比較表同一件事，這幾個工具差在哪。工具名稱點下去，跳到下面的完整介紹。
自架 LLM 應用平台：Dify、RAGFlow、AnythingLLM 差在哪
都能做「上傳文件、拉個流程、變成內部 AI 助理」，但授權條件差很多，尤其你打算拿它對外提供服務時。
| Dify | RAGFlow | AnythingLLM | |
|---|---|---|---|
| 授權 | ⚠Dify 開源授權（基於 Apache 2.0 加額外條件） | Apache-2.0 | MIT |
| 額外限制 | ⚠未經書面授權不得經營多租戶環境；不得移除或修改前端 LOGO 與著作權資訊 | 無額外條件 | 無額外條件 |
| 強項 | 視覺化工作流、Agent、模型管理與觀測一整套 | 文件理解深、切塊可視化、引用可追溯 | 上手最快，有桌面版可單機用 |
| 部署 | 雲端／自架社群版／企業版 | 自架（Docker Compose） | 桌面 App／Docker 自架／各家雲 |
| 適合誰 | 要完整平台且接受品牌與多租戶限制 | 文件解析品質優先、要可追溯引用 | 個人或小團隊，想最快跑起來 |
怎麼選要做給公司內部用，三個都可以。但如果你打算拿它做成對外的多租戶服務、或想拿掉品牌做成白牌系統，Dify 的授權會擋住你——那種情況 RAGFlow 或 AnythingLLM 的標準開源授權單純得多。
自架前先看授權：這幾個熱門工具不是你以為的那種開源
「開源、可自架」不等於「隨你怎麼用」。AGPL 有網路著作權傳染條款——把改過的版本當成服務提供給別人用，可能要一併公開原始碼；還有些專案改用自訂授權加了額外義務。這些都是自架前就該知道、而不是上線後才發現的事。
| 授權 | 要注意什麼 | |
|---|---|---|
| Grafana | ⚠AGPL-3.0 | 官方說明現行為 AGPL-3.0（部分例外走 Apache-2.0）。嵌進對外產品前要看 LICENSING.md |
| Metabase | ⚠AGPL（開源版） | 另有商業授權版本；要嵌入自家產品賣人的走商業版比較單純 |
| LibreTranslate | ⚠AGPL-3.0 | 自架翻譯很實用，但同樣有網路傳染條款 |
| SearXNG | ⚠AGPL-3.0 | 自架搜尋、不追蹤使用者，適合內部用；對外服務要評估授權 |
| Ultralytics YOLO | ⚠AGPL-3.0 | 商用多半要買企業授權；同類的 RT-DETR 是 Apache-2.0 |
| Open WebUI | ⚠自訂授權 | 官方說明含「Open WebUI 授權」，額外要求保留 Open WebUI 品牌；授權有變更歷史，要讀 LICENSE_HISTORY |
| MinerU | 自訂（基於 Apache 2.0） | 官方說明已從 AGPLv3 改為基於 Apache 2.0 的自訂授權，以降低商用採用的阻力 |
| Unsloth | Apache-2.0（核心） | ⚠部分選用元件如 Studio UI 是 AGPL-3.0 |
| timm | Apache-2.0（程式） | ⚠預訓練權重多來自 ImageNet，官方註明主要供非商業研究使用 |
怎麼選判斷順序：先問「我會不會把它當成服務給公司以外的人用」——會的話，AGPL 那幾個要先讓法務看過；純內部使用通常單純得多。另外記得程式授權與模型／權重授權是兩件事（timm 就是典型），兩邊都要看。
工具怎麼串一個工具做不完，要前一個交給下一個。
做自己的 Agent：先確認寫死的流程做不到 → 寫好做法 → 收窄權限 → 每一步留紀錄
依據：本頁兩張比較表、各工具卡，與「別人怎麼做」裡的「每天重複的雜事串成自動流程」「公司開放 AI，先小範圍試」
容易斷在：外部郵件或網頁裡可能藏著指令，騙 AI 做事。刪除、付款、對外寄信，要從權限擋，光下指令擋不住。Dify 不准未經授權做多租戶，也不能拿掉介面標誌。
真實案例只放本站逐條查證過來源的案例；「殷鑑」是做壞的例子。
Dunaway 讓工程師用問的查各城市法規：手動查找時間降低 90%
這則最值得學的是它承認 AI 沒解決全部：頁面自己寫「requires extensive internal QA/QC」。法規查詢的答案錯了代價很高，所以引用來源與專家覆核不是選配。
看完整案例 →已查證Kohler 把 Copilot 導入當變革管理做：40 天達成原訂 9 個月的採用率目標
偷的是順序：高層先給明確訊號 → 分級課程 → 同儕種子 → 量採用率。「事實與迷思」場次特別值得學——先把「AI 會取代我」「AI 會亂編」這些擔心攤開講，比多開三堂操作課有用。
看完整案例 →已查證Spotify 把程式代理接進既有流程：1,500 多個 AI 改的 PR 已合併
把 AI 的產出放進既有的審核關卡，而不是另開一條快速通道：代理改完一律變成待審的 pull request，審查與合併規則照舊。小團隊用 AI 改文件或程式時，也可以規定 AI 產出只能是「草稿＋待審」狀態。
看完整案例 →已查證UPS 用 agentic AI 過海關：半年內免人工通關比例從 21% 拉到 90%
偷的不是模型，是指標：「零人工觸碰的文件比例」逐月追蹤，而且分母同時從 13,000 件長到 112,000 件。這個指標誠實——它把自動化的效果跟量的成長綁在一起看，做不到就會現形。任何有例行文件流的團隊都可以用同一個指標。
看完整案例 →已查證Woolworths 購物代理 Olive 會放購物車，但結帳一定留給客人
替自己的 AI 代理寫一張「最後一步」清單：凡是會扣款、寄出、簽核的動作，AI 只能準備到前一步，由人按下送出。Woolworths 的那一步是結帳。
看完整案例 →已查證三星解除三年 ChatGPT 禁令：先過資安訓練才給權限，半導體部門留到最後
偷的是順序：禁→受控試點→資安訓練當門檻→分部門漸進開放，而且風險最高的部門留到最後。多數台灣公司卡在第一步「要不要開」，三星示範的是「怎麼開」——開放是有條件的，條件是訓練，不是信任。
看完整案例 →已查證新加坡政府替 15 萬公務員建 AI agent 登錄制：不准刪檔、不准對外寄信、每個 agent 有人負責
那張護欄清單可以原封不動搬走：禁破壞性動作、禁對外送出、限制影響範圍、每個 agent 有具名負責人。它不花錢，而且是在「先讓大家做」之後才補的——順序是先普及、再登錄，不是先管到沒人敢做。
看完整案例 →已查證新加坡航空 160 個 AI 應用上線——5,600 名地勤有 5,079 人自己在用
它先把「誰在用」講清楚：5,600 名地勤中 5,079 名獨立使用者、月活躍 60% 以上。這個算法值得偷——買了幾張授權不算數，多少人真的在用才算。第二件事是 1,500 個 agent 不是 IT 做的，是員工自己做的：把工具交出去，需求就不用排隊。
看完整案例 →已查證深圳福田區推出 70 名「AI 數位員工」：每一名都配一位人類監護人負責
每上線一個 AI 工具或代理，就在清單上寫一個負責人的名字：誰看它的輸出、出錯由誰向民眾或主管說明。小團隊可以在共用試算表加一欄「負責人」，沒有填名字的 AI 流程不准上線。
看完整案例 →已查證瑞士電信零售商 mobilezone 用 Copilot Studio 做兩個 agent：對內 IT 台互動率 87%，比對外客服高
偷的是兩件事：一、答案只從自己的系統來，不上開放網路——這是防亂答最便宜的方法；二、對內先做。Supporto 互動率 87% 高於對外的 Mia（47%），因為受眾小、風險低、答錯的代價是同事再問一次。要練手，從 IT 台或 HR 常見問題開始。
看完整案例 →已查證阿布達比 TAMM 把轉真人比例攤開報：主管主張每套 AI 要有具名負責人
把「轉真人比例」當成定期公布的數字，跟交易量放在同一張表；每一套上線的 AI 系統在內部清單上寫一個負責人的名字，出事時不用開會找人。
看完整案例 →要照著做（步驟、提示詞）：找方法
全部 8 個工具每張都是完整介紹：適合誰、費用、能不能商用、資料去哪裡、能接什麼、限制、稜線用在哪。
Anthropic Agent Skills（官方）
外部資源需要 API／自動化Anthropic 官方公開的 Agent Skills 範例集：把「怎麼做某件事」寫成 Claude 可以動態載入的資料夾。
適合
- 想讓 AI 依照公司規範重複執行任務
- 學習 Skill 的寫法與結構
- 找官方認可的範例當起點
不適合
- ⚠未經測試就用在關鍵任務（官方明示為示範與教育用途）
- 不熟 AI 工具的一般使用者
- 費用
- 免費取得。
- 能不能商用
- ⚠依個別 skill 而定
官方說明多數 skill 採 Apache 2.0；但文件類 skill（docx／pdf／pptx／xlsx）是 source-available、不是開源，它們是支撐 Claude 文件能力的實作，僅作為複雜 skill 的參考。要商用前先確認你要用的是哪一個。 - 資料去哪裡
- 官方資料不足，目前無法確認
- 授權
- 多數 Apache-2.0；文件類 skill 為 source-available
- 跑在哪裡
- 自己架
- 能接什麼
- API：尚未查證MCP：尚未查證Webhook：尚未查證
- 限制
- ⚠官方免責：僅供示範與教育，實作可能與 Claude 內建行為不同，關鍵任務前要自行充分測試
- ⚠文件類 skill 非開源授權
- Skill 的效果取決於你寫得多清楚，不是複製就會變強
MCP Servers（官方參考實作）
外部資源需要工程支援Model Context Protocol 的官方參考伺服器：讓 AI 助理能安全地存取檔案、Git、記憶體等外部工具與資料。
適合
- 想讓 Claude 這類 AI 連上自家工具與資料
- 學習 MCP 怎麼運作
- 評估要不要導入 MCP 架構
不適合
- ⚠直接拿參考實作上正式環境（官方明說是教育用途）
- 不寫程式的使用者
- 費用
- 開源免費。
- 能不能商用
- 可商用
官方說明採雙授權：新貢獻為 Apache License 2.0，既有程式碼為 MIT。 - 資料去哪裡
- MCP 的重點就是「受控存取」——它決定 AI 能碰你哪些檔案與資料，設定權限時要保守。
- 授權
- Apache-2.0（新貢獻）／MIT（既有程式碼）
- 跑在哪裡
- 自己架、裝在公司內部
- 能接什麼
- API：尚未查證MCP：尚未查證Webhook：尚未查證
- 限制
- ⚠官方明示這些是參考實作、供教學用，不是 production-ready
- ⚠給 AI 檔案系統存取權限本身就是風險，範圍要收窄
- 社群伺服器品質參差，要個別評估
LangGraph
專業工具需要工程支援做 AI Agent 的編排框架：支援持久化執行、狀態記憶、以及在流程中插入人工確認。
適合
- 需要多步驟、會中斷再續跑的 Agent
- 要在關鍵步驟插入人工審核的流程
- 需要追蹤 Agent 狀態與除錯
不適合
- 單次問答就結束的需求（直接呼叫模型就好）
- 不寫程式的團隊
- 還沒試過寫死流程（Workflow）就想上 Agent
- 費用
- 框架開源免費；官方另有 LangSmith 等付費服務。
- 能不能商用
- 可商用
MIT 授權。 - 資料去哪裡
- 框架在你的環境執行，但模型呼叫會送到你指定的供應商。
- 授權
- MIT
- 跑在哪裡
- 自己架
- 能接什麼
- API：有MCP：尚未查證Webhook：尚未查證
- 限制
- ⚠Agent 難以驗收——先確認寫死的流程真的做不到再上
- 版本更新快
- 除錯需要搭配追蹤工具才看得清楚
CrewAI
專業工具需要工程支援多 Agent 協作框架：用角色分工的方式讓多個 AI 代理人一起完成任務，也支援事件驅動的固定流程。
適合
- 要讓多個 AI 分工協作的實驗
- 角色分工清楚的內容或研究流程
- 想要獨立於 LangChain 的技術選擇
不適合
- 單一 Agent 就能做完的任務（多開只會更難驗收）
- 對輸出穩定性要求高的正式流程
- 費用
- 框架開源免費。
- 能不能商用
- 可商用
MIT 授權。 - 資料去哪裡
- 框架在你的環境執行，模型呼叫送到你指定的供應商。
- 授權
- MIT
- 跑在哪裡
- 自己架
- 能接什麼
- API：有MCP：尚未查證Webhook：尚未查證
- 限制
- ⚠多 Agent 的成本與不可預測性都是倍增的，先確認單一 Agent 真的不夠
- Agent 之間的交接容易累積誤差
- 驗收設計比開發更花時間
Flowise
專業工具需要 API／自動化視覺化拖拉建 AI Agent 流程的工具。⚠官方 repo 已於 2026-08-13 封存。
適合
- 參考既有流程設計的學習用途
- 已經在用、短期內不打算換的既有專案
不適合
- ⚠新專案（上游已封存，不宜當長期基礎）
- 需要持續安全更新的正式環境
- 費用
- 開源免費。
- 能不能商用
- 可商用
官方說明原始碼採 Apache License 2.0。 - 資料去哪裡
- 自架時流程留在你的環境；模型呼叫送到你設定的供應商。
- 授權
- Apache-2.0
- 跑在哪裡
- 自己架、裝在公司內部
- 能接什麼
- API：尚未查證MCP：尚未查證Webhook：尚未查證
- 限制
- ⚠官方 repo 已於 2026-08-13 封存，後續發展要看官方公告
- 新專案建議改用仍在維護的替代方案
- 封存後的安全性更新不可期待
Dify
專業工具需要 API／自動化視覺化的 LLM 應用開發平台：工作流、RAG 管線、Agent、模型管理與觀測一整套，可自架。
適合
- 公司要做內部 AI 助理又想要完整平台
- 非工程師也能參與拉流程的團隊
- 要同時接多家模型並比較
不適合
- ⚠想拿它經營對外多租戶服務（授權禁止，需書面授權）
- ⚠想做成白牌、移除品牌標示的系統
- 只有幾份文件的簡單需求
- 費用
- 社群版自架免費；官方另有 Dify Cloud 與企業版。
- 能不能商用
- ⚠可商用但有兩條硬性限制
官方授權為「Dify 開源授權，基於 Apache 2.0 並附加額外條件」。兩條關鍵限制（引自官方 LICENSE）：(1)「未經 Dify 書面明確授權，你不得使用 Dify 原始碼經營多租戶環境」；(2)「使用 Dify 前端的過程中，不得移除或修改 Dify 控制台或應用程式中的 LOGO 或著作權資訊」。符合上述任一情況要另外取得商業授權。 - 資料去哪裡
- 平台自架時資料留在你的環境，但實際回答的模型由你設定——接雲端 API 時資料仍會送到那一家。
- 授權
- Dify Open Source License（基於 Apache 2.0 加額外條件）
- 跑在哪裡
- 自己架、裝在公司內部、雲端服務
- 能接什麼
- API：尚未查證MCP：尚未查證Webhook：尚未查證
- 限制
- ⚠多租戶與品牌兩條限制是自架公司最容易違反的
- 自架要有人維運（Docker、資料庫、升級）
- 版本更新快，升級前要看遷移說明
n8n
專業工具需要工程支援可自行架設的流程自動化平台，功能類似 Zapier，但可以裝在自己的伺服器上。
適合
- 資料不想經過第三方雲端
- 量大時想避免按次計費
- 有工程人力可維護
不適合
- 沒有人能維護伺服器的團隊
- ⚠想把它包成自己的服務轉賣給客戶
- 費用
- 自架版本可免費使用；官方雲端與企業功能另行收費。
- 能不能商用
- ⚠有條件——不是 OSI 開源
官方 README 原文：「n8n is fair-code distributed under the Sustainable Use License and n8n Enterprise License」。原始碼看得到、可自架，但把它當成服務轉售等情境受限，部分功能需企業授權。 - 資料去哪裡
- 自架時資料不離開你的環境；使用官方雲端版則依其條款。
- 授權
- Sustainable Use License（fair-code）
- 跑在哪裡
- 自己架、裝在公司內部、雲端服務
- 能接什麼
- API：尚未查證MCP：尚未查證Webhook：尚未查證
- 限制
- ⚠fair-code 授權不是開源，轉售與部分功能受限
- 自架要有人維運與更新
- 串接第三方服務時資料仍會送到那些服務
Langfuse
專業工具需要工程支援LLM 應用的觀測平台：把每一次呼叫的輸入輸出、成本、延遲記錄下來，並支援提示詞版本管理與評估。
適合
- AI 功能上線後要知道實際發生什麼
- 追蹤成本與延遲
- 提示詞要版本控管的團隊
不適合
- 還在原型階段的專案
- 沒有工程人力的團隊
- 費用
- 自架免費；官方另有雲端與企業方案。
- 能不能商用
- 核心可商用（MIT）
官方說明核心採 MIT 授權，但 `ee` 資料夾內的企業版功能適用不同條款。只用核心功能沒問題，要用到企業功能前要確認。 - 資料去哪裡
- 自架時追蹤紀錄留在你的環境；但紀錄裡會含使用者輸入，等於多一份敏感資料要保護。
- 授權
- MIT（ee 目錄另計）
- 跑在哪裡
- 自己架、裝在公司內部、雲端服務
- 能接什麼
- API：尚未查證MCP：尚未查證Webhook：尚未查證
- 限制
- ⚠追蹤紀錄會存下使用者的輸入內容，本身就是要保護的資料
- 核心與企業版授權不同
- 自架要有人維運
卡片上的查證日期是我們最後一次讀官方頁面的時間；條款會改，正式使用前請再看一次官方頁。