Home

博思AI智能体 3.0 — 项目 Wiki

多 AI 模型群聊系统，支持公开群聊、个人对话、观点辩论、情绪树洞、多模态生成（图片/视频/3D）和 AI 多人游戏。

本文档由项目 docs/ 文档中心导出为 GitHub Wiki 结构（2026-08-14）。 仓库内文档源位于 docs/，此 wiki/ 目录用于发布到 GitHub Wiki 仓库。

快速导航

分类	核心文档
架构设计	架构全盘说明（总纲）、ADR-架构决策记录
API 与数据库	api-design、数据库设计说明
运维部署	部署运维手册、故障排查指南
安全合规	安全配置说明
测试与质量	测试规范、压测与优化报告_20260811
交付材料	项目概述
变更与经验	CHANGELOG-3.0

推荐阅读顺序：项目概述 → 架构全盘说明 → 数据库设计说明 → 部署运维手册 → 安全配置说明 → 测试规范。

---

项目简介

技术栈

层级	技术
后端框架	Spring Boot 3, Spring Cloud (Nacos), Spring Data Redis, MyBatis, gRPC
AI 引擎	chat-llm 独立 LLM 服务（多 Provider：OpenAI 兼容 / DeepSeek / 豆包 / OpenAI SDK）+ 自研 LangGraph 风格图执行引擎；chat-core 保留 LangChain4j 个人对话 / 树洞服务
知识库	Milvus 向量数据库 + Embedding + RAG 检索增强
消息中间件	RabbitMQ (跨节点广播, 聊天分流)
数据库	MySQL + Redis + Elasticsearch + Kafka + Flink
可观测性	熔断器、错误聚合、调用链追踪、自愈服务
前端	React 18 + Vite + Router v6 + Axios + WebSocket
部署	Docker + Docker Compose (开发/生产/全部三套环境)

项目结构

chat-system-project/
├── chat-common/       # 公共库（实体、DTO、安全、工具、拦截器）
├── chat-core/         # 核心 AI 服务（业务编排、Agent工具、意图识别）      端口 9090(主)/9092(从)，生产双实例
├── chat-web/          # Web 接入层（Controller、WebSocket）              端口 8080(本地) / 8081(生产单实例)
├── chat-llm/          # 独立 LLM 服务（多 Provider、图执行引擎、RAG、知识图谱、gRPC） 端口 9095 / gRPC 9195
├── chat-games/        # 游戏服务（城堡围攻、乒乓、贪吃蛇）                 端口 8083
├── chat-media/        # 多模态服务（文生图、文生视频、图生3D）             端口 8084
├── flink-log-analyzer/# 日志分析（Kafka → Flink → ES 实时流式处理）
├── frontend/          # 前端 SPA（React + Vite）
├── scripts/           # 运维脚本（部署、重启、监控、迁移）
└── docs/              # 完整文档（部署运维手册 + Prometheus 生产配置 + Nginx + 排障等）

功能全景

• AI 伙伴群聊 — 多 AI 模型同时参与公开对话，支持流式输出
• 个人对话空间 — JWT 认证私密对话，历史持久化，知识问答自动触发 RAG
• 观点辩论场 — LangGraph4j 三 AI 并行辩论（豆包/千问/DeepSeek），每轮反思修正
• Multi-Agent 并行工作流 — 超长请求拆解 ≤9 子任务，RabbitMQ 分发双 core 10 并发 Worker 并行执行，Redis Lua 原子限流，DLX 死信重试 + Reconciler 对账兜底
• 情绪树洞 — 匿名倾诉 + AI 共情回复 + Memory 用户画像记忆
• 多模态生成 — 文生图 / 文生视频 / 图生 3D（GLB/OBJ/STL）
• Agent 工具调用 — Calculator、Weather、Time、KnowledgeSearch 四工具
• 知识库 RAG — Milvus 向量检索 + 文档解析 + 对话记忆融合（已迁移至 chat-llm）
• 知识图谱 — Neo4j 实体/关系存储 + LLM 三元组抽取（已迁移至 chat-llm）

---

快速开始

环境要求

• JDK 17+，Maven 3.8+，Node.js 18+
• MySQL 8.0, Redis 6+, RabbitMQ 3.9+
• Milvus 2.3+（可选，知识库功能需要）

本机开发

# 1. 启动基础设施
brew services start redis
brew services start rabbitmq

# 2. 打包
mvn clean install -DskipTests

# 3. 启动 chat-llm（LLM 独立服务，需先于 core 启动）
java -jar chat-llm/target/chat-llm-0.0.1-SNAPSHOT.jar \
  --spring.profiles.active=local --server.port=9095

# 4. 启动 chat-core（核心 AI 服务）
java -jar chat-core/target/chat-core-0.0.1-SNAPSHOT.jar \
  --spring.profiles.active=local --server.port=9090

# 5. 新终端启动 chat-web（Web 接入层）
java -jar chat-web/target/chat-web-0.0.1-SNAPSHOT.jar \
  --spring.profiles.active=local --server.port=8080 \
  --app.core.base-url=http://127.0.0.1:9090

# 6. 启动前端
cd frontend && npm install && npm run dev

访问：

• 前端：http://localhost:5173
• API：http://localhost:8080/api/v1/*
• Core 内部 API：http://localhost:9090/internal/*

Docker 部署

docker-compose up -d                        # 开发环境
docker-compose -f docker-compose.yml -f docker-compose.prod.yml up -d   # 生产

---

工程指标

维度	指标
测试	全量 715 用例全绿（含集成测试、Mapper 契约测试 32 例）
代码规范	Checkstyle 0 违规 · PMD 92 · SpotBugs 0 阻断
架构设计	双 core/双 web 高可用 + Multi-Agent 并行工作流（DLX 死信重试 + Reconciler 对账）
模型抽象	SPI 策略工厂 + 动态路由 + 工具平台化 + 存储 SPI 热插拔
可观测性	Prometheus 监控栈（12 条告警规则）+ 全链路追踪
文档	7 类文档中心 + ADR 22 条 + Swagger
CI/CD	GitHub Actions CI + Deploy + Security + OWASP
安全性	JWT 弱密钥校验 + 三层限流 + 内容安全过滤

详见 架构评估报告。