的 AI 评测」展开：不只看模型会不会，还要回答系统稳不稳、工具调得准不准、结果能不能被证据支撑、上线后是否安全可控。涵盖评测地图与方法论、可复现性状态、四大开源知识库平台 RAG 实测（MaxKB / RAGFlow / FastGPT / Dify）、AI 记忆系统开源项目深度评测，以及 Dify / FastGPT 的技术架构与实现原理拆解。每篇都标注 L1–L5 证据分级与可复现性等级，帮助读者判断该测什么、用什么框架、怎么把评测做成持续回归。
文章目录
2
91ai 评测可复现性状态
本页说明 91ai 自建评测在 当前仓库 中的可复现程度。它衡量的是公开产物是否足以让第三方复跑，不评价作者是否实际运行过测试，也不替代报告中的 L1–L5 证据分级。
3
四大开源知识库平台 RAG 实测：MaxKB / RAGFlow / FastGPT / Dify
TL;DR： 本文记录了作者报告的一手 RAG 平台实测。作者在同一台机器、同一个本地 Ollama（qwen2.5:14b + qwen3 embedding:4b）下，对四个开源知识库平台（MaxKB、RAGFlow、FastGPT、…
4
5
Dify 技术架构与实现原理
Dify 是四家里 功能最全、生态最大、也是 API 自动化最曲折 的一个。它的定位是"LLM 应用开发平台"——不只是知识库，还包括 Agent、工作流、模型管理、评测。本文拆解它的技术栈、插件市场架构、新一代 RAG pipeline…
6
FastGPT 技术架构与实现原理
FastGPT 是四家里 前端体验最好、模型层最复杂 的一个。它的定位是"对话式知识问答 + 工作流编排"，中文生态成熟、检索质量高。但它的模型系统是三层叠加（aiproxy + mongo 注册表 + plugin daemon），PD…
7
MaxKB 技术架构与实现原理
MaxKB 是本次四平台横评里 部署最轻、API 自动化最顺 的一个。它定位是"开箱即用的企业内部知识库"，单容器跑满所有依赖。本文拆解它的技术栈、架构、数据流和模型集成方式——所有结论均来自对其运行实例（容器进程、PostgreSQL…
8
RAGFlow 技术架构与实现原理
RAGFlow 是四家里 架构最重、解析能力最强、也是踩坑最多 的一个。它的招牌是 DeepDoc （自研文档解析：OCR + 版式 + 表格），这让它在扫描/图像文档上独一档；但代价是镜像最大（ 16GB）、容器最多、v0.26 还有模…
9
Mem0:可插拔的事实抽取记忆层深度技术解析
Mem0 是目前生态最大、采用最广的"可插拔 AI 记忆层"。它的核心定位是:在用户的聊天 LLM 和"长期记忆"之间,插一个独立的、用 LLM 做事实抽取的记忆服务。你把对话喂给它(add(messages)),它把对话蒸馏成原子事实存…
10
Zep + Graphiti:bi-temporal 知识图谱记忆深度技术解析
Graphiti 是 Zep 团队开源的"实时、bi temporal(双时序)知识图谱"引擎,专门给 AI agent 做记忆。和 Mem0 / LangMem 的事实抽取不同,Graphiti 不是把对话压成扁平的事实列表,而是把对话…
11
Cognee:GraphRAG 式知识图谱记忆深度技术解析
Cognee 是一个 pipeline 式的 GraphRAG 记忆引擎。它的定位是:把数据(支持 30+ 种格式:文本 / PDF / 图片 OCR / 代码 AST / 视频转写等)摄入成 dataset,然后用 cognify()…