For the complete documentation index, see llms.txt. This page is also available as Markdown.

概览

在 Clore.ai GPU 服务器上部署 AI 智能体平台、助手和工作流构建器——从自主编码智能体到可视化 AI 工作流构建器。

概览

AI 领域已经爆发式增长,涌现出许多超越简单模型推理的强大平台。从能够编写代码和解决问题的自主智能体,到无需编码即可创建 AI 应用的可视化工作流构建器,再到可媲美商业产品的全功能聊天界面——这些都可以在 Clore.ai 的 GPU 基础设施上自托管。

本节涵盖 三类 AI 平台:

🤖 AI 智能体框架

可以规划、执行任务、编写代码并与工具交互的自主智能体:

平台
星标
需要 GPU
描述

175K+

否(基于 API)

最早的自主 AI 智能体平台

44K+

否(基于 API)

多智能体编排与角色扮演智能体

45K+

否(基于 API)

模拟一家拥有专门智能体角色的软件公司

15K+

可选

面向开发者的、带 GUI 的自主智能体框架

65K+

否(基于 API)

由 AI 驱动的软件开发智能体(原 OpenDevin)

15K+

否(基于 API)

自动修复 GitHub 问题的智能体

🔧 AI 工作流构建器

用于构建 AI 应用和自动化流程的可视化和低代码平台:

平台
星标
需要 GPU
描述

114K+

可选

适用于生产环境的 AI 工作流和智能体平台

55K+

具有原生 AI 能力的 Fair-code 工作流自动化

55K+

可视化拖拽式 AI 应用构建器

3.5万+

可视化 AI 智能体和聊天机器人构建器

1.8 万以上

可选

用于 RAG 和搜索的 AI 编排框架

💬 自托管 AI 助手

功能完整的聊天界面和 AI 助手平台:

平台
星标
需要 GPU
描述

55K+

否(基于 API)

支持多提供商的现代 AI 聊天框架

22K+

否(基于 API)

增强版 ChatGPT 克隆,支持多个 AI 提供商

40K+

集 RAG 和智能体构建器于一体的 AI 全能应用

40K+

以离线优先为理念、支持本地模型的 AI 助手

72K+

可选

注重隐私的本地 LLM 运行器

💻 AI 编码工具

用于 AI 驱动的代码补全、审查和开发的工具:

平台
星标
需要 GPU
描述

25K+

是(后端)

适用于 IDE 的开源 AI 编码助手

其他部分已涵盖: Open WebUI, LocalAI, Text Generation WebUI, TabbyML, Aider

为什么要在 Clore.ai 上运行 AI 平台?

💰 成本效率

大多数 AI 智能体平台本身都很轻量(仅需 CPU),但当它们连接到本地 GPU 加速的 LLM 后就会变得非常强大。在 Clore.ai 上,你可以以每小时 0.14–0.42 美元的价格租用 RTX 4090——对于重负载工作来说,这只是云 API 成本的一小部分。

🐳 原生 Docker

本节中的每个平台都支持 Docker 部署。Clore.ai 服务器预装了 Docker 和 NVIDIA 驱动,因此你可以在几分钟内启动并运行。

🔒 数据隐私

自托管意味着你的数据、提示词和对话永远不会离开你租用的服务器。非常适合企业和注重隐私的用户。

⚡ 灵活架构

在同一台服务器上运行 AI 平台和 LLM,或者将它们拆分到不同机器上。先使用基于 API 的模型进行快速实验,再切换到本地模型用于生产环境。

常见模式

模式 1:AI 平台 + 云端 API

在 Clore.ai 上租用一台便宜的 CPU 服务器,部署你的平台(Dify、n8n 等),并连接到 OpenAI/Anthropic API。对于轻量使用,这是最低成本方案。

模式 2:AI 平台 + 本地 LLM(同一服务器)

租用一台 GPU 服务器,在同一台机器上同时运行平台和 Ollama/vLLM。最适合隐私和稳定性能。

模式 3:AI 平台 + 专用 LLM 服务器

在一台服务器上运行平台,在另一台独立的 GPU 服务器上运行 LLM。最适合扩展和团队使用。

快速参考

如果你想要……
可使用此项

可视化构建 AI 工作流

使用 AI 自动化业务流程

运行自主编码智能体

创建多智能体团队

自托管 ChatGPT 替代方案

与文档聊天(RAG)

在你的 IDE 中进行 AI 代码补全

100% 离线运行模型

入门指南

  1. 选择你的平台 来自上面的指南

  2. 租用一台服务器Clore.ai — 参见 GPU 对比 以帮助选择

  3. 按照指南操作 — 大多数平台都可以通过一个 docker compose up

  4. 连接模型 — 使用 OllamavLLM 用于本地推理,或接入你的 API 密钥

提示:Difyn8n 如果你是 AI 平台的新手——它们在性能和易用性之间提供了最佳平衡。

最后更新于

这有帮助吗?