在 AIGC 技术飞速普及的当下，搭建专属 AI 应用、构建智能知识库，已经成为不少企业和开发者的刚需。但市面上的 AI 开发平台要么侧重独立能力、难以对接业务系统，要么技术栈门槛高、部署复杂。
PART 01 项目概述
作为一款基于大型语言模型（LLM）和检索增强生成（RAG）核心技术构建的工具，项目的核心定位是类 Dify 的 AIGC 应用开发平台 + 专业级知识库问答系统，其设计初衷是帮助开发者和企业快速构建、部署个性化 AI 应用，同时解决传统 AI 开发平台与业务系统脱节的行业痛点。
从功能覆盖维度来看，整体搭建了九大核心功能模块，分别为AI 应用开发平台、AI 知识库系统、AI 大模型管理、AI 流程编排、AI 对话支持图片、AI 对话助手（智能问答）、AI 建表（Online 表单）、AI 写文章（CMS）、AI 表单字段建议（表单设计器），既包含 AIGC 应用开发的通用能力，又打通了平台的核心业务模块，实现 AI 能力与低代码开发的无缝联动。
从产品特性来看，具备界面直观、操作便捷的特点，支持知识库全生命周期管理、可视化 AI 流程编排、多类型大模型灵活配置、主流向量库无缝对接及 AI 应用实时运行监控，能帮助用户快速将企业内部知识转化为智能 AI 知识库，实现精准智能问答，同时也能快速搭建各类 AI 应用接口与智能体，完成从原型到生产的一站式落地。
PART 02 项目优势：对比同类工具，这些亮点太戳痛点
AIGC 双引擎，业务集成更高效
将 AI 流程编排作为代码业务引擎，既能配置 AI 流程，也能搭建各类业务流，调用企业现有系统接口和逻辑更便捷，适配企业级开发需求。
文档处理能力拉满，格式与图片不丢失
支持直接导入整个 Markdown 文档库，且能完整保留 Markdown 格式和内嵌图片；处理 PDF 文档时，也能精准还原原始格式与图片，避免了同类工具常见的格式错乱问题，让知识库搭建更省心。
技术栈适配 JAVA 生态，降低企业迁移成本
采用 JAVA+Vue3 技术栈，完美适配国内大量企业的 JAVA 技术生态，开发者无需切换技术体系，即可快速上手。
对话回复格式美观，支持图片渲染
在智能问答场景下，能保持回复内容的原始格式，还可渲染图片，输出的内容更具可读性和可视化效果，提升用户交互体验。
PART 03 技术栈
技术栈兼顾了先进性和稳定性，不同技术模块分工明确，适配企业级开发标准：
- AI 底层
基于 langchain4j、boot-starter-chatgpt 构建，为整个平台提供核心 AI 能力支撑。
- 前端技术栈
基础环境要求：Node.js 20+、pnpm 9+
核心技术：Vue3.0+TypeScript+Vite6+Ant-Design-Vue4，
搭配 pinia、echarts、unocss、vxe-table、qiankun 等工具
特色能力：二次封装组件、动态菜单、按钮级别权限控制、微前端支持
- 后端技术栈
开发环境：建议 IDEA（需安装 lombok 插件）
基础语言与框架：Java（默认 JDK17，兼容 JDK21/24）、
Spring Boot 3.5.5、Spring Cloud Alibaba 2023.0.3.3
核心组件：MybatisPlus 3.5.12（持久层）、
JimuReport 2.1.3（报表）、Apache Shiro 2.0.4+Jwt 4.5.0（安全）、
Druid 1.2.24（连接池）、Redis（缓存）
大模型支持：兼容 ChatGPT、Deepseek、通义千问、腾讯混元、Ollama 本地模型等国内外主流大模型
PART 04 核心功能：覆盖 AI 应用开发全流程
功能模块全面且实用，从模型管理到应用部署，一站式满足 AI 开发需求：
- 多类型 AI 模型管理
支持对接本地私有大模型（Deepseek、Llama 3、Qwen 2 等）、国内公共大模型（通义千问、腾讯混元、智谱 AI 等）、国外公共大模型（OpenAI、Claude 等），同时支持向量模型配置，满足 RAG 场景需求。
- 智能知识库系统
支持手工录入文本、导入 PDF/Word/Excel/Markdown 等多格式文档，还能基于已有问答对进行训练；核心优势是导入 Markdown 文档库时可保留格式与图片，PDF 处理也能精准还原原始样式，让知识库内容更完整。
- AI 流程编排
提供强大的流程设计器引擎，支持开始、结束、AI 知识库节点、JAVA 增强、HTTP 请求、脚本节点等多类型节点；可实现 AI 流程即服务，通过编排快速搭建翻译接口、接口格式转换工具、自动化文件处理流程等，还能实时查看流程运行状态。
- AI 应用开发与集成
支持创建 “简单配置”（新手友好）和 “高级编排”（自定义工作流）两类 AI 应用，可搭建诗词达人、翻译助手、电影品鉴家等专属智能体；还能通过 Iframe 一键嵌入第三方系统，让外部平台快速拥有智能问答能力。
- 智能对话助手
深度集成多类大模型，结合知识库实现精准问答，且对话过程支持图片发送与展示，回复内容可保留原始格式，避免排版错乱。
此外，平台还提供 AI 建表、AI 写文章、AI 表单字段建议等特色能力，打通低代码平台的 CMS、Online 表单等模块。
PART 05 UI展示
首页
AI知识库
AI流程设计
AI模型配置
MCP配置
任务办理
申请
请假申请
我的计划
系统菜单
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
