# 大模型智能体

**Repository Path**: biehaocheng/Light-particle-software-robot

## Basic Information

- **Project Name**: 大模型智能体
- **Description**: 1、私有化部署大模型，并提供api、jdbc、kafka等方式和第3方系统对接。2：提供数据清洗ETL，用户画像以及记忆体等功能，自动生成和优化提示词。3：提供调度、action优化、影刀RPA对接等1000+常用的工具库，方便大模型调用。4：满足常用的AIGC业务，如意图识别、NLP，并生成聊天、多媒体文案、场景和计划等。
- **Primary Language**: Java
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: http://8.130.66.117:8080/ui
- **GVP Project**: No

## Statistics

- **Stars**: 29
- **Forks**: 11
- **Created**: 2023-11-26
- **Last Updated**: 2025-11-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 大模型智能体工具
1. 大模型智能体工具是一个用于大模型数据库、RAG、多代理大模型应用的产品。
2. 快速构建和部署 AI 驱动的应用程序。
3. 无需深入了解底层技术，即可利用最新的 AI 模型和 API。
4. 通过可视化界面简化开发流程，提高效率。

## 系统总架构
1. 第1层：CPU/GPU 提供商层
为AI智能体提供强大的计算能力，用于训练、推理和低延迟的执行。
包括硬件厂商英伟达GPU、谷歌TPU、华为昇腾系列，以及公有云厂商阿里云、腾讯云、华为云等。
平台使用deepseek云服务器

2. 第2层：基础设施/基础层
容器和编排工具这样的基础设施，确保 AI 智能体能够可扩展、可靠且分布式地部署。
包括 Docker、Kubernetes等。

3. 第3层：数据层
平台提供元数据管理,让AI智能体需要快速访问的各种数据系统，用于存储记忆、检索上下文以及在结构化和向量化数据中进行实时决策。
包含Neo4j、MongoDB等几十种数据库。

4. 第4层：ETL（提取、加载、转换）+调度层
平台提供从各种来源收集原始数据，并将其转换成 AI 智能体可以使用的格式。
平台提供可视化ETL和调度配置，参考01ETL和02dispatch

5. 第5层：基础模型层
平台包括大型和小型语言模型（LLMs 和 SLMs）混合，它们构成了 AI 智能体的认知核心，支持推理、对话和行动。
包括 DeepSeek、Qwen 等小模型。

6. 第6层：模型路由层
平台根据成本、延迟和输出质量，将任务分配给最适合的模型，从而提高效率。
包括 Martian、OpenRouter、Higress、Not Diamond 等。

7. 第7层：AI智能体协议层
平台提供定义AI智能体之间的交互和通信方式。像MCP这样的协议，有助于结构化的多 AI 智能体协作和上下文管理。
平台提供自动生成MCP服务器功能,参考03mcp

8. 第8层：数字孪生层
平台通过本体构建的“数字孪生”体系，业务语义层为AGI提供了企业运行的完整、精确的“世界模型”。它不仅定义了实体及其属性，更关键的是实体间的复杂关系、业务规则、原子动作和标准化工作流。这使得AGI能够超越基于统计模式的预测，真正理解业务的因果逻辑、约束条件和价值目标。AGI可以基于此知识库进行深度推理，自主规划任务、调用标准化的工具集（如API、微服务），并持续从执行结果中学习和优化。
参考04kpi定义业务指标语义,06ontology定义实体间的复杂关系、业务规则、工具等

9. 第9层：AI智能体编排层
平台提供可视化多智能体的编排,使AI智能体能够执行工作流、与其他AI智能体交互，并在工具和环境中进行协调。

10. 第10层：AI 智能体认证层
处理 AI 智能体在可信生态系统内的安全身份、访问控制和基于角色的权限。
包括 AWS AgentCore Identity、Azure Entry Agent ID 等。

11. 第11层：AI 智能体可观测层
平台通过遥测、日志、反馈循环和分析来跟踪 AI 智能体的行为，以便持续改进和调试 AI 智能体。
集成包括 LangSmith、Langfuse等。

12. 第12层：AI 智能体工具层
AI 智能体使用的 API、搜索和外部工具，用于获取实时数据、自动化决策或跨领域集成。

13. 第13层：认证层
通过安全的身份验证和用户访问控制层来保护 AI 智能体的操作。

14. 第14层：记忆层
存储之前的交互和上下文知识，帮助 AI 智能体随着时间的推移进行个性化和适应。
包括 Zep、Mem0、Letta、Cgnee 等。

15. 第15层：前端报表层
平台提供数字分析师界面和BI报表,让用户与AI 智能体无缝交互的 UI 组件，通过Web应用和聊天界面。


# 新手必读

1. 大模型智能体（软件机器人）演示地址：http://8.130.66.117:8080/ui
2. 登录用户名admin,密码admin
![img_26.png](img_26.png)
3. 配置单个agent或者多个agent
![img_29.png](img_29.png)
![img_28.png](img_28.png)
![img_30.png](img_30.png)

4. 配置python脚本,实现更复杂的逻辑
![img_31.png](img_31.png)

5. 自动生成MCP和REST的API接口
![img_32.png](img_32.png)
![img_33.png](img_33.png)
![img_34.png](img_34.png)

![img_35.png](img_35.png)
![img_36.png](img_36.png)
![img_37.png](img_37.png)
6. 自动生成数据仓库工作流和调度
![img_38.png](img_38.png)
![img_39.png](img_39.png)
![img_40.png](img_40.png)
![img_41.png](img_41.png)

8数据指标管理
![img_42.png](img_42.png)

9. 自动生成大模型数据治理
![img_43.png](img_43.png)



# 机器人启动环境和命令

1. 需要在Linux上运行，windows系统暂不支持。
2. 从【发行版】下载最新的版本，安装jdk18以上。
3. 安装nacos和git。
4. 设置整个目录有读写权限。
5. 修改./webappsROOT/BOOT-INF/classes/bootstrap.yaml 的nacos配置。
5. 修改./webapps/ROOT/index.js的机器人ip。
6. 启动./bin/start.sh。