一站式 AI 应用构建平台，让每个团队都能拥有自己的 AI 基础设施。
Spring AI · MCP 生态 · 多模型适配 · Agent 自进化 · 工作流编排 · 知识库 · 小模型训练
--- ## 为什么选择 easyai-plus？ 市面上的 AI 平台要么只做大模型对话，要么只做模型训练，很少有产品能**同时覆盖大模型智能体和小模型训练**两条主线。easyai-plus 正是为此而生—— - **大模型 + 小模型双引擎**：大模型负责理解、推理、决策；小模型负责垂直领域感知（人脸识别、目标检测、NER 等）。两者协同，补齐单一大模型在专业场景的短板。 - **开箱即用的 AI 中台**：不是 SDK，不是框架，而是一个**完整的、可独立运行的平台产品**。接入即用，多系统、多平台共享同一套 AI 能力。 - **全流程可视化管理**：从模型管理、知识库构建、MCP 工具编排、智能体配置到工作流调度，所有环节都有直观的管理界面。 --- ## 核心功能全景 ### 一、🤖 AI 智能体（Agent） easyai-plus 的智能体不是简单的"提示词 + 模型调用"，而是一套**具备自主决策、自我进化、多级协作能力的 Agent 架构**。 #### 1. 灵活的智能体配置 - **多模型自由切换**：支持 Ollama 本地模型、OpenAI 兼容接口、自训练模型等，按需为每个 Agent 绑定不同模型 - **提示词工程**：可视化编辑 System Prompt，精细控制 Agent 人设与行为边界 - **能力装配**：为 Agent 自由组合知识库、MCP 工具、Skills 技能包，像搭积木一样构建专属能力
#### 2. 主Agent + 子Agent 多级协作
支持**主从 Agent 架构**。主 Agent 作为"决策大脑"，根据任务自主判断应该分配给哪个子 Agent 执行：
- 主 Agent 分析用户意图 → 选择最合适的子 Agent → 下发子任务
- 子 Agent 独立执行（拥有自己的模型、工具、超时控制）→ 结果汇报主 Agent
- 支持**实时状态推送**，前端可以看到每个子 Agent 的执行进度
这意味着你可以构建一个"团队"：一个规划 Agent 负责拆解需求，一个编码 Agent 负责写代码，一个测试 Agent 负责验证——**真正的 AI 团队协作**。
#### 3. 🧬 Agent 自进化能力（Self-Evolution）
这是 easyai-plus 最核心的差异化能力。受 Voyager（Wang et al., 2023）论文中 Skill Library 机制启发，我们实现了 Agent 在任务执行过程中的**自主学习与能力升级**：
**Skills 技能库**
- Agent 在执行任务时，如果发现本地知识不足，会**自动连接 Skills 市场**，搜索并下载最佳实践、脚本方案
- 下载的技能以 Markdown 文件形式保存，并**自动同步到向量库**，下次遇到类似问题直接语义检索复用
- 支持多个技能集分类管理，每个技能集独立同步
**进化记忆（Evolution Memory）**
- Agent 在执行任务中积累的经验——成功的解决方案、失败的教训、发现的规律——会以**语义向量的形式持久化存储**
- 下次遇到类似问题，Agent 会**主动查询历史记忆**，避免重复踩坑
- 每个 Agent 拥有独立的记忆空间，互不干扰，重启后自动恢复
**MCP 工具自主发现与安装**
- Agent 遇到能力不足时，会**自动搜索 MCP 工具市场**，发现合适的工具后一键安装
- 安装完成后**热重载自身配置**，新工具立即生效，无需重启服务
- 整个过程完全自主，无需人工干预
**强制进化决策链**
- 当 Agent 在任务中遇到困难，系统会引导其按照严格顺序尝试：
1. 先查本地 Skills 技能库
2. 再到 Skills 市场搜索下载
3. 再搜索 MCP 工具市场
4. 最后才用基础编码能力兜底
- 这套机制确保 Agent **不会盲目重试**，而是系统性地寻找最优解
---
### 二、🛡️ 生产级稳定性优化
easyai-plus 不只是一个 Demo，而是面向**真实生产环境**设计的。以下是我们在稳定性和可靠性方面的核心优化：
#### 1. 智能安全熔断机制
大模型在 Tool Calling 场景下有一个行业痛点：**容易陷入无限循环**——反复调用同一个失败的工具，消耗大量 Token 却毫无产出。
easyai-plus 内置了三级保护：
- **连续失败熔断**：连续多次工具调用无实质输出时，自动终止循环，避免 Token 浪费
- **进化策略注入**：连续失败达到阈值后，系统不是简单终止，而是**智能注入引导指令**，提醒 Agent 换思路、查记忆、找工具
- **总轮次硬上限**：不管成功失败，达到总轮次上限一律终止，兜底防护
所有阈值均可通过配置文件灵活调整，适配不同业务场景。
#### 2. 任务自动续传
大模型输出存在 Token 上限，复杂任务经常在执行到一半时被截断。传统方案需要用户手动"继续"。
easyai-plus 实现了**全自动任务续传**：
- 主 Agent 输出结束后，系统自动判断任务是否真正完成
- 支持**模型完成度验证**——调用模型做二次确认，避免误判
- 未完成时自动构造续传指令，无缝发起下一轮，**前端完全无感知**
- 多轮续传的输出直接拼接推送，用户看到的是一次完整的流畅交互
#### 3. 两级上下文压缩
长对话场景下，上下文窗口会不断膨胀，导致 Token 消耗飙升甚至超出模型限制。easyai-plus 创新性地引入**两级压缩策略**：
- **L1 规则压缩（零成本）**：每轮工具调用后，自动截断旧轮次的工具输出，只保留最新结果完整。零 LLM 调用，实时生效
- **L2 模型摘要压缩**：当对话历史达到阈值时，自动调用模型将早期对话压缩为精炼摘要，释放上下文空间。支持指定轻量模型做压缩，降低成本
两级策略配合，既保证了对话质量，又大幅降低了长对话场景的 Token 开销。
#### 4. 跨对话任务记忆
传统 AI 对话"关了就忘"，下次打开又要从头开始。easyai-plus 支持**跨对话的任务进度记忆**：
- 每次对话结束后，自动提取任务进度摘要并持久化
- 下次新对话时，自动注入上次的进度摘要到 System Prompt
- Agent 能清楚知道"上次做到哪了"，直接从断点继续，**避免重复劳动**
#### 5. 跨平台命令智能适配
Agent 在执行系统命令时，最常见的问题就是**跨平台语法不兼容**——在 Windows 上用 Linux 命令，在 Mac 上用 PowerShell 语法。
easyai-plus 内置了**三平台命令规范引擎**：
- 自动检测当前操作系统（Windows / macOS / Linux）
- 为 Agent 动态注入**当前平台的完整命令规范**：正确语法 + 禁用命令清单
- 命令失败时，错误提示会明确告知当前运行环境，引导 Agent 使用正确语法
Windows 用 PowerShell、Mac 用 bash/zsh、Linux 用 bash——Agent 永远不会搞混。
---
### 三、🔧 CodingTool — 全能系统操作工具
为 Agent 提供**完整的操作系统交互能力**，一个工具覆盖所有场景：
| 能力 | 说明 |
|------|------|
| **bash** | 执行任意 Shell/PowerShell 命令（git、mvn、npm、curl、docker…） |
| **file_read** | 读取文件内容，支持行号范围 |
| **file_edit** | 精准文本替换或创建文件，支持增量编辑 |
| **search** | 目录级文件内容搜索（正则/关键词） |
| **list_dir** | 目录树结构查看 |
同时内置**安全防护**：
- 禁止杀死宿主 Java 进程（避免 Agent 误杀自己）
- 禁止修改应用端口配置
- 危险命令正则拦截（覆盖 Windows/Linux 双平台的各种变体写法）
- 后台进程启动强制规范（防止 Agent 启动阻塞式前台服务导致超时）
---
### 四、📚 知识库（RAG）
- **多格式文档支持**：PDF、Word、Excel、Markdown 等主流格式，基于 Docling 解析，准确率 85%~90%
- **向量化语义检索**：文档内容自动 Embedding 入库，Agent 对话时实时检索相关知识片段
- **可视化管理界面**：上传、解析、检索、删除，全流程可视化操作
---
### 五、🔌 MCP 工具生态
easyai-plus 深度集成 MCP（Model Context Protocol）标准，让 Agent 能力无限扩展：
- **可视化 MCP 管理**：添加、配置、启停 MCP 服务，支持 stdio 和 SSE 两种传输方式
- **MCP 市场搜索**：直接对接 MCP 官方 Registry，一键搜索全球开发者发布的工具
- **一键本地部署**：搜到的工具直接安装到本地，自动配置，无需手动折腾
- **Agent 自主发现安装**：Agent 在任务中遇到能力缺口时，可自动搜索并安装 MCP 工具
---
### 六、⚡ 工作流编排
- **基于 Agent 的工作流**：每个节点可以绑定不同的 Agent，Agent 之间支持参数传递
- **可视化编排**：拖拽式配置工作流节点和连接关系
- **定时调度**：支持 Cron 表达式定时触发工作流，实现自动化任务
- **执行日志**：完整记录每次工作流的执行详情，方便排查和回溯
- **对话中触发**：用户可以在对话中 @工作流，让 Agent 自动调用执行
---
### 七、🧠 小模型训练（NLP + 视觉）
大模型不是万能的，垂直领域的精准感知仍然需要专业的小模型。easyai-plus 提供完整的小模型训练流水线：
#### NLP 方向
- **分类管理**：定义业务场景，配置关键词提取规则和缺失信息回复策略
- **数据标注**：为对话内容标注关键实体，构建高质量训练数据集
- **Q&A 管理**：一问一答格式的对话数据管理，支持批量上传
- **训练与测试**：一键启动训练，训练完成后立即在线测试效果
#### 视觉方向
- **图像训练**：图片上传 → 自动裁剪 → 内容标注 → 模型训练 → 在线测试，全流程闭环
- **视频分析**：支持视频实时分析，适用于安防监控、质检等场景
- **特征管理**：统一管理标注标签体系，支持跨数据集复用
---
### 八、🖥️ 更多平台特性
| 特性 | 说明 |
|------|------|
| **Electron 桌面端** | 支持打包为桌面应用，Windows/Mac/Linux 三端运行 |
| **多用户多角色** | 完整的用户、角色、菜单权限体系 |
| **操作审计** | 全链路操作日志记录 |
| **安全配置** | 密码复杂度、登录锁定、密码过期等企业级安全策略 |
| **国际化** | 支持多语言切换 |
---
## 技术参数一览
所有 Agent 行为参数均**可通过配置文件动态调整**，无需改代码重启：
| 配置项 | 说明 | 默认值 |
|--------|------|--------|
| 对话历史窗口 | 保留最近 N 条消息 | 50 |
| 最大输出 Token | 模型单次最大输出 | 16384 |
| 安全熔断阈值 | 连续失败 N 次终止 | 5 |
| 进化提醒阈值 | 连续失败 N 次触发进化引导 | 3 |
| 最大工具调用轮次 | 单次对话最大工具调用总轮次 | 15 |
| 任务续传轮次 | 自动续传最大次数 | 3 |
| L1 工具输出裁剪 | 旧轮次工具输出保留字符数 | 200 |
| L2 压缩触发比例 | 消息数占窗口的百分比 | 70% |
| 子 Agent 超时 | 子 Agent 单次执行超时时间 | 120s |
---
## 技术栈
| 层 | 技术 |
|----|------|
| 后端框架 | Spring Boot 3.x + Spring AI 1.1.3 |
| AI 协议 | MCP (Model Context Protocol) |
| 模型服务 | Ollama / OpenAI 兼容接口 |
| 文档解析 | Docling 2.74.0 |
| 向量检索 | 本地 Embedding (ONNX MiniLM) + SimpleVectorStore |
| 数据库 | MySQL 8.0+ |
| 前端 | Vue 3 + Element Plus |
| 桌面端 | Electron |
| 认证鉴权 | easy-security |
| 脚手架 | 盘古（Pangu） |
---
## 快速开始
### 环境要求
- JDK 21
- MySQL 8.0+
- Node.js 20.x+（建议使用 yarn）
- Ollama 最新版
### 三步启动
```bash
# 1. 创建数据库（项目启动后自动建表）
# 2. 修改 application.yml 中的数据库连接和文件存储路径
# 3. 启动后端 + 前端
# 默认账号：superAdmin / superAdmin@2025
```
遇到如下报错，可以先对项目进行 maven compile，然后启动
```text
Error creating bean with name 'embeddingModel' defined in class path resource [com/wt/admin/config/AIConfig.class]: Error code - ORT_INVALID_PROTOBUF - message: Failed to load model because protobuf parsing failed.
```
---
## 开源协议
本项目采用 **AGPL** 开源协议。使用必须遵守国家法律法规，不允许非法项目使用。
---
easyai-plus — 让 AI 能力触手可及