业务和功能介绍
Nexus-Mid 旨在构建一个企业级知识与AI中间件平台。其核心目标是打破信息孤岛，通过统一管理企业核心知识资产，并利用生成式AI技术（RAG、摘要、分类）释放数据价值，为上层业务应用提供智能化的数据服务。同时，通过严格的RBAC权限控制，确保企业数据的安全性和隔离性。
软件功能与核心功能模块
1. 知识库管理
核心的数据存储与管理中心。
文档管理：支持多种格式文档的上传、解析与存储。
层级结构：采用无限层级的文件夹树形结构组织内容。
元数据与版本控制：完整记录文档元数据，并维护版本历史，支持版本回滚与对比。
在线预览：集成文件预览器，支持直接在浏览器中查看文档内容。
2. AI 智能处理
深度集成的AI服务，提升内容可用性。
智能分类：利用LLM自动将文档归类到特定业务领域。
智能摘要：自动生成长文档的精简摘要，帮助用户快速获取关键信息。
语义标签：自动提取文档关键词和标签，增强检索精准度。
搜索增强：利用“查询扩展”技术，生成用户搜索词的同义词，提升召回率。
3. 身份与访问管理
强大的多租户权限体系。
多租户架构：基于 Tenant 模型实现严格的数据隔离。
层级角色：支持角色继承（父子角色）及权限传递。
细粒度权限：
功能权限：控制对界面模块和API操作的访问。
数据权限：控制对特定知识库或文档的访问（行级安全）。
4. 交互式对话
对话式UI：用户通过自然语言与知识库进行交互。
RAG（检索增强生成）：根据用户问题检索相关文档片段（Embedding），结合LLM生成精准回答并标注引用来源。
业务流程与功能路径
数据入库流程：用户上传文件 -> 后端存入 MinIO -> DocumentParser
下载并提取文本 -> 文本分块（Chunking） -> 生成向量（Embedding） -> 存入向量数据库及关系型数据库。
AI Sidecar：并行触发 AI 分类与摘要任务，更新文档元数据。
权限校验流程：请求进入 TRPC Router -> 中间件校验 Session -> 验证 UserRole 及资源特定权限 -> 授权或拒绝。
搜索与检索流程：
用户输入“如何申请休假？” -> AI 扩展查询词 -> 混合搜索（关键词 + 向量）召回相关切片 -> LLM 生成带引用的回答。
软件功能与核心功能模块
1. 知识库管理
核心的数据存储与管理中心。
文档管理：支持多种格式文档的上传、解析与存储。
层级结构：采用无限层级的文件夹树形结构组织内容。
元数据与版本控制：完整记录文档元数据，并维护版本历史，支持版本回滚与对比。
在线预览：集成文件预览器，支持直接在浏览器中查看文档内容。
2. AI 智能处理
深度集成的AI服务，提升内容可用性。
智能分类：利用LLM自动将文档归类到特定业务领域。
智能摘要：自动生成长文档的精简摘要，帮助用户快速获取关键信息。
语义标签：自动提取文档关键词和标签，增强检索精准度。
搜索增强：利用“查询扩展”技术，生成用户搜索词的同义词，提升召回率。
3. 身份与访问管理
强大的多租户权限体系。
多租户架构：基于 Tenant 模型实现严格的数据隔离。
层级角色：支持角色继承（父子角色）及权限传递。
细粒度权限：
功能权限：控制对界面模块和API操作的访问。
数据权限：控制对特定知识库或文档的访问（行级安全）。
4. 交互式对话
对话式UI：用户通过自然语言与知识库进行交互。
RAG（检索增强生成）：根据用户问题检索相关文档片段（Embedding），结合LLM生成精准回答并标注引用来源。
业务流程与功能路径
数据入库流程：用户上传文件 -> 后端存入 MinIO -> DocumentParser
下载并提取文本 -> 文本分块（Chunking） -> 生成向量（Embedding） -> 存入向量数据库及关系型数据库。
AI Sidecar：并行触发 AI 分类与摘要任务，更新文档元数据。
权限校验流程：请求进入 TRPC Router -> 中间件校验 Session -> 验证 UserRole 及资源特定权限 -> 授权或拒绝。
搜索与检索流程：
用户输入“如何申请休假？” -> AI 扩展查询词 -> 混合搜索（关键词 + 向量）召回相关切片 -> LLM 生成带引用的回答。
项目实现
1 整体架构与设计思路
本项目采用 现代化 Monorepo 单体架构，针对全栈类型安全和开发体验进行了优化。
前端：基于 Next.js 16 (App Router) 和 React 19 构建。利用 Server Components 提升首屏性能，Client Components 处理交互。状态管理采用 Zustand 和 React Query。
后端：作为 TRPC (TypeScript Remote Procedure Call) 服务嵌入在 Next.js API 路由中。实现了从数据库到前端UI的端到端类型安全（End-to-End Type Safety）。
数据库层：使用 Prisma ORM 进行数据访问，底层对接 PostgreSQL（核心数据）并支持向量操作。
存储层：采用 MinIO 对象存储，确保存储与应用解耦，并兼容 S3 协议，便于私有化部署。
2 技术栈概览
框架:Next.js 16 (React 19)
语言:TypeScript (Strict Mode)
样式:Tailwind CSS 4, Radix UI (组件原语), Lucide React (图标)
API 通信:TRPC (v11)
数据库:PostgreSQL, Prisma ORM
对象存储 MinIO
AI / LLM:OpenAI SDK, Google GenAI SDK, Langfuse (可观测性)
大模型调用：python
3 模块详细设计
Router 模块化：TRPC Router 被拆分为多个领域子路由（knowledgebase, role, user, dialog）以保证可扩展性。
例如：server/routers/knowledgebase/ 目录下包含 document.ts (文档操作), folder.ts (目录操作), processing.ts (处理逻辑) 等独立文件，避免单文件过大。
Service 层模式：复杂的业务逻辑（如文件解析、AI调用）封装在独立的 "Service" 类中（DocumentParserService, AIClassificationService），而不是直接写在 Router 里。
混合解析策略：采用了 "Sidecar" 模式进行解析缓存。文件解析后，生成的 _parsed.json 会与源文件一同存储在 MinIO 中，避免重复计算。
本项目采用 现代化 Monorepo 单体架构，针对全栈类型安全和开发体验进行了优化。
前端：基于 Next.js 16 (App Router) 和 React 19 构建。利用 Server Components 提升首屏性能，Client Components 处理交互。状态管理采用 Zustand 和 React Query。
后端：作为 TRPC (TypeScript Remote Procedure Call) 服务嵌入在 Next.js API 路由中。实现了从数据库到前端UI的端到端类型安全（End-to-End Type Safety）。
数据库层：使用 Prisma ORM 进行数据访问，底层对接 PostgreSQL（核心数据）并支持向量操作。
存储层：采用 MinIO 对象存储，确保存储与应用解耦，并兼容 S3 协议，便于私有化部署。
2 技术栈概览
框架:Next.js 16 (React 19)
语言:TypeScript (Strict Mode)
样式:Tailwind CSS 4, Radix UI (组件原语), Lucide React (图标)
API 通信:TRPC (v11)
数据库:PostgreSQL, Prisma ORM
对象存储 MinIO
AI / LLM:OpenAI SDK, Google GenAI SDK, Langfuse (可观测性)
大模型调用：python
3 模块详细设计
Router 模块化：TRPC Router 被拆分为多个领域子路由（knowledgebase, role, user, dialog）以保证可扩展性。
例如：server/routers/knowledgebase/ 目录下包含 document.ts (文档操作), folder.ts (目录操作), processing.ts (处理逻辑) 等独立文件，避免单文件过大。
Service 层模式：复杂的业务逻辑（如文件解析、AI调用）封装在独立的 "Service" 类中（DocumentParserService, AIClassificationService），而不是直接写在 Router 里。
混合解析策略：采用了 "Sidecar" 模式进行解析缓存。文件解析后，生成的 _parsed.json 会与源文件一同存储在 MinIO 中，避免重复计算。
示例图片视频
相似推荐
爬取boss平台数据简历分析-ai职选
一、立项背景和目标 — 讲了求职者面临的海投回复率低、信息分散、缺乏量化评估三个痛点，以及 AI 职选如何解决这些问题。
二、软件功能与核心功能模块 — 分五个模块说明：
- 数据采集模块（公司详情页/职位详情页/列表页三种采集方式）
- 数据管理模块（暗色主题后台、批量更新、CSV 导出）
- AI 对话模块（多模型、流式输出、语音输入、文件上传）
- AI 数据分析模块（行业分析、薪资分析、报告生成）
- 简历优化与概率评估模块（四步流程、三维度评分）
三、业务流程与功能路径 — 分四个流程描述：
- 采集业务流程（从打开网页到数据存储的完整路径）
- AI 分析业务流程（勾选→分析→出报告）
- AI 对话业务流程（配置模型→提问→流式回复）
- 简历优化业务流程（输入简历→选目标→AI优化→概率评分）
魔方报表系统 (Mocube Report System)
魔方报表管理系统是一套面向教育机构的全栈数据管理平台。系统涵盖报表设计（可视化字段拖拽配置）、数据收集（在线填报与附件上传）、多级审批流程（支持印章选择与审批意见）、统计分析（图表展示与 Excel 导出）、考试测评（自动计分与成绩管理）以及系统管理（用户、角色、组织、权限的精细化配置）六大核心模块。适用于学校、教育局等机构的数据上报、绩效考核、问卷调研等场景，实现从表单设计到数据审核的全流程线上化管理。
NW低代码平台
● 项目描述：
一款面向企业内部和客户的企业级低代码平台，旨在通过可视化拖拽和配置的方式，快速构建OA、CRM、ERP等各类中后台管理系统。平台核心包含表单设计器、流程引擎、仪表盘、权限管理等模块，极大降低了开发门槛，提升了业务需求的交付速度。
印刷报价系统
当前中小印刷企业及商户普遍依赖人工核算报价，存在报价效率低、误差大、标准不统一等问题，且新人上手难、客户流失率高，业务与客户数据缺乏数字化管理，难以支撑企业精细化经营。为解决行业报价痛点，特立项开发印刷报价系统。
项目旨在搭建标准化智能报价体系，支持参数配置、智能报价、单据及客户管理、数据统计与权限管控，可实现快速精准报价、数据统一留存。有效提升业务办理效率，规范经营流程，为企业成本管控和业务优化提供数字化支撑。
可配置化多类型Agent智能体管理后台
核心业务场景（业务价值）
1. 零代码快速定制多类型智能体场景
针对企业不同岗位、不同业务线的差异化AI需求，摆脱传统依赖算法开发、代码迭代的落地模式。业务人员可通过可视化配置方式，快速搭建专属智能体，覆盖知识库问答Agent、办公自动化Agent、数据处理Agent、合规审核Agent、客服接待Agent、流程调度Agent等多种类型。
2. 企业多智能体统一管控与资源复用场景
解决企业多AI智能体分散部署、独立运行、资源无法互通、能力无法复用的问题。平台汇聚所有业务智能体，实现统一注册、统一管理、统一调度、统一运维。已配置的模型能力、工具插件、知识资源、流程模板可一键复用、快速复刻，支持同类型业务场景批量复制部署，大幅提升企业AI应用的迭代效率与复用率。
3. 智能体业务流程自动化协同场景
支持单智能体独立作业与多智能体联动协同，可配置串联、并联、分支判断等业务逻辑，搭建完整的AI自动化工作流。可实现“知识检索-数据分析-内容生成-合规校验-报表输出-消息推送”的全链路自动化，替代传统人工串联多系统、多工具的重复工作，适配企业复杂、长链路的常态化办公与业务流程。
平台核心功能模块
1. 可视化可配置智能体搭建模块
平台核心核心能力，支持零代码/低代码可视化搭建各类AI Agent。提供可视化配置面板，支持基础信息自定义、角色人设配置、Prompt模板编辑、模型参数可调、知识库绑定、工具插件选配、应答规则设置、上下文阈值配置等功能。支持自由组合能力模块，可快速生成适配不同业务的专属智能体，无需研发介入，业务自主即可完成配置、调试、上线全流程操作。
2. 多类型智能体统一管理模块
支持全品类智能体统一接入与分类管理，涵盖RAG知识库问答Agent、工具调用自动化Agent、数据解析处理Agent、合规审核Agent、对话交互Agent、多智能体协同工作流等多种类型。提供智能体列表、状态管理、版本管理、上下线管控、分类标签、资源归属配置能力，支持单个智能体精细化编辑与批量管理，实现企业所有AI智能体的集约化管控。
3. 智能体插件与工具生态模块
内置丰富的通用业务工具插件库，包含文档处理、数据统计、文本生成、格式转换、内容审核、报表生成、消息推送等常用工具，支持一键挂载至对应智能体。同时支持自定义插件接入、第三方工具对接、私有业务接口适配，可根据企业个性化业务需求持续拓展工具生态，让智能体能力可无限迭代、按需拓展。
4. 多智能体协同工作流配置模块
支持可视化拖拽搭建多智能体协同工作流，可自定义任务拆解逻辑、执行顺序、条件分支、循环调度、结果回调规则。实现多个不同能力的智能体联动协作，完成单一智能体无法覆盖的复杂复合型业务任务，适配企业复杂办公流程、业务审核流程、数据处理流、项目复盘流程等场景，真正实现AI全流程自主作业。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服