最近一位朋友告诉我，网站内容过多，查起来不友好，让我考虑给网站制作一个RAG知识库，之后，我使用Chatbase做了一个RAG知识库。

为什么有这种需求呢？是因为很多人希望网站能提供一个“智能客服”，回答FAQ，甚至能读懂站内文章。

训练一个大模型成本太高，就出现了“远程大模型 + 知识库 + 封装平台”的组合。

我把网站链接导入Chatbase，它自动帮我构建一个知识库，然后它再调用远程的大模型（比如OpenAI的4o Mini）来回答问题。

概念扫盲

1、远程大模型：指的是运行在云端的大语言模型（LLM）比如OpenAI GPT、Anthropic Claude、Google Gemini。

远程的意思是不在本地跑模型，而是通过API去调用，大模型是“核心大脑”，负责理解、生成回答。

2、RAG 知识库：RAG全称为Retrieval-augmented generation（检索增强生成）。

它不是模型本身，而是一种使用大模型的方法论。

思路是：

1）把网站文章、FAQ、PDF 切分成小段 → 存到向量数据库。

2）用户提问 → 系统先检索出相关内容。

3）把检索到的内容 + 用户问题 → 一起丢给远程大模型。

4）大模型生成更贴近资料的答案。

所以，RAG 知识库相当于给远程大模型加了一层“外挂记忆”。

3、AI 代理：在大模型和知识库之上，能做决策、调用工具的“秘书”（执行层）。

不仅可以对话、还可以调用工具、执行任务、做决策。

例如，帮我优化Xcode中的Swift代码，AI代理：

1）通过接口获取Xcode中的Swift代码。

2）调用RAG知识库→ 检索相关开发文档。

3）让大模型根据知识库内容生成优化建议。

4）调用本地API，将优化后的代码写回Xcode。

产品介绍

官方定制

OpenAI GPTs：上传文档、添加模型说明，变成一个“定制机器人”，官方支持，但只能在 ChatGPT 内使用。

RAG 知识库 SaaS 平台

Chatbase、Dify、Claude Workflows：上传文档/网站，它们自动建立RAG知识库，再把用户的问题交给大模型。

无需代码，上手快，适合网站 FAQ、客服场景。缺点是依赖平台。

开源/开发者工具

Flowise：可视化拖拽式，自部署。

LangChain / LlamaIndex：偏开发者，使用Python/JS写代码进行搭建，自由度高，适合工程师，缺点是需要编程能力。

聊天机器人平台

BotPress、Typebot：偏流程设计，起点不是大模型，而是“对话流程设计器”，能接入 LLM。适合做多步骤的问答/引导（比如：先问用户名称 → 再问需求 → 给推荐）。

使用场景

个人站点博主：Chatbase、Dify，省事。

中小企业客服：BotPress/Typebot + RAG 平台，能做多轮对话。

开发者/极客：LangChain/LlamaIndex，自由度高，可控。

有预算的大公司：自部署 Flowise + 私有模型，更安全。

相关链接

1、Chatbase：https://www.chatbase.co/

2、Open GPTs：https://openai.com/index/introducing-gpts/

3、Chatbase：https://www.chatbase.co/

4、Dify：https://dify.ai/

5、Claude Workflows：https://docs.anthropic.com/en/docs/claude-code/common-workflows

6、Flowise：https://flowiseai.com/

7、LangChain：https://www.langchain.com/

8、LlamaIndex：https://www.llamaindex.ai/

9、Botpress：https://botpress.com/

10、Typebot: https://typebot.io/