助力开发者高效构建 AI 应用的得力助手。
easyai-plus 是一个大模型+小模型的AI中台，可以被多系统多平台接入，提供完备的AI能力。大模型+小模型可以弥补大模型垂直领域不足，如小模型人脸识别，识别成功结果告诉大模型，以便更好的交互效果。 > ⭕本项目采用 `AGPL` 开源协议（抄袭牟利索赔100万），使用必须遵守国家法律法规，⛔不允许非法项目使用，后果自负❗ 协同举报者，可获得赔偿的20% # 架构说明 1. 本项目基于盘古脚手架开发：https://gitee.com/aizuda/pangu 2. 认证鉴权基于 easy-security，是一个非常简单轻量级易学易用的框架：https://easy-security.aizuda.com/ 3. 集成Spring AI，想知道管理界面如何维护MCP得可以看看 脚手架在不断升级，有兴趣的也可以对脚手架升级的内容同步到本项目中，作为一个PR贡献者。 # 功能说明 * 自然语言-分类管理：添加业务场景分类，为分类制定关键词，以及缺失回复，如添加宠物服务分类，可以为宠物服务分类添加关键字，“这里关键字的作用是在标注的时候我要对哪些关键字进行提取”，如关键字可以添加“症状，种类，年龄”，而缺失回复，是为在对话中，如果没有这些关键信息，所做的对应回复，如客户说“我的狗精神状态不好”，这句话有两个关键词“狗，状态不好”，但是缺失年龄，所以会回复用户“你的宠物今年几岁了？”；当配置完成后且做了 `数据标注`，就可以训练数据，并做测试。 * 自然语言-标注管理：为业务场景分类添加多种对话内容，如宠物服务分类，我们可以多加一些对话内容进行标注，如“我的猫今天吃的很少”，然后对这句话里面的 `关键词（分类管理里面加的）`进行标注，如“猫”，“吃的少”，这里训练数据集一定要多否则效果不会理想 * 自然语言-Q_A管理：对话管理，可以选择一个业务场景分类，上传对话内容，@我，做为用户进行提问，@AI，对提问进行回答，一定是一问一答形式。 ```text @我: 给我订一张从济南出发到北京的机票 @AI: 几点出发呢 @我: 给我订一张十点钟到北京的机票 @AI: 从哪里出发 ``` * 智能对话：可以选择智能体创建对话，可以通过参数来调试智能体回复内容，可以`@工作流`，让agent调用工作流等 * 图像训练-特征管理：用于管理图片的标注信息，比如我上传了一张猫的图片，那么我可以选择业务场景分类“宠物服务”，然后在里面添加猫，狗，尾巴等信息，用于在标注的时候进行选择。 * 图像训练-图片管理：提前定义好图片的聚类名称以及大小，上传图片的时候会对图片进行提前裁剪，然后选择某个图片，就可以对其进行内容标注，并进行训练和测试。 * 图像训练-视频管理：视频管理和图片管理一样，但视频偏于实时分析。 * AI管理-模型管理：目前可以对Ollama上所下载的大模型进行添加，以及自己所在以上训练出的模型。 * AI管理-知识管理：可以上传文档，解析里面的文档内容，添加到ES中，提供后续AI智能体进行内容查询，文档解析使用 Docling，对比RAGFlow可以对文档的deepdoc，能在85%~90%。 * AI管理-MCP管理：可以添加常用的MCP工具，使AI智能体可以帮助我们进行一些行为上的任务处理，支持MCP搜索和一键在本地部署，更方便便捷。 * AI管理-AI智能体：选择模型，添加提示词，选择适合的知识库或MCP能力以及skills，创建一个独特的智能体提供服务（支持子agent，可以让大模型通过决策来选用子agent进行任务）。 * 工作流管理：可以基于agent创建工作流，支持工作流参数传递，支持定时工作流。 * 执行日志：可以查看工作流的执行详细日志等。 * 系统管理-用户管理：添加更多系统用户，支持选择角色，停用，初始化密码，删除 * 系统管理-角色管理：添加适合的角色，支持配置角色对应的菜单，停用，删除 * 系统管理-菜单管理：系统菜单维护，配置菜单权限 * 系统管理-操作日志：用户操作日志 * 系统管理-系统设置：安全设置和应用设置，安全设置配置密码复杂度，初始化密码，密码过期时间，登录错误次数，封禁时间等；系统设置目前支持操作日志的保留时长 * 支持打包成Electron，PC运行 # 运行配置 ### 环境 * JDK21 * MYSQL 8.0 及以上 * nodejs 20.x.x 及以上，建议使用 yarn 安装前端依赖 * vue3 * SpringBoot 3.x * Docling 2.74.0 * Ollama 最新版即可 * Spring AI 1.1.3 ### 配置 * 修改 application.yml ```yaml setting: files: # 所有问文件保存位置 save-path: D:\download\server\file\ source: /file/** # 网络读取位置 full-path: http://127.0.0.1:${server.port}/file/ model-path: base-path: ${setting.files.save-path}model\ lange-model: ${setting.model-path.base-path}%s_langeModel.json qa-model: ${setting.model-path.base-path}%s_qaModel.json yolo-model: ${setting.model-path.base-path}%s_yoloModel.json ``` ### 启动 * 先创建数据库 * 启动项目会自动建立表和数据 * 前后端启动成功后，账号：superAdmin，默认密码：superAdmin@2025 * docling 有基于python 和 docker两种方式部署，docker自己搜一下 ```shell # python , 用 powershell 执行 pip install easyocr -i https://pypi.tuna.tsinghua.edu.cn/simple # 所需依赖 pip install docling-serve # cpu安装 和gpu 二选一 pip install "docling-serve[gpu]" -i https://pypi.tuna.tsinghua.edu.cn/simple # gpu安装 $env:PYTHONIOENCODING="utf-8"; docling-serve run --host 127.0.0.1 --port 5001 #设置编码 启动（一体），启动后会下载 OCR 模型和 HuggingFace 模型文件，较慢 ``` # 功能展示 > 以下的测试结果不精准，因为样本并不好，只是用于测试，并不表示easyai能力
