01
Ollama開源專案
942.2萬/月
免費 / 開源在本機或雲端執行與打造開源 AI 模型
Large Language Models (LLMs)編輯評分：4.8Free, Freemium, Paid+4.3%
Free, Freemium, Paid
載入中…
正面對決基準比較
Dify vs OpenLIT
Dify 每月有 819,691 次造訪，月增率 -15%，定價模式為免費增值。OpenLIT 每月有 6,028 次造訪，成長率 -18.3%，定價模式為免費。
Dify 每月有 819,691 次造訪，月增率 -15%，定價模式為免費增值。OpenLIT 每月有 6,028 次造訪，成長率 -18.3%，定價模式為免費。
開源、原生 OpenTelemetry 的 AI 代理可觀測性與 Harness 工程平台
| 面向／指標 |  | |
|---|---|---|
| 官方網域 | dify.ai | openlit.io |
| 定價模式 | 免費增值 | 免費 |
| 每月造訪次數 | 81.97萬 (819,691) | 6028 (6,028) |
| 月流量變化量 | -14.43萬 (-15%) | -1353 (-18.3%) |
| 主要市場與市佔 | 🇨🇳 中國 (46.7%) | 🇺🇸 美國 (53.6%) |
| 每月直接造訪 | 47.06萬 | 2375 |
| 使用者評分 | 4.8 | 4.7 |
| 支援平台 | 網站 | 網站 |
打造、部署並治理可上線的代理式 AI 工作流程
視覺化畫布將檢索、分支、工具呼叫、人工審核與模型步驟組成清楚可測的執行路徑，方便除錯與交接。
透過對話或手動設定建立代理，賦予技能、工具與知識，再發佈為應用、嵌入元件或工作流程中的可重用節點。
為文件、網站與雲端硬碟建立可重複的匯入流程，上線前完成擷取、清理、切塊、索引與檢索測試。
模型供應商、工具、資料來源與 MCP 整合安裝一次即可在工作空間內所有應用重複使用。
開源、原生 OpenTelemetry 的 AI 代理可觀測性與 Harness 工程平台
為每一次 LLM 呼叫、工具呼叫、檢索與代理步驟擷取 OpenTelemetry 鏈路與指標，並可依使用者、工作階段、成本、延遲或自訂中繼資料篩選。
對生產流量或實驗資料使用 LLM-as-a-judge、啟發式檢查或人工審核評分，持續衡量準確率、相關性與安全性。
在 Prompt Hub 集中管理與版本化提示詞，無需發布新的應用程式碼即可部署、回滾與更新提示詞。
將 OpenAI、Anthropic 及其他 LLM API 金鑰存放在程式庫之外的加密保險庫中，並支援輪換。
免費 / 開源在本機或雲端執行與打造開源 AI 模型
提供簡化的無程式碼建構工具來部署自訂 AI 代理，但缺乏 Dify 的開源彈性。
免費 / 開源A self-hosted chat interface for running local LLMs, though lighter on complex visual workflow orchestration.
免費 / 開源A self-hosted chat interface for running local LLMs, though lighter on complex visual workflow orchestration.
專項更強Provides advanced programmatic frameworks for document parsing and RAG pipelines, but requires coding instead of visual canvases.
專項更強Provides advanced programmatic frameworks for document parsing and RAG pipelines, but requires coding instead of visual canvases.
免費 / 開源An open-source automation platform combining visual flows with AI steps, though geared more towards general app integration.
免費 / 開源An open-source automation platform combining visual flows with AI steps, though geared more towards general app integration.
免費 / 開源面向生產級 AI 的代理可觀測性、評估與持續改進平台
專為擴充多代理團隊與 B2B 任務自動化而設計，不過對開源 RAG 管線的著墨較少。
專注於透過視覺化拖放編排來建立聊天機器人和自主代理，無須編寫程式碼。
