昨晚发了一篇《我是如何用扣子AI工作流筛选并分析自媒体情报信息的》, 然后收到了很多私信，问我怎么实现的，我一一回复。其中，有朋友请求用dify再实现一下，我很感兴趣，我也一定会实现的，但在实现之前，我觉得跟大家讨论一下类似的几种LLM工作流平台的对比，是很有必要的。

与coze对应的是dify和百度的appbuilder，其中appbuilder跟coze很像，暂且不述了。而streamlit和chainlit则比较独立，是一个类型的代表。总而言之，他们总体是一大类，都是把LLM和数据可视化以及工作流可视化结合在一起，但是具体实现方式不同。

各自的特点

dify

Dify.io 是一个AI原生应用开发平台，它可以帮助开发者轻松构建和运营生成式AI原生应用。该平台可以接入全球大型语言模型，帮助用户快速构建大型语言模型驱动的生成式AI应用，将创意变为现实。

它提供了基于任意大型语言模型构建企业级AssistantsAPI和GPTs的功能。用户可以通过可视化的提示词编排和数据集嵌入，零代码即可快速构建对话机器人或AI助理，并可持续优化对话策略，革新人机交互体验。dify的最大的特点就是自由，通用型强。

coze

Coze是一个面向大众的下一代AI应用程序和聊天机器人开发平台。它允许用户无需编程经验即可轻松创建各种聊天机器人、智能体、AI应用和插件，并将其部署在社交平台和即时聊天应用程序中。Coze的特点是可以快速创建和部署AI聊天机器人应用程序。

Coze平台集成了丰富的插件工具，可以极大地拓展Bot的能力边界。内置插件包括资讯阅读、旅游出行、效率办公、图片理解等API及多模态模型。用户可以直接将这些插件添加到Bot中，丰富Bot能力。此外，平台还支持创建自定义插件，用户可以将已有的API能力通过参数配置的方式快速创建一个插件让Bot调用。

Coze构建的机器人可以轻松部署到多个平台，如微信等社交媒体平台，以及企业内部的应用程序。这样一来，用户不仅可以将机器人应用于不同的场景，还能够更好地触达目标用户群体，提高了系统的灵活性和适用性

streamlit

Streamlit是一个开源的Python库，用于快速构建机器学习应用的用户界面。它提供了一个简单的方式来创建交互式Web应用程序，无需编写大量的代码。Streamlit的特点是可以与多种机器学习库和框架集成，并且具有丰富的可视化组件，可以帮助开发者更好地展示和验证模型效果

它简化了Web应用程序的开发流程，允许开发者将更多的精力放在数据和业务逻辑上，而不是UI代码上。这大大减少了样板代码的使用，使得创建数据驱动的应用变得前所未有的简单。

Streamlit支持多种输入控件和数据可视化工具，让用户能够与数据和模型进行实时互动。这种高度交互性的特点使得它非常适合用于开发交互式的数据可视化应用。

我认为，它跟其他几个最大的区别是，它既适用各种LLM应用的开发，同时也适用于科学计算和各种机器学习的框架，包括Tensorflow和Pytorch、Scikit-learn等，并且可以与各种可视化库无缝集成。同时，Streamlit的学习曲线相对较平缓，无需要任何前端开发经验，只需对Python有基本的了解，就能够快速上手并构建数据应用程序。

chainlit

Chainlit是一个开源Python包，它的主要目标是彻底改变构建和共享语言模型（LM）应用程序的方式。

它可以与现有的代码库无缝集成，或者在几分钟内从头开始构建LLM应用程序。这使得它非常适合快速原型设计和迭代开发。它能够可视化模型的中间步骤和思维过程，让你深入了解它如何获得特定的生成输出。这使得它成为理解和调试语言模型决策处理的强大工具。

Chainlit提供了简单易用的API和丰富的可视化组件，使得用户可以用少量代码快速构建交互式应用程序。这不仅提高了开发效率，还帮助机器学习工程师和数据科学家更好地展示他们的工作成果

对比

开发效率

dify和coze都是基于LLM做的功能深度定制，所以开发效率很高，如果想要做一些功能定制，则他们更适合，而streamlit和chainlit则开发效率相对较低，但他们比较灵活，可以用于各种场景，开发相对复杂的功能。

功能

dify和coze都是自带功能比较全面的，其中含有的插件丰富，尤其是coze，包含了资讯阅读、旅游出行、效率办公、图片理解等API及多模态模型，可以大大拓展Bot的能力边界。相对于coze，dify还支持本地部署，这也是dify的一个独特优势。而streamlit和chainlit则是需要自行使用Langchain等框架开发其中的工具和插件，所以是自带功能相对有限，但是灵活度非常的高，适合做定制化的应用开发。

开发成本

streamlit和chainlit都是基于Python开发的，所以开发成本相对较高，需要熟练掌握Python，并且需要熟练掌握相关框架和库的使用。而dify和coze则不需要掌握Python，只需要掌握相关API的使用即可，而且可以快速上手，而且可以快速部署到各种平台。

部署成本

dify和coze都是可以快速部署到各种平台，包括社交媒体平台和即时聊天应用程序。而streamlit和chainlit则需要自行部署到各种平台，所以部署成本相对较高。

学习曲线

dify和coze的学习曲线相对较平缓，无需要任何前端开发经验，只需对Python有基本的了解，就能够快速上手并构建数据应用程序。而streamlit和chainlit的学习曲线相对较陡，需要掌握一些前端开发知识，才能快速上手并构建数据应用程序。

社区支持

dify和coze都是社区支持比较好的，因为他们都是基于LLM做的功能深度定制，所以社区支持相对较好。而streamlit和chainlit则社区支持相对较差，因为他们都是基于Python做的功能深度定制，所以社区支持相对较差。

总结

dify和coze都是基于LLM做的功能深度定制，所以开发效率很高，如果想要做一些简单功能定制，则他们更适合，而streamlit和chainlit则开发效率相对较低，但他们比较灵活，可以用于各种场景，开发相对复杂和个性化的功能。我也计划在近期把我积累的一些自己开发的AI工具做成一个个人工作助理的应用的，所以，我可能会选择streamlit或者chainlit，因为我有很多工具都是个性化定制的，且是本地运行的，需要读取我的电脑里面的资料的，所以，我需要一个灵活的框架来支持我的这些需求。大家可以期待一下我后期的文章输出，我会慢慢的完善我的这个个人助理。