# guituai-agent **Repository Path**: tomdev/guituai-agent ## Basic Information - **Project Name**: guituai-agent - **Description**: 基于大语言模型和 RAG 的企业级AI助手系统。开箱即用、模型中立、灵活编排,支持快速嵌入到第三方业务系统。 - **Primary Language**: Java - **License**: MIT - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 55 - **Created**: 2025-02-25 - **Last Updated**: 2025-02-25 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README
# 圭图AI: 一个基于 Java、Python的 LLM(大语言模型)应用开发架构。充分发挥Java在企业应用的优势和Python在LLM上的优势,两者结合,形成面向企业级的大模型低代码应用开发框架。 在当今快速发展的技术环境中,企业级应用开发正朝着更加高效、灵活和易于维护的方向发展。基于Java与Python的LLM(大语言模型)应用开发架构,旨在充分利用两种编程语言的独特优势,为企业提供一个既强大又灵活的低代码解决方案。 ### 架构概述 此架构采用Java作为构建企业级业务低代码平台的核心语言,得益于其稳定性、安全性和强大的生态系统支持。Java的这些特性使其成为处理复杂的企业逻辑、数据管理及服务端应用的理想选择。同时,利用Python在开发RAG(检索增强生成)引擎方面的灵活性和效率,尤其是对于自然语言处理任务,为用户提供更智能、直观的交互体验。通过将这两种技术巧妙结合,我们创建了一个面向未来的LLM应用开发框架,能够满足现代企业不断变化的需求。 ### 优点及优越性 1. **高效率与灵活性**:Java提供的稳定性和安全性确保了企业级应用的基础坚固,而Python则以其简洁的语法和丰富的机器学习库加速了开发周期,使得开发者可以更快地实现功能迭代,同时保持高质量标准。 2. **智能化用户交互**:通过集成Python驱动的RAG引擎,该架构能够显著提升应用程序的理解能力与响应质量,实现更为自然流畅的人机对话体验,极大地增强了用户体验。 3. **可扩展性强**:这种混合架构允许企业根据自身需求灵活调整资源分配和技术栈,无论是增加新的业务模块还是扩展AI功能,都能轻松应对。 4. **降低开发成本**:借助低代码平台的理念,减少了编写重复代码的工作量,提升了开发效率,降低了整体项目成本。此外,由于Java和Python都是开源且拥有庞大的社区支持,可以获得丰富的资源和插件,进一步减少开发时间。 5. **促进创新**:鼓励团队成员探索新技术的同时,也保障了现有系统的稳定运行。这种平衡促进了持续的技术创新,有助于企业在竞争中保持领先地位。 ## 项目地址 ### github地址 前端地址:[https://github.com/tu-160/guituai-agent-ui](https://github.com/tu-160/guituai-agent-ui) 后端地址:[https://github.com/tu-160/guituai-agent](https://github.com/tu-160/guituai-agent) 业务低代码:[https://github.com/tu-160/guituai-cloud](https://github.com/tu-160/guituai-cloud) ### gitee地址 前端地址:[https://gitee.com/dabanzong/guituai-agent-ui](https://gitee.com/dabanzong/guituai-agent-ui) 后端地址:[https://gitee.com/dabanzong/guituai-agent](https://gitee.com/dabanzong/guituai-agent) 业务低代码:[https://gitee.com/dabanzong/guituai-cloud](https://gitee.com/dabanzong/guituai-cloud) ## 技术栈 - 前端:[Vue.js](https://cn.vuejs.org/) - 后端:[Spring Cloud/ Python](https://github.com/spring-projects/) - 向量数据库:[elasticsearch](https://github.com/elastic/elasticsearch/) - 缓存数据库:[redis](https://github.com/redis/redis/) ### 集成(鸣谢) - [RAGFlow](https://github.com/infiniflow/ragflow): 是一款基于深度文档理解构建的开源 RAG 引擎。 - [Xinference](https://github.com/xorbitsai/inference): Xorbits Inference(Xinference)是一个性能强大且功能全面的分布式推理框架。可用于大语言模型(LLM),语音识别模型,多模态模型等各种模型的推理。通过 Xorbits Inference,你可以轻松地一键部署你自己的模型或内置的前沿开源模型。无论你是研究者,开发者,或是数据科学家,都可以通过 Xorbits Inference 与最前沿的 AI 模型,发掘更多可能。 ## 商业合作 针对上面技术,我们开发了一套商业级软件,支持代理 & 私有化部署! 我们的优势,支持定制化行业解决方案,支持用户自定义Agent,技术方案领先。