程序聚合 软件案例 AI 大模型 RAG 知识库平台(支持离线部署)-个人私有AI数字空间(离线版“影子人”)

AI 大模型 RAG 知识库平台(支持离线部署)-个人私有AI数字空间(离线版“影子人”)

2026-04-20 19:39:31
行业:政务服务、企业内部管理
载体:网站
技术:Java、TypeScript、Spring Boot、Vue

业务和功能介绍

项目介绍
本项目定位为个人私有AI数字空间(离线版“影子人”),基于 LangChain4j + 大模型技术栈构建。不同于云端AI,本系统支持 全链路本地私有化部署,核心数据全程闭环不流出外网,极致保障个人隐私与数据安全。
系统具备强大的数据爬取与构建能力,可将用户历年的工作文档、个人资料、历史记录等全量采集并向量化入库;结合 RAG检索增强 与 AI Agent智能体 技术,打造一个“拥有你全部记忆、能和你对话的影子人”,实现基于个人历史数据的深度复盘与自主对话。
支持通过 可视化工作流(Workflow) 自定义节点逻辑,可按年份、类别、时间线智能重组个人数据资产,适配“影子人”陪伴、知识复盘、个人总结等多场景,实现 人机共生的智能体办公与生活助手。

核心功能
• 多格式文档解析:PDF/Word/Excel/图片/文本自动提取
• 向量数据库:文档切片、向量化、高效相似度检索
• RAG智能问答:基于知识库精准回答,拒绝幻觉
• AI Agent智能体:任务拆解、工具调用、多步骤业务处理
• 可视化工作流编排:拖拽式节点配置,零代码搭建AI流程,支持条件分支、循环、并行执行
• 自定义工作流节点:支持前端Vue3+TS扩展节点,后端Java逻辑对接,灵活适配业务场景
• 答案溯源:支持原文引用、来源段落定位
• 后台管理:文档上传、知识库维护、对话日志监控、工作流版本管理

项目实现

本项目基于企业级 AI 工作流架构设计,采用 Java + SpringBoot 构建高稳定后端服务,集成 LangChain4j 与 LangGraph4j 实现大模型应用编排与智能工作流引擎;前端使用 Vue3 + TypeScript 搭建,结合 VueFlow 实现可视化 DAG 工作流画布,搭配 NaiveUI 构建高效交互界面。
系统支持通义千问、文心一言、ChatGLM、DeepSeek 等主流大模型灵活切换,通过 Apache Tika 完成多格式文档解析、文本切片与 Embedding 向量化处理,适配 MySQL 向量、PostgreSQL (pgvector)、Milvus 等向量数据库实现高效语义检索与 RAG 增强。平台具备可视化节点编排、DAG 有向无环图执行、节点扩展与流程调试能力,支持 Linux、Docker 与私有化内网部署,可满足政企安全合规要求。
项目已落地于企业知识库、政务服务、金融法律、智能客服、数字人配套、业务自动化等多元场景,能够实现员工培训、政策解读、合同审核、智能问答、话术辅助与端到端业务流程自动化,为传统系统注入 AI 决策与自主执行能力,具备高可用、高扩展、高安全的商业化交付标准。

示例图片视频


Armys
30天前活跃
方向: 后端-Java、人工智能-AI应用开发、
交付率:100.00%
相似推荐
情绪检测
本工具基于 Python 开发,通过人脸识别与情感分析算法,精准识别用户面部情绪状态,实现高效的情绪检测能力。该工具应用场景广泛:在心理咨询领域,可辅助咨询师洞察来访者的真实情绪变化,提升沟通与干预效果;在校园安防方面,可实时监测学生情绪波动,及时发现异常状态并预警,守护校园安全。系统采用轻量化架构,运行高效、部署灵活,便于集成到现有业务平台中,为心理健康关怀与安全防护提供智能化、数据化的有力支撑。
基于神经网络的游戏动画系统
MotionWeaver 是一套面向 Unreal Engine 游戏开发的 AI 驱动角色动作生成系统,旨在解决传统游戏动画制作成本较高、动画资产复用困难、复杂动作衔接不自然,以及角色运动与动画表现难以协调等问题。 项目以神经网络动作生成技术为核心,结合游戏引擎的角色运动系统,实现从动画数据采集、模型训练到动作推理与引擎集成的完整技术流程。 主要功能包括: 动画数据采集与处理: 支持从 Unreal Engine 动画资产中提取骨骼姿态、位置、旋转及时间序列信息,完成骨骼映射、数据清洗、质量审核与训练数据集构建。 AI 动作模型训练: 提供基于深度学习的动作表示学习、姿态预测与生成模型训练功能,支持模型检查点管理、训练指标记录及实验评估。 条件动作生成: 利用角色根运动轨迹、历史动作状态及参考姿态等条件,生成连续骨骼动作,研究不同运动条件下的动画生成效果。 复杂动作约束: 针对跑酷、跨越障碍等复杂场景,支持参考姿态引导及关键帧约束,改善动作准确性与空间匹配效果。 UE 动画集成与验证: 提供模型推理与 Unreal Engine 动画系统的集成和实验验证能力,支持生成动作的预览、重建、测试及效果分析。 模型评测与对比: 通过骨骼位置误差、运动连续性、关键帧约束误差等指标,对不同模型及优化方案进行定量分析。 项目主要面向游戏角色动画生成、AI 动画技术研究和游戏开发工具链建设,为智能角色运动与游戏动画自动化提供技术基础。
基于 n8n 的社区团购订单自动归集与对账系统 - 飞书多维表格
立项背景和目标: 社区团购商家通常同时运营多个小区的团购业务,订单分散在各处, 每天需要人工汇总到表格、再逐个小区生成对账单。三个小区的情况下, 人工处理约需 1.5-2 小时/天,且极易出现漏单、金额对不上。 目标是让这套流程全自动跑:订单自动归集 → 自动生成分小区对账单 → 异常自动告警,把每天 2 小时的人工压到 0。 软件功能、核心功能模块: 1. 定时触发模块:每天固定时间自动启动,无需人工干预 2. 多源数据读取:对接飞书多维表格开放 API,分页拉取三个小区的订单表 3. 数据清洗与合并:统一字段口径,合并去重,处理缺失值 4. 分类汇总:按小区维度聚合,计算应收、已付、差额 5. 异常检测:金额不一致、状态异常、重复订单自动标记 6. 结果写回:汇总结果写回多维表格,供商家和团长直接查看 7. 失败告警:任一步骤失败自动重试 3 次,仍失败则推送群告警 业务流程、功能路径: 每天 20:00 定时触发 → 读取运行参数 → 换取 tenant_access_token → 逐小区分页读取订单 → 展开为明细行 → 批量写入汇总表 → 生成分小区对账单 → 判断是否启用对账推送 → 异常则发群告警
多端AI问答系统(SSE流式输出)
立项背景:随着大语言模型的普及,传统企业与用户对智能对话的需求激增。旨在构建一个前后端完全解耦的 AI 问答系统,支持多端接入,提供流畅的流式对话体验。 核心功能:支持 SSE 全链路流式对话(包含start/content/reasoning/done/error五类事件);多会话管理(新建、切换、重命名、置顶、逻辑删除);Markdown 渲染、思考过程折叠展示、多模型切换、Token 用量统计与 API 调用日志,以及四维 IP 限流。 业务流程:前端发起对话请求 → 后端校验限流 → 组装历史消息并调用大模型 API → SSE 逐字返回前端实时渲染 → 消息落库并记录 Token 与耗时。
基于RAG的多租户AI客服SaaS-wali-ai
立项背景和目标: 小微企业客服人力有限、游戏规则分散、夜间无人值守, 重复咨询淹没客服; 通用大模型不了解业务规则, 会张冠李戴甚至编造规则和价格. wali-ai的目标是让运营者用自己的知识库, 7x24自动回答玩家问题, 答不上来就兜底或转人工, 以及记录,绝不编造. 软件功能与核心模块: 多租户SaaS控制面(注册即获默认租户与工作空间、两级角色权限、按套餐的对话条数/知识库数量/容量/席位/Token额度五维配额); 知识库管理(文件导入, 切片可视化编辑与检索测试); 自研RAG引擎(向量+关键词混合检索、RRF融合、Rerank重排、置信度评估); Agent编排(意图判断、会话上下文、人设提示词、闲聊/固定兜底双模式); 多渠道接入(游戏内Lua桥接、QQ群NapCat、网页悬浮球SDK、开放API); 会话管理与人工接管; 未回答问题沉淀反哺知识库; 运营统计与全量审计. 业务流程: 注册登录->创建游戏服与机器人->建知识库导入文档->自动切分并向量化索引->配置渠道->玩家在游戏内/QQ群/网页提问->统一网关验签、幂等、路由->Agent意图判断->RAG混合检索->大模型生成带来源引用的回答->写回会话、用量与审计->低置信度时兜底或转人工, 管理员在管理端查看会话、反馈、用量与配额.
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服