langchain-ai/langchain
Agent、RAG、工具串接與 LLM 應用開發的代表性框架。
FDE 可以學
學習如何把模型、工具、記憶、檢索與流程組成應用。
這份清單不是單純追星數,而是依前線部署工程師會遇到的工作情境分類:從 AI 應用、文件問答、流程自動化,到 UI/UX、測試、資安、部署與治理。
How To Read
先看分類:判斷它對應需求訪談、資料處理、AI 應用、流程或交付哪一段。
再看 FDE 參考價值:理解它能補強哪個工作能力。
最後看專案本身:閱讀 README、架構圖、範例與部署方式。
不需要全部使用:能說清楚取捨,比把工具全塞進方案更重要。
Focus Areas
每個分類挑選代表性專案,並說明它對 FDE 的參考價值。點擊專案名稱可前往 GitHub 原始頁面。
Category 01
理解 LLM、Agent、工具呼叫、資料與流程如何組成可交付系統。
FDE 參考價值
幫助 FDE 看懂 AI 應用的骨架,知道何時該用框架、何時該簡化。
langchain-ai/langchain
Agent、RAG、工具串接與 LLM 應用開發的代表性框架。
FDE 可以學
學習如何把模型、工具、記憶、檢索與流程組成應用。
run-llama/llama_index
聚焦資料接入、索引、RAG 與知識型應用。
FDE 可以學
學習企業文件如何被整理、索引與查詢。
microsoft/autogen
多代理協作與自動化任務設計的代表專案。
FDE 可以學
學習多角色 AI 協作與任務分解方式。
Category 02
把企業文件、制度、FAQ 與知識庫轉成可查詢、可追溯的回答系統。
FDE 參考價值
這是企業 AI 導入最常見場景之一,FDE 需要能評估資料、權限與答案來源。
langgenius/dify
可視化建構 AI App、Workflow、Agent 與知識庫。
FDE 可以學
學習低程式碼 AI 應用與 RAG 產品化設計。
FlowiseAI/Flowise
用節點式流程建立 LLM 與 RAG 應用。
FDE 可以學
學習用視覺化方式解釋 AI 流程與資料流。
open-webui/open-webui
本地或私有 AI 聊天與知識應用介面。
FDE 可以學
學習企業內部 AI 入口、權限與使用者體驗。
Category 03
處理 PDF、掃描檔、表單、合約、報表與圖片中的文字或欄位。
FDE 參考價值
FDE 常需要把不可用的文件變成可搜尋、可分析、可串接的資料。
tesseract-ocr/tesseract
經典 OCR 引擎,適合理解文字辨識基礎。
FDE 可以學
學習 OCR 的限制、前處理與辨識品質議題。
microsoft/markitdown
將各類文件轉成 Markdown,方便進入 AI 流程。
FDE 可以學
學習文件轉換、內容標準化與資料清理。
docling-project/docling
文件解析、版面理解與結構化輸出的工具鏈。
FDE 可以學
學習表格、段落與複雜文件結構如何被抽取。
Category 04
把表單、通知、派工、審核、Webhook 與內部系統串起來。
FDE 參考價值
很多企業需求不是模型問題,而是流程、責任與系統邊界需要被串起來。
n8n-io/n8n
開源 workflow automation 平台。
FDE 可以學
學習如何把 API、表單、通知與資料流程串起來。
node-red/node-red
以流程節點建立事件、自動化與 IoT 流程。
FDE 可以學
學習用流程圖向非工程角色說明系統動作。
activepieces/activepieces
開源自動化平台,適合串接 SaaS 與內部流程。
FDE 可以學
學習快速建立跨工具自動化與操作後台。
Category 05
處理條件明確的審核、分流、權限、派工、例外提醒與決策表。
FDE 參考價值
很多企業初期不需要 ML 或 DL,先用規則引擎反而更穩、更便宜、更容易驗收。
open-policy-agent/opa
通用政策與規則判斷引擎。
FDE 可以學
學習如何把權限、合規與規則判斷抽離成可管理邏輯。
casbin/casbin
權限模型與存取控制框架。
FDE 可以學
學習角色、資源、動作與權限模型如何設計。
Unleash/unleash
Feature flag 與條件式功能開關平台。
FDE 可以學
學習如何用規則控制功能開放、灰度發布與例外處理。
Category 06
資料管線、資料品質、轉換、排程、報表與儀表板。
FDE 參考價值
FDE 需要能判斷資料從哪裡來、品質如何、如何轉成 AI 或營運可用資料。
apache/airflow
資料排程與工作流管理代表專案。
FDE 可以學
學習資料流程、排程、重試與任務依賴。
dbt-labs/dbt-core
資料轉換與分析工程工具。
FDE 可以學
學習資料模型、轉換邏輯與可追蹤資料流程。
apache/superset
開源 BI 與資料視覺化平台。
FDE 可以學
學習 Dashboard、資料探索與營運指標呈現。
Category 07
快速建立表單、管理後台、資料維護頁、內部操作工具與 Dashboard。
FDE 參考價值
企業 AI 落地常需要後台與操作頁,否則成果很難交接與維運。
Category 08
設計系統、元件庫、表單體驗、Dashboard、可用性與一致性。
FDE 參考價值
FDE 做出的原型要讓現場人員願意用,介面品質會直接影響導入成功率。
storybookjs/storybook
前端元件開發、展示與文件化工具。
FDE 可以學
學習如何把 UI 元件做成可維護、可測試的系統。
ant-design/ant-design
企業級 UI 元件與設計系統。
FDE 可以學
學習表單、表格、後台與管理介面的設計模式。
shadcn-ui/ui
現代化 UI 元件範例與設計實作。
FDE 可以學
學習如何快速做出乾淨、可客製的產品介面。
Category 09
E2E 測試、API 測試、負載測試、回歸測試與驗收流程。
FDE 參考價值
FDE 交付的不只是 Demo,而是要能被驗收、維護與持續改版。
microsoft/playwright
Web E2E 測試與瀏覽器自動化代表工具。
FDE 可以學
學習如何把操作流程轉成可重跑的驗收測試。
cypress-io/cypress
前端測試與互動流程驗證工具。
FDE 可以學
學習如何驗證表單、互動與使用者流程。
grafana/k6
負載測試與效能壓測工具。
FDE 可以學
學習如何估算多人使用與高頻操作下的系統負載。
Category 10
弱點掃描、憑證管理、權限控管、資料外流風險與安全檢測。
FDE 參考價值
企業導入 AI 常卡在資料能不能用、誰能看、是否留紀錄、是否有外洩風險。
Category 11
回答品質、提示詞評估、模型監控、紀錄追蹤與安全邊界。
FDE 參考價值
AI 導入後要能追蹤品質與風險,不能只靠感覺判斷回答好不好。
langfuse/langfuse
LLM observability、trace、prompt 與評估平台。
FDE 可以學
學習如何追蹤一次 AI 回答背後的提示、檢索與成本。
arize-ai/phoenix
AI 可觀測性、評估、追蹤與問題排查平台。
FDE 可以學
學習如何追蹤模型回答、檢索品質、提示版本與改善實驗。
openai/evals
模型與任務評估框架。
FDE 可以學
學習評估資料、評估任務與判斷標準如何設計。
Category 12
容器、反向代理、服務部署、監控、擴充與維運。
FDE 參考價值
FDE 不一定是 DevOps,但要知道系統如何上線、如何備份、如何排查問題。
kubernetes/kubernetes
容器編排與雲原生部署核心專案。
FDE 可以學
學習服務、容器、部署與擴充的基本概念。
traefik/traefik
反向代理、路由與入口管理工具。
FDE 可以學
學習網站、API 與服務如何對外提供與路由。
coollabsio/coolify
自架 PaaS 與應用部署平台。
FDE 可以學
學習快速部署、環境變數、資料庫與服務維運。
Category 13
快速把需求做成可展示畫面、可互動流程與可討論原型。
FDE 參考價值
FDE 需要降低溝通成本,讓企業能看見流程、介面與成果長什麼樣子。
vercel/ai
建立 AI 介面、聊天與串流回應的 SDK。
FDE 可以學
學習如何快速做出 AI 產品互動介面。
continuedev/continue
開源 AI coding assistant。
FDE 可以學
學習如何把 AI coding 納入開發與原型流程。
supabase/supabase
快速建立資料庫、認證、API 與即時功能。
FDE 可以學
學習用後端即服務快速做出可用 MVP。
你可以先從 Radar 找參考架構,再用 Cheat Map 盤點需求,最後再一起討論適合企業現場的導入方式。