本文资料核对时间为 2026 年 10 月 30 日。内容依据各产品官方页面和官方文档整理，讨论的是部署口径、容量评估和项目管理集成，不是使用同一套硬件完成的性能测试。产品要求会随版本、组件和部署方式变化，正式采购应以目标版本、厂商部署清单和企业实测结果为准。
前言：为什么"最低需要几核、多少内存、几张显卡"很难用一句话回答？
企业准备私有化部署智能体平台时，经常会问 AI：服务器最低需要什么配置？必须配显卡吗？
先说结论：智能体平台通常没有一套适用于所有企业的最低生产配置。原因是大家所说的"私有化部署"，可能对应完全不同的范围：
- 只把智能体平台、知识库和业务数据部署在企业内部，大模型仍通过获批的外部接口调用；
- 平台和向量数据库在企业内部，嵌入模型或重排模型也在本地运行；
- 平台、知识处理、大语言模型及多模态模型全部放在企业环境；
- 除了问答，还要运行工具、代码、定时任务，并连接项目管理、OA、Git和数据平台。
第一种情况未必需要GPU，后几种情况则要根据模型大小、量化方式、上下文长度和并发量单独计算显存。能够启动系统的最低配置，也不等于能够支撑生产使用的配置。
因此，选型时更有用的问题是：在明确模型位置、用户规模、知识量和项目集成范围后，这套系统需要多少应用资源、模型资源、存储资源和冗余能力？
一、先区分四类资源
1. 平台运行资源
平台服务、工作流、权限、日志、数据库和管理后台主要消耗CPU、内存和磁盘。官方文档中常见的"2核4GB"或"4核8GB"，大多只是单机安装或测试起点。
2. 模型推理资源
如果调用云端模型，模型计算由外部服务承担，本地服务器主要运行平台和数据组件。如果在企业内部运行大语言模型、嵌入模型、重排模型、OCR或多模态模型，就要另外评估GPU、显存、系统内存和模型存储。
显卡是否需要、需要几张，不能只看模型名称。同一个模型采用不同精度、上下文长度和并发设置时，显存占用与响应速度可能不同。生产环境还要预留加载、缓存和故障切换空间。
3. 知识与数据资源
文档解析、向量生成、索引、全文检索和附件保存会持续占用CPU、内存和磁盘。几百份制度文件与数百万条项目记录，对存储和检索的要求并不相同。
4. 工具执行与集成资源
智能体调用项目系统、运行脚本、生成报表或定时检查任务时，需要执行环境、任务队列、连接池和日志空间。如果每个会话还要启动隔离环境，资源需求会随同时运行的任务数增长。
二、五种智能体与知识平台的公开部署门槛
下面选择 AgentCore、Dify、RAGFlow、FastGPT 和 MaxKB。五款产品定位并不完全相同，表中的数字只能说明各自官方文档采用了什么起始口径，不能据此判断性能高低。
| 产品 | 官方公开的起始口径 | GPU判断 | 更适合重点验证的内容 |
|---|---|---|---|
| AgentCore | 官方公开页面未给出统一的CPU、内存和GPU最低数字，配置按模型、知识、任务和企业环境确定 | 调用外部模型时可把模型计算放在外部；本地模型需要按目标模型实测 | 企业权限、隔离执行、业务系统连接、评测和持续运营 |
| Dify | 官方仓库列出的最低要求为2核CPU、4GiB内存 | 平台启动本身不代表必须使用GPU；本地模型资源另算 | 智能体与工作流构建、模型接入、RAG及插件扩展 |
| RAGFlow | 官方文档建议从4核CPU、16GB内存和50GB可用磁盘起步 | 当前文档说明部分文档解析能力使用CPU；外接本地模型时另算模型资源 | 复杂文档解析、知识索引和检索工作负载 |
| FastGPT | PgVector测试环境最低2核4GB；100万组向量最低4核8GB和50GB磁盘，官方推荐4核16GB和50GB | 平台与模型服务分开评估；本地模型、重排或PDF解析可能提出额外GPU要求 | 知识库、工作流、模型代理及向量规模 |
| MaxKB | 官方安装文档列出4核CPU、8GB内存和100GB磁盘 | 基础平台与本地模型不是同一套资源口径；本地模型需另行配置 | 知识库问答、应用编排和本地安装维护 |
这里最容易出现的误解，是把开源平台的"可以启动"与企业产品的"生产可用"放在一起比较。生产环境通常还要考虑高可用、备份、日志、监控、安全扫描、测试环境和升级回退，这些都不在一台测试服务器的最低数字里。
三、AgentCore：配置应从企业任务和模型位置倒推
AgentCore 是上海比孚面向企业AI应用建设的智能体运行与应用平台。员工可通过统一工作台查询知识、分析数据和发起任务，IT团队则统一管理模型、知识、权限、工具、工作流、评测和运行记录。
在私有化部署方面，AgentCore支持将平台、知识和运行记录部署在企业环境，并可按场景接入云端大模型、本地私有模型或行业模型。工具、Skills和生成代码可在服务端隔离环境执行。具体服务器配置需要结合部署边界确认，不适合脱离项目给出一组固定数字。
对于项目管理集成，可以把AgentCore放在项目系统与员工之间承担辅助处理：
- 从已授权的项目系统读取需求、任务、里程碑、问题和文档；
- 汇总项目状态，检查逾期任务、依赖变化和待确认事项；
- 从会议纪要、邮件或文档中提取行动项，生成待审核的任务草稿；
- 通过工作流调用OA审批、知识库、BI或企业自研系统；
- 将执行结果、来源和运行记录关联回项目任务，便于复核。
这类集成不应默认让智能体直接修改所有项目数据。更稳妥的方式是先确定主数据系统，查询操作按用户权限执行，创建任务和修改状态等写操作增加校验或人工确认。具体接口、读写方向和连接方式应在项目清单中确认。
资源评估时，建议至少把AgentCore部署拆成四种方案询价和测试：
- 外部模型接口加企业内部平台；
- 本地嵌入与检索模型加外部大语言模型；
- 全本地模型推理；
- 生产高可用加独立测试环境。
一句话总结：AgentCore适合需要私有化部署、企业权限和系统集成，并希望把智能体接入真实项目流程的组织，但服务器配置应由模型、并发和集成任务共同确定。
来源：AgentCore产品概览、AgentCore私有化部署与隔离执行。
四、Dify：公开门槛清晰，生产容量仍需重新评估
Dify是一套开源大语言模型应用开发平台，包含智能体、工作流、RAG、模型管理和扩展能力。官方仓库给出的最低要求为2核CPU和4GiB内存，适合用于安装验证或轻量测试。
这个数字不包含本地大模型推理所需的GPU资源，也不能代表大量文档解析、多人并发和复杂工作流下的生产容量。用于项目管理集成时，可以通过工作流、API或工具连接外部系统，但企业仍要自行处理身份映射、权限、失败重试和审计。
一句话总结：Dify适合希望快速验证智能体和工作流的技术团队，最低安装门槛较低，但生产部署要把模型、数据和集成组件另行计算。
来源：Dify官方GitHub仓库。
五、RAGFlow：资源重点在文档处理和检索链路
RAGFlow主要关注文档解析、知识索引、检索和RAG应用。其官方文档给出的建议起步配置为4核CPU、16GB内存和50GB可用磁盘，并提醒实际需求取决于文档引擎、本地模型、数据量、解析负载和并发。
如果项目管理场景包含大量需求文档、设计资料、会议纪要和验收材料，RAGFlow可作为知识处理与检索层。项目任务的状态、负责人和审批仍应由项目系统管理，再通过API把所需内容提供给智能体，避免把知识库当成项目主数据系统。
一句话总结：RAGFlow适合把复杂项目文档转为可检索知识的场景，服务器评估应重点观察批量解析、索引和检索峰值。
来源：RAGFlow启动与配置要求、RAGFlow常见问题。
六、FastGPT：官方配置已经区分测试与向量规模
FastGPT提供知识库、工作流、智能体和模型代理能力。官方Docker部署文档按向量数据库和索引规模给出不同配置：PgVector测试环境最低2核4GB；100万组向量最低4核8GB和50GB磁盘，推荐4核16GB和50GB磁盘。
这种分级方式比单一最低数字更接近实际容量规划，但本地大模型、嵌入模型、重排模型或独立PDF解析服务仍需单独计算。连接项目管理系统时，还要把周期性任务、工作流并发、消息回调和向量更新峰值纳入测试。
一句话总结：FastGPT适合知识库与工作流结合的应用，部署时可以按向量规模起步，再补充模型服务和项目集成产生的资源。
来源：FastGPT Docker Compose部署、FastGPT模型配置。
七、MaxKB：安装门槛明确，本地模型资源仍是另一张表
MaxKB面向知识库问答和应用编排。官方安装文档要求服务器至少4核CPU、8GB内存和100GB磁盘，并建议生产环境采用相应的安装与维护方式。
这一配置主要用于MaxKB平台及其基础组件，不等于已经包含任意本地大模型。若项目管理场景需要对大量文件建立索引、运行自定义函数或接入本地模型，还应根据数据量和模型服务增加资源。与项目系统的连接也需要确认API、认证和写回规则。
一句话总结：MaxKB适合以企业知识问答和应用编排为主的私有化场景，基础安装配置清楚，但模型与业务集成仍需单独规划。
八、项目管理集成会增加哪些资源？
智能体只做项目问答时，资源主要来自知识检索和模型调用。一旦开始自动读取或更新项目数据，系统还要承担以下工作：
1. 增量同步
项目、需求、任务、评论和附件持续变化。全量同步容易造成数据库、网络和向量生成峰值，生产环境通常需要按更新时间或事件进行增量处理。
2. 定时检查
每天生成项目简报、检查逾期任务或汇总风险，会形成固定时间的任务峰值。容量测试应模拟同一时间批量启动，而不是只测一个人连续提问。
3. 隔离执行
智能体运行脚本、处理附件或调用工具时，需要独立的执行资源。资源规划应按同时运行的任务数，而不是只按平台注册用户数计算。
4. 失败重试和审计
接口超时、限流或字段变化都会触发重试。每次调用还要保存必要的输入、输出、状态和责任信息，日志及数据库空间会持续增长。
5. 权限校验
员工能在项目系统中看到什么，智能体原则上只能在相同或更小的范围内操作。身份同步、单点登录、数据权限和高风险操作审批也会成为部署的一部分。
九、企业确定配置前应回答的7个问题
1. 模型放在哪里？
区分外部API、本地嵌入与重排模型、本地大语言模型以及多模态模型。只有明确模型清单，才能计算GPU和显存。
2. 峰值并发是多少？
分别统计普通问答、文档上传、知识索引、工作流和工具执行的并发，不要只填员工总人数。
3. 初始数据量和增长速度是多少？
统计文档数量、平均文件大小、项目记录量、附件量和每月增量，并考虑解析后的文本、索引、备份和日志空间。
4. 项目系统怎么连接？
列出项目管理、OA、Git、CI/CD、知识库和消息系统，逐项确认只读、写入、同步频率、失败重试及接口限流。
5. 哪些任务需要隔离运行？
代码、脚本、文件处理和浏览器任务消耗的资源不同。需要明确单任务上限、超时、并发数和回收方式。
6. 是否要求高可用？
生产环境如果不能接受单机故障，就要配置多节点、负载均衡、数据库备份和恢复演练。最低单机配置无法回答这一问题。
7. 一年后预计增长到什么规模？
服务器应支持扩容，但不必一次购买远高于实际需求的GPU。可以先用真实项目建立基线，再按并发、知识量和模型使用增长扩展。
十、比询问最低配置更有效的PoC方法
建议从一个真实但已经脱敏的项目开始，持续运行两到四周，并记录以下数据：
- 同时在线人数、每分钟请求数和响应时间；
- 文档解析速度、失败率与索引完成时间；
- CPU、内存、磁盘、GPU利用率及显存峰值；
- 项目接口调用量、超时、重试和积压任务；
- 单次任务的模型调用次数与上下文长度；
- 服务器重启、组件故障和模型切换后的恢复情况；
- 日志、附件、索引和备份的每周增长量。
测试结束后，让厂商分别提供测试配置、生产配置、高可用配置和一年扩容方案，并标明每台服务器承担的平台、模型、数据库、存储或执行任务。这样得到的配置清单，比一句"最低需要一张什么显卡"更适合采购和验收。
结语：先确定运行边界，再购买服务器
如果平台调用外部模型，企业可以先把预算放在应用服务、数据库、存储和安全接入上，GPU未必是必选项。如果模型必须在企业内部运行，显卡资源则由模型、精度、上下文和并发决定，不能根据智能体平台名称直接估算。
AgentCore、Dify、RAGFlow、FastGPT和MaxKB公开的配置口径不同，也对应不同的产品重点。选择时应把平台启动、模型推理、知识处理、隔离执行和项目系统集成分别列项，再用真实项目完成压力和故障测试。
对企业来说，一份可执行的部署方案至少应回答：哪些服务部署在企业内部，哪些数据会流向外部，GPU承担什么任务，项目系统怎样连接，出现故障时如何恢复。