AI superintelligent agent

基于Spring AI和LangChain4j构建的智能AI交互系统，支持多种大模型接入、知识库问答和工具调用能力。

项目简介

AI Agent是一个以AI开发为核心的智能体项目，旨在提供强大的AI交互能力，包括：

• 多轮对话与上下文记忆
• 知识库问答 (RAG)
• 工具调用与智能规划
• MCP服务集成
• 多模态应用支持

项目集成了主流AI大模型，如阿里云DashScope的通义千问、Ollama本地部署模型等，同时支持多种AI框架，使开发者能够快速构建智能应用。

技术栈

• 基础框架: Java 21 + Spring Boot 3.4.5
• AI框架: Spring AI + LangChain4j
• AI模型接入:

- 阿里云DashScope (通义千问) - Ollama (本地部署模型)

• 工具与库:

- Knife4j (API文档) - Hutool (工具类库) - Lombok (代码简化)

• 服务配置: 支持多环境配置 (local, dev, prod)

核心功能

1. 多种方式调用AI大模型

• Spring AI框架集成
• LangChain4j链式调用
• 原生SDK调用
• 自定义HTTP调用

2. 知识库问答 (RAG)

• 支持接入本地知识库
• 支持向量数据库检索
• 提供上下文增强查询

3. 智能工具调用

• 文件操作
• 联网搜索
• 网页抓取
• 资源下载
• PDF生成

4. MCP服务能力

• 自定义MCP服务开发
• 图片搜索服务
• 支持多种调用方式

5. 智能体规划能力

• 基于ReAct模式的自主规划
• 多步骤任务执行
• 任务状态追踪

网页展示

 

目录结构（后端）

ai-agent/
├─ src/
│  ├─ main/java/com/licanfu/aiagent/...   # 后端代码（controller/agent/service/config/...）
│  ├─ main/resources/
│  │  ├─ application.yml                  # 主配置
│  │  ├─ mcp-servers.json                 # MCP 客户端配置
│  │  ├─ prohibited-words.txt             # 敏感词/限制词
│  │  └─ document/                        # 知识库文档（RAG）
│  └─ test/java/...                       # 测试
├─ sql/ai.sql                             # 数据库初始化脚本（如需）
├─ ai-agent-frontend/                     # 前端工程（Vue 3）
└─ image-search-mcp-server/               # MCP Server 示例模块

前后端对接要点

• 前端默认把 API 指向 http://localhost:8102/api （见 ai-agent-frontend/src/services/api.js 的 API_BASE_URL）
• 后端需监听 8102 端口并提供 /api/** 路由
• 前端会识别后端返回的 PDF/HTML 链接并渲染“打开文档”按钮；本地开发时 ChatMessage.vue 会把 /api/files/... 拼成 http://localhost:8102/...，生产请保证域名/端口一致或修改该组件逻辑
• 生产环境经 Nginx 反代时，务必按前端 README 的 SSE 配置进行代理（proxy_http_version 1.1、proxy_buffering off、proxy_read_timeout 等）

环境准备

• JDK 21+
• Maven 3.8+
• 可选：本地数据库（MySQL 或 PostgreSQL，项目内存在双数据源支持）

模型与自动装配（DashScope 推荐）

项目已引入 Spring AI 的 DashScope 自动装配能力。要启用：

1) 在 application.yml（或 application-local.yml）开启 DashScope 并设置 API Key：

server:
  port: 8102

spring:
  ai:
    chat:
      client:
        enabled: true           # 开启 ChatClient 自动装配
    dashscope:
      chat:
        enabled: true           # 开启 DashScope Chat 模型
        options:
          model: qwen-turbo     # 模型名称，可按需调整（如 qwen-plus、qwen-max 等）
      api-key: ${DASHSCOPE_API_KEY:}  # 从环境变量或直接填写

说明：条件评估日志中出现 “ChatClientAutoConfiguration#chatClientBuilder matched / DashScopeAutoConfiguration#dashscopeChatModel matched - did not find any beans” 并不是报错，表示“若你未自定义同类 Bean，则自动装配会创建它们”。只要 enabled=true 且 API Key 正确，DashScopeChatModel 和 ChatClient.Builder 会被容器提供。

2) 可选：Ollama 本地模型（如需）

spring:
  ai:
    ollama:
      chat:
        enabled: false          # 如需本地模型，改为 true
        options:
          model: llama3.1:8b    # 按需替换为你已拉取的模型名
      base-url: http://localhost:11434

MCP 客户端与工具调用

• 已包含 mcp-servers.json（resources 根目录），用于声明可连接的 MCP 服务
• 启用同步 MCP 客户端：

spring:
  ai:
    mcp:
      client:
        enabled: true
        type: SYNC

• 自动装配会把 MCP 工具暴露为 ToolCallback[]，供智能体（如 Manus/LoveApp 等）选择调用

数据库（可选）

项目包含 MyBatis-Plus 与双数据源（MySQL、PostgreSQL）支持。如果你仅使用 MySQL：

spring:
  datasource:
    url: jdbc:mysql://localhost:3306/ai?useSSL=false&serverTimezone=UTC
    username: root
    password: 123456
    driver-class-name: com.mysql.cj.jdbc.Driver

• 如你的工程内自定义了双数据源（mysqlDataSource 与 postgresDataSource），请确保至少一个可用；不使用的可在对应 @Configuration 中关闭或在配置文件移除相关属性
• 初始化数据（可选）：导入 sql/ai.sql

运行方式（Windows cmd）

• 本地启动（使用默认 profile）：

mvnw.cmd spring-boot:run

• 指定 profile（如 local）：

mvnw.cmd spring-boot:run -Dspring-boot.run.profiles=local

• 打包并运行：

mvnw.cmd clean package -DskipTests
java -jar target\ai-agent-*.jar --spring.profiles.active=local

启动后访问：

• Swagger/Knife4j 文档（按项目实际路由，一般为）：http://localhost:8102/api/swagger-ui.html

模型切换/自定义 ChatClient

• 使用自动装配：推荐按上文启用 spring.ai.dashscope.* 或 spring.ai.ollama.* 属性，即可获得 ChatModel 与 ChatClient.Builder
• 自定义：若你需要完全自定义 ChatClient 或替换底层模型，可在配置类中声明 @Bean ChatClient.Builder 或 @Bean ChatModel。当容器已有同类型 Bean 时，自动装配会让位（@ConditionalOnMissingBean）

和前端联调的小贴士

• 确保所有对话接口都在 /api/** 路径下，便于前端统一代理
• SSE 接口要设置响应头 Content-Type: text/event-stream、禁用缓存，超时调大；若经 Nginx 反代，参考前端 nginx.conf 中的 SSE 片段
• 前端在 ChatMessage.vue 中对 localhost:8102 有显式处理，若生产域名不同，建议同步调整拼接逻辑（或改为读取环境变量）

常见问题排查（Troubleshooting）

1) 条件评估报告出现：ChatClientAutoConfiguration#chatClientBuilder matched: - @ConditionalOnMissingBean ... did not find any beans

• 含义：不是错误，表示“若未自定义该 Bean，则自动装配会创建它”。只要相关 enabled=true，就会生成

2) DashScope 自动装配全部 matched，但实际没有拿到 DashScopeChatModel

• 检查：是否 spring.ai.dashscope.chat.enabled=true，spring.ai.dashscope.api-key 是否正确；若你自定义了同名 Bean，请确保未被 @Primary/同名覆盖

3) 启动失败：BeanCreationException: Error creating bean with name 'loveApp': Injection of resource dependencies failed

• 多为依赖注入失败：

- LoveApp（或 Manus 等）构造器需要 ChatModel dashscopeChatModel 与 ToolCallback[]；若 dashscopeChatModel 因未开启 DashScope 或无 API Key 未被创建，会注入失败 - 确认 MCP 客户端已启用（见上文 spring.ai.mcp.client.*），以便生成工具 ToolCallback[] - 如果你自定义了 @Resource 名称，请确保 Bean 名一致，或改用 @Autowired+@Qualifier

4) SSE 推流中断/无响应

• 经 Nginx 反代务必：proxy_http_version 1.1、proxy_buffering off、proxy_read_timeout 600s、chunked_transfer_encoding off
• 后端接口返回应为 text/event-stream，并定期发送 \n\n 保持连接

5) 数据库相关错误（多数据源）

• 条件日志中可见同时存在 postgresDataSource 与 mysqlDataSource。若你仅使用其中一个，请确保未启用另一个的配置，避免“无可用连接/连接失败”导致启动报错

开发与测试

• 单元测试：

mvnw.cmd -q -Dtest=*Test test

• 建议为智能体的关键链路（解析 → 计划 → 工具调用 → 汇总）编写最小可运行的单测或集成测试

许可与贡献

• 许可证：MIT（如仓库未包含 LICENSE，请按需补充）
• 欢迎提交 Issue / PR：

1) Fork 本仓库 2) 新建分支：git checkout -b feature/xxx 3) 提交并推送：git commit -m "feat: ..." → git push origin feature/xxx 4) 发起 PR 并描述变更

若你准备上线生产环境，请重点校验：

• DashScope/Ollama 模型额度与稳定性
• Nginx 的 SSE 与缓存配置
• 数据源连接与连接池大小
• 敏感词/合规策略（prohibited-words.txt）
• 文件访问（/api/files/**）安全与鉴权