Dify迎来最强开源对手！这个本地Agent内置微调+超细权限控制~

推荐语

Dify用户有福了！LazyCraft开源平台完美解决企业级AI应用开发的权限与微调痛点。

核心内容：
1. Dify在复杂业务场景中的三大核心痛点分析
2. LazyCraft平台的企业级功能全景解析
3. 本地部署实操与关键功能演示指南

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

老粉们应该知道，我之前写过不少关于dify的文章" data-itemshowtype="0" linktype="text" data-linktype="2">Dify的文章。

但我已经有大半年，没有再更新过关于Dify的内容了。

为什么？是因为Dify不好用吗？

不是，对于个人开发者或者想快速搭个Demo的用户来说，Dify依然是一个很不错的选择。

根本原因是我的一些合作过的客户，他们在尝试把Dify用于更严肃，更复杂的真实业务场景时，在很多地方都遇到了限制。

比如，有个朋友，他们想在公司内部，实现每个人只能看到给定的应用。但令人头疼的是Dify不支持细粒度的权限控制和团队管理。

在一个团队里，每个人的角色和权限应该是不一样的。

比如，实习生可能只能使用已经发布的应用，不能编辑和创建；业务部门的同事，应该只能看到和自己相关的知识库。

这些在企业里最基础的权限管理需求，Dify的开源版，给不了。

还有一些国企的客户，他们的要求更苛刻。

整个平台，从大模型，到知识库，再到应用，所有的一切，都必须部署在他们自己的内网服务器上，物理隔绝。他们也想用Dify（毕竟Star数太高了）

但是Dify的开源版，对于本地模型的支持比较弱，更不要说模型微调这种重活儿了。

对于我自己来说，作为一个开发者，Dify的模型评测系统也过于简陋。

当我想为某个特定任务，科学的对比一下，比如到底是GLM-4.6效果好，还是Kimi-K2更胜一筹时，Dify给不了我一个客观公正的判断。

只能凭感觉，这在严肃的企业级开发场景里，是远远不够的。

不过最近我偶然发现了一个在Github刚开源不久的新项目：LazyCraft

https://github.com/LazyAGI/LazyCraft

虽然它目前在GitHub上的Star数还不多，但体验下来，给我的感觉，就像是专门为了狙击Dify的问题，而定做的一样！并且Dify有的功能，它基本上也都有。

作为一个开源项目，功能已经满足了很多企业级场景，是非常难得的。

LazyCraft，到底是个啥？

LazyCraft是一个开源的AI Agent应用开发与管理平台，它的设计思路跟Dify还挺不一样的。

它提供的是一个功能更完整的闭环系统：包含了应用搭建的可视化界面，还内置了知识库、Prompt管理、推理服务、MCP工具（包含本地和远程）、数据集管理和模型评测等多个核心模块。

这意味着从应用创建、科学调试、发布到监控，以及Bad Case分析，都可以在这一个平台内完成。

还内置了模型管理功能，包含数据集管理、模型微调和推理服务。

并且兼容多种向量库和RAG策略，支持自定义知识库编排，包含定制离线解析策略和在线召回策略，非常灵活。

亮点功能：

好了，话不多说，我们还是上实操吧。

下面，我先带大家走一遍本地部署的流程。

然后再看一下那些个亮点功能到底怎么样

LazyCraft本地部署

第一步，当然是先把代码从GitHub上克隆下来。

git clone https://github.com/LazyAGI/LazyCraft.git

进入docker目录

cd ./LazyCraft/docker

没有安装git的朋友也可以直接下载zip压缩包

解压后进入LazyCraft/docker目录下，在搜索栏，输入cmd 回车，就能进入当前目录下的控制台。

第二步，使用docker-compose的方式直接启动。

把docker-compose.yml文件里面cloud-service的相关注释像下图这样解开（因为这段默认是被注释掉的，也就是默认不会启动这个服务）

因为docker目录下有docker-compose.yml文件，所以我们可以在该目录下的控制台，直接使用 docker-compose up -d 指令一键把LazyCraft部署到本地：

LazyCraft整个服务挺多的（13个服务/容器），有几个镜像比较大，特别是cloud-service有34G，所以下载镜像的这个过程可能会有点久，需要本地有足够大的空间。

最后出现像下面这样的日志就代表部署成功啦

docker面板里面所有容器都是启动成功的状态（除了init-minio-1）

第三步，访问服务。

当所有服务都正常启动后，直接在浏览器里打开http://127.0.0.1:30382，你就能看到LazyCraft的登录界面了。

默认账号：admin，默认密码：LazyCraft@2025。

就这么简单，三步，你就拥有了一个完全属于你自己的，可以跑在内网的，功能完整的AI Agent应用开发与管理平台。

LazyCraft亮点功能

接下来，就是最核心的环节。

我们来看看，LazyCraft到底是如何解决我们之前提到的那些痛点的。

/>1.多租户管理

LazyCraft支持 多租户 / 多工作空间

可以在团队->用户管理->添加用户，新增一个用户。也可以在登录页选择注册新用户。

然后在「用户组管理」这里，比如说新增一个工作空间「产品部门」，可以把test这个用户加入这个空间，并且设置他的权限。

只读就代表，这个用户只能查看，使用这个空间下的Agent应用、知识库、模型等等

读写就代表对上面这些资源有编辑权限

管理员就代表对「产品部门」这个工作空间有管理权限。

另外，因为空间里面可以下载本地模型，有微调功能，所以还可以为这个空间申请存储和GPU（算力）的配额。

可以在配额管理这里，选择批准或者驳回

另外还有，「日志记录」和「费用统计」

这意味着，你可以像管理一个真正的互联网产品一样，去管理你的AI应用平台。

可以给不同的团队，开设不同的工作空间。可以在一个工作空间里，给不同的成员，分配不同的角色和权限。

这些功能，对于个人开发者来说，可能感知不强。但对于任何一个想在团队或企业内部，推广和使用AI Agent应用的组织来说，都是绝对的刚需。

现在市面上几乎所有的开源agent平台对都是关闭这块功能的，只有在他们的企业版或者付费版中才会开放使用。

/>2. 本地模型微调与管理

这可能是LazyCraft相比Dify，最大的一个优势。

它直接把模型微调集成到平台里面了，只需要准备好数据集、模型，经过简单的配置就可以开始微调。

你看这个界面，非常简单，也有提供默认参数支持。

微调的速度肯定是跟你本地的资源、算力相关。

你还可以用平台内置的「模型仓库->模型测评」功能，来科学的对比，你微调出来的模型，和原始模型相比，在你的特定任务上，到底有多大的提升。

你可以设置人工评测，也可以设置AI评测，在同一个数据集上，进行盲测，最终用数据说话。

这个功能除了可以对比模型微调前后的差异，也可以更科学的测试对比不同模型的效果差异。

整个数据集管理->模型微调->模型评测的功能闭环，彻底解决了Dify在模型层面只能调用，不能掌控的困境。

对于那些有数据隐私要求，或者有深度定制化需求的企业来说，价值是非常大的。

说到本地模型，LazyCraft也可以选择Hugging Face、Model Scope的模型地址进行安装，或者导入本地已经下载好的模型文件。

比如在模型仓库>模型管理 可以添加Qwen3-1.7b

模型地址可以到Model Scope上面获取

https://modelscope.cn/

对了，微调要使用的数据集也可以到Model Scope下载，这里面有20943个不同种类的数据集。

点击确定后，就会开始下载模型

甚至可以安装最近爆火的百度最新OCR模型：PaddleOCR-VL

不过很遗憾，目前LazyCraft限制了本地使用的模型种类（本地安装的模型，需要在推理服务->新建推理服务，并开启之后才能使用）

所以虽然理论上能下载所有开源模型，但目前还不能使用，不过我估计后面会开放这个限制，不然为什么要做模型下载的功能呢，对吧。

除了本地模型，LazyCraft也支持在「推理服务->云服务」接入云端的大模型API。

选择厂商，填入对应的apikey就能一键接入了

不过目前支持的厂商有限，以及还未支持自定义的Base URL

针对上面说的两个问题，我已经给他们提了issue，希望可以尽快支持~

大家多多转发，说不定官方重视起来就能快速改进啦～

/>3.强大的工具集成（支持远程和本地MCP）

不得不说，LazyCraft是我见过的Agent平台中，对MCP支持得最好的平台之一。

MCP主要有三种接入方式，两种远程的（SSE、StreamableHttp），一种本地的（STDIO）

LazyCraft就支持了两种：一种远程（SSE），一种本地（STDIO）

添加过程简单，又严谨

工具->插件工具(MCP)，以下图为例

添加之后，还需要对这个MCP里面的工具逐一测试之后才能发布，发布后，就能在应用中使用这个MCP工具啦。

最牛的是在自定义工具里面，不仅支持外部API创建，还支持本地的IDE创建！这个是Coze线上版本才有的功能啊

/>4.应用搭建

我们再来看它的应用搭建画布。

第一眼看过去，很熟悉，左边是各种组件，中间是拖拽式的画布。这个模式，现在已经成了行业的标配。

但魔鬼，藏在细节里。

LazyCraft的画布，能拖拽进来的功能模块，比Dify要丰富得多。

LazyCraft的功能模块有23个，Dify只有16个。

每个功能模块的开放的配置也是非常齐全，总的来说，LazyCraft的应用搭建能力也是非常强的。

另外LazyCraft还有Prompt管理、脚本管理等诸多功能。

对其他功能感兴趣的朋友可以去看看它的帮助文档，很少有Agent平台有这么详细的帮助文档。

「最后」

LazyCraft虽然刚刚开源不久，但还是很有来头的，是商汤基于他们在去年开源的LazyLLM构建的AI Agent应用开发与管理平台。

我感觉LazyCraft没有玩虚的，把应用编排，模型管理，模型微调，权限管理，这些核心能力，完整地开源了出来。

让我看到了AI Agent平台发展的下一个趋势。

第一波浪潮，以Dify为代表，核心是降低门槛，让更多人能用上AI。

而第二波浪潮，我感觉核心将是企业级、实用性。

它不再满足于只让你用起来，而是把从数据到模型，再到应用的完整掌控权，交还到开发者和企业自己手里，让大家能真正地去构建那些强大的，定制化的，真正能解决问题的，可落地的AI应用。

我有一个大胆的预测：在不久的将来，当模型能力发展遇到瓶颈之后，一家企业的核心竞争力，可能不再是它调用了哪个大模型，而是它拥有多大的，高质量的自有数据集，以及多强的，能基于自有数据，快速进行模型微调和应用迭代的能力。

而像LazyCraft这样，提供数据投喂-模型孵化-应用集成全链路闭环能力，而且还开源的Agent平台，可能会成为未来企业AI战略的新基建吧。