46 lines
2.8 KiB
Markdown
46 lines
2.8 KiB
Markdown
# 横评构建企业级 LLM 应用，主流的、开源的 SDK 或框架
|
||
|
||
## 基础能力
|
||
|
||
| 对比项 | SAA| Spring AI | LangChain4J | LangChain |
|
||
|:-----|:-----|:-----|:-----|:-----|
|
||
| 语言 | Java | Java | Java | Python |
|
||
| 聊天模型 | ✅ | ✅ | ✅ | ✅ |
|
||
| 嵌入模型 | ✅ | ✅ | ✅ | ✅ |
|
||
| 图片、音视频模型 | ✅ | ✅ | ✅ | **国内只有百度千帆、百川智能支持了多模态，阿里百炼没有支持** |
|
||
| RAG | ✅ | ✅ | ✅ | ✅ |
|
||
| 向量数据库 | **除主流向量数据库外，还支持阿里云 AnalyticDB (ADB)、OpenSearch** | ✅ | ✅ | ✅ |
|
||
| MCP | **支持 Nacos MCP Registry** | ✅ | ✅ | ✅ |
|
||
| 函数调用 | ✅ | ✅ | ✅ | ✅ |
|
||
| 提示词模板 | **支持通过 Nacos 热更新，无需重启应用** | ✅ | ✅ | ✅ |
|
||
| 聊天记忆 | ✅ | ✅ | ✅ | ✅ |
|
||
| 模型评估 | ✅ | ✅ | ✅ | ✅ |
|
||
|
||
> 💡SAA 是 Spring AI Alibaba 的官方简称。**SAA 在对 MCP 工具、提示词模板的管理具有明显优势，尤其适合企业级 LLM 应用的构建。**
|
||
|
||
## 可观测性（OpenTelemetry）
|
||
|
||
**OpenTelemetry** 通常缩写为**OTel**，是一个开源的、厂商中立的可观测性框架，旨在实现遥测数据的标准化生成、收集和管理。遥测数据包括日志、指标和追踪，这些数据对于监控和理解软件系统的行为至关重要。
|
||
|
||
| Spring AI | SAA | LangChain4J | LangChain |
|
||
|:-----|:-----|:-----|:-----|
|
||
| ✅ | ✅ | ❌ | ✅ |
|
||
|
||
**Spring AI**框架定义了一系列endpoint，为其核心组件提供了指标和追踪能力，例如 ChatClient（包括 Advisor）、ChatModel、EmbeddingModel、ImageModel 和 VectorStore 等。**SAA**除了拥有**Spring AI**的能力，还提供了配套工具，无需额外编写代码，即可扇出至阿里云ARMS。**LangChain4J**提供了一系列**Listener**，通过 OTel 扇出数据，需要自行实现。**LangChain**自带**LangSmith**，并且支持了OTel，仅需少量代码即可扇出数据。
|
||
|
||
> 💡需要注意的是，Spring AI 对于 ChatModel 的可观测性，目前仅支持以下提供商：Anthropic, Azure OpenAI, Mistral AI, Ollama, OpenAI, Vertex AI, MiniMax, Moonshot, QianFan, ZhiPu AI。**未提到的厂商，例如阿里百炼，可能会在未来支持。**
|
||
|
||
## 与云计算平台模型提供商之间的适配
|
||
|
||
| 对比项 | Open AI | Anthropic | 阿里百炼 | 百度千帆 |
|
||
|:-----|:-----|:-----|:-----|:-----|
|
||
| SAA | ✅ | ✅ | 深度适配 | ✅ |
|
||
| Spring AI | ✅ | ✅ | ✅ | ✅ |
|
||
| LangChain4J | ✅ | ✅ | ✅ | ✅ |
|
||
| LangChain | ✅ | ✅ | 部分适配 | ✅ |
|
||
|
||
> 💡阿里百炼对于**LangChain**仅通过 langchain-openai 适配了部分模型：聊天模型、嵌入模型、重排序模型，**不支持多模态模型**。
|
||
|
||
## 与私有化模型部署平台的适配
|
||
|
||
## 智能体开发 |