iMashup

基于大模型的智能化 Mashup 应用开发工具。

目录

1. 项目简介
2. 功能特性
3. 技术栈

• 前端
• 后端
• 推荐服务

4. 项目文件说明

• iMashup_front
• iMashup_backend
• iMashup_service
• iMashup_data

5. 项目启动顺序

项目简介

iMashup 是一个结合大语言模型、低代码开发与 Mashup 服务组合技术的智能化应用开发平台。

系统采用前后端分离架构，通过可视化流程编排方式帮助用户快速构建 API 工作流，并结合大模型实现：

• 用户需求语义理解
• 子任务自动拆解
• API 智能推荐
• 自动流程生成

从而降低 Mashup 应用开发门槛，提高开发效率。

功能特性

• 可视化工作流编排
• 节点拖拽与连接
• API 调用与执行
• 输入输出参数配置
• 流程执行与结果展示
• 大模型任务拆解
• API 智能推荐
• 工作流导入导出
• 登录注册与历史记录管理

技术栈

前端

• React
• TypeScript
• React Flow
• Ant Design
• Vite

后端

• Spring Boot
• Maven
• MyBatis Plus
• Redis
• MySQL

推荐服务

• Flask
• Sentence-Transformers
• FAISS
• RAG
• Large Language Model (LLM)

项目文件说明

本仓库包含 iMashup 工具的完整代码及数据库文件。

iMashup_front

前端代码目录

运行方式

推荐使用 VSCode 运行

安装依赖

npm install

启动项目

npm run dev

前端技术

• React
• TypeScript
• React Flow
• Ant Design
• Vite

iMashup_backend

后端代码目录

项目采用：

• Spring Boot
• Maven

代码环境

• JDK 17

启动方式

可通过 IntelliJ IDEA 启动 Spring Boot 项目。

后端功能

• 用户登录注册（注意：配置文件中 QQ 邮箱发送验证码的密码需要定期更换）
• 工作流管理
• API 调用
• 导入导出
• 会话管理
• 与 Python 推荐服务通信

iMashup_service ——

API 推荐与大模型相关代码目录。

目录说明

models/sentence-transformers/all-MiniLM-L6-v2

用于 API 推荐功能的语义向量模型。

主要用于：

• 用户需求向量化
• API 描述向量化
• 相似度计算
• 语义检索

ServiceDiscovery

API 推荐服务代码。

主要实现：

• 用户需求解析
• 子任务处理
• 向量检索
• API 推荐
• RAG 相关逻辑

相关技术

• Flask
• Sentence-Transformers
• FAISS

iMashup_data

项目所使用的 MySQL 数据库文件。

使用方式

可直接通过 MySQL Workbench 或 MySQL 命令行导入。

注意事项

导入数据库后，需要保证后端配置文件中的：

• 数据库名称
• 用户名
• 密码

与实际导入后的 MySQL 配置保持一致，以及 Mapper 层中SQL语句对应的库。

系统特点

可视化低代码开发

用户可通过拖拽节点快速构建 API 工作流。

大模型智能推荐

结合 LLM 与 RAG 技术，实现：

• 需求理解
• 子任务划分
• API 智能推荐

服务组合自动化

自动完成：

• API 匹配
• 节点生成
• 流程构建

工作流持久化

支持：

• 本地导入导出
• 数据库存储
• 历史记录恢复

环境要求

前端

• Node.js 18+ 推荐： 21.1.0
• npm

后端

• JDK 17
• Maven

数据库

• MySQL 8+

Python

推荐：

• Python 3.10+

项目启动顺序

建议按照以下顺序启动：

1. 启动 MySQL 数据库
2. 导入 tool_service_tool 数据库
3. 启动 iMashup_backend
4. 启动 iMashup_service 中的 ServiceDiscovery 下的 Similarity-Search.py
5. 启动 iMashup_front

Contact

Email: 1400304200@qq.com (马嘉浩), 2085417395@qq.com (鲁晓蓉)