# bisheng
**Repository Path**: glfapollo/bisheng
## Basic Information
- **Project Name**: bisheng
- **Description**: 来自bisheng项目
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-11-11
- **Last Updated**: 2026-11-11
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
> 源自中国匠心,希望我们能像 [Deepseek]、[黑神话:悟空] 团队一样,给世界带来更多美好。
简体中文 |
English |
日本語 |
Español |
Português |
Русский
BISHENG是一款 开源的企业级一站式 Agent 平台,专注办公效率与企业 AI 应用落地,已有大量行业头部组织及世界 500 强企业在使用。
### 重要更新:BISHENG 客户端重磅发布
BISHENG 桌面端基于 DeepSeek Harness(DSH)开发,与 BISHENG 平台协同,为企业提供一整套开源、可私有化部署、自主可控的企业级 Agent 平台方案。
简单来说,你可以把它理解为 WorkBuddy/豆包工作的开源替代方案,让企业把 AI 能力真正掌握在自己手中。

[下载 BISHENG 客户端](https://dshdesktop.com/zh/enterprise/)
若需要对客户端进行改造(比如更换 LOGO),可基于[客户端开源代码](https://github.com/dataelement/bisheng-desktop)改造。
> BISHENG 团队于 DSH 发布当晚第一时间开源了 DSH 的桌面客户端([dshdesktop.com](https://dshdesktop.com/))。BISHENG 客户端基于 DSHDesktop 开发。截至目前,DSHDesktop 已获得 90 万+下载、17.4K GitHub ⭐️。个人用户可以使用 DSHDesktop。
>
> [DSHDesktop 官网](https://dshdesktop.com/zh/)
## 特点
1. **🖥️ BISHENG 客户端:连接本地工作与企业云端**
- **Chat 与 Work 两种工作方式**:Chat 支持知识问答与云端多步任务;Work 在获准的本地目录中整理材料,生成可编辑的 Word、Excel、PPT,并根据反馈持续修改。
- **企业资源按身份开放**:使用企业账号调用获准的模型、API/MCP 工具、技能与知识空间,也可从应用中心打开已发布的助手和工作流;知识检索继续检查空间与文件权限。
- **模型与积分集中管理**:管理员统一配置模型授权、月度积分和调用记录;Chat 与 Work 的企业模型调用共用当前用户的积分账本,用户可查看余额与用量。
- **企业扩展统一分发**:管理员集中导入插件和工作台,员工按企业配置与授权获取使用。
2. **🛠️ 应用工场:把 Vibe App 发布给团队**
- **把业务需求做成应用**:将报名表、项目台账、部门看板等需求做成专门的页面,让同事从应用中心打开使用。
- **从本地开发到团队使用**:提交本地或由 Coding Agent 辅助开发的应用,经预检、密钥扫描、构建和发布审批后,再设置使用范围,发布到应用中心。
- **复用平台能力**:应用可按需复用平台登录与访问者身份,接入模型和知识资源,减少重复建设;具体能力与配置要求以对应版本说明为准。

3. **🚀 任务模式:面向多步骤复杂工作的通用 Agent**
你给出目标,按需附上文件、知识库、工具和技能,它会拆解任务、逐步执行,最后交付报告、PPT、Excel 或 Word。
- 🧠 **任务规划 + 子 Agent 并行**:主 Agent 动态生成任务清单、跟踪进度,把独立调研交给子 Agent 并行完成。
- 🙋 **人机交互(Human in the loop)**:遇到只有你知道的关键信息,任务暂停等你回答。
- 🧰 **技能(Skill)即插即用**:内置 PPT、Excel、Word 三个技能包,开箱即用;也可以从本地或 GitHub 导入团队自己的技能。
- 📎 **结论可溯源**:报告带引用角标,点击后打开原文,并定位到被引用的段落。

4. **📚 知识空间:企业版团队知识库**
- 🗂️ **有序组织**:支持多级文件夹、标签、卡片与列表视图,支持关键词和标签联合检索。
- 👥 **团队共建**:可以按权限模板(所有者/管理者/编辑者/查看者)邀请成员,也可以发布到知识广场供他人加入。超级管理员可以为部门一键开通「部门知识空间」。
- 🔐 **权限细到单个文件**:空间、文件夹、文件三级共用一套权限模板,可以一次授权给个人、部门(含子部门)或用户组。文件夹和文件默认继承上级权限,也可以单独设置。
- 💬 **AI 问答**:可以针对单篇文档提问,也可以基于整个空间提问;回答标注引用来源,点开即可查看原文及溯源定位。

5. **📡 频道订阅:外部资讯每天自动送达,有价值的一键存成知识**
- 📰 **主题频道**:把公众号和网站聚合成主题频道,每天自动更新,可以再分子频道。
- 🎯 **精准过滤**:自定义规则过滤标题和正文,只留下相关资讯。

6. **🧩 独具特色的 [BISHENG workflow](https://dataelem.feishu.cn/wiki/R7HZwH5ZGiJUDrkHZXicA9pInif)**
- **独立、完备的应用编排框架**:不区分 chatflow 和 workflow,多轮对话和自动化处理可以混在同一个流程里。
- **Human in the loop**:流程执行到中途可以等人输入、确认或修改。
- **成环、并行、批量运行自由组合**:画圈即成环(大多数同类产品不支持成环),并列即并行,多选即批量,适合文档审核、固定版式报告生成等复杂场景。

7. **🏢 企业级特性:企业 AI 落地需要的管控能力**
- **客户端统一管理**:管理员集中配置客户端可用的模型、技能、API/MCP 工具与知识空间,按企业配置和资源权限开放给员工;通过企业插件市场分发插件和工作台,并统一管理月度积分、调用用量与审计记录。
- **部门和用户管理**:维护组织架构、用户和配额。
- **功能与资源权限分开管理**:RBAC 通过角色控制功能菜单与操作;ReBAC 控制知识空间、文件夹和单个文件的访问,可按个人、部门(含下级部门)或用户组授权。文件夹和文件默认继承上级权限,也可独立设置。
- **操作审批**:知识空间加入、频道订阅、菜单权限申请等操作可以走审批,审批流程和节点可自定义。
- **审计**:记录会话内容和系统操作日志,可按人、时间、模块追溯。
- **统计看板**(商业版):预置用户活跃度、应用使用、token 用量、知识库使用等数据看板。
- **API Key 权限边界**:管理员为服务账号签发密钥,配置有效期、接口权限,并授予可访问的应用、知识库等资源。接口权限决定能做什么,资源授权决定能对哪些资源操作;获得密钥不等于拥有整个平台权限。

- **信创适配**:同时支持 MySQL 和达梦 DM8。
- 以及 SSO/LDAP、高可用部署方案、安全审查、流量控制、监控统计、漏洞扫描修复。


8. **🔍 高精度文档解析**:5年海量数据沉淀,高精度文档解析模型支持免费私有化部署使用,包括高精度印刷体、手写体与生僻字识别模型、表格识别模型、版式分析模型、印章模型...

## 快速安装
安装BISHENG前请先确保满足以下条件:
- CPU >= 8 Core
- RAM >= 32 GB
- Docker 19.03.9+
- Docker Compose 1.25.1+
> 除了BISHENG前后端,我们默认还会安装第三方组件ES、Milvus、Onlyoffice
下载BISHENG代码
```bash
# 如果系统中有git命令,可以直接下载BISHENG代码
git clone https://github.com/dataelement/bisheng.git
# 进入安装目录
cd bisheng/docker
# 如果系统没有没有git命令,可以下载BISHENG代码zip包
wget https://github.com/dataelement/bisheng/archive/refs/heads/main.zip
# 解压并进入安装目录
unzip main.zip && cd bisheng-main/docker
```
启动BISHENG
```bash
# 进入bisheng/docker或bisheng-main/docker目录,执行
docker compose -f docker-compose.yml -p bisheng up -d
```
启动后,在浏览器中访问 http://IP:3001 ,出现登录页,进行用户注册。默认第一个注册的用户会成为系统admin。
其他安装部署问题参考:[私有化部署](https://dataelem.feishu.cn/wiki/BSCcwKd4Yiot3IkOEC8cxGW7nPc)
## 感谢
感谢我们的贡献者:
Bisheng 采用了以下依赖库:
- 感谢开源LLM应用开发库 [langchain](https://github.com/langchain-ai/langchain)。
- 感谢开源langchain可视化工具 [langflow](https://github.com/logspace-ai/langflow)。
- 感谢开源非结构化数据解析引擎 [unstructured](https://github.com/Unstructured-IO/unstructured)。
- 感谢开源LLM微调框架 [LLaMA-Factory](https://github.com/hiyouga/LLaMA-Factory) 。
## 社区与支持
欢迎加入我们的交流群
## 服务企业
BISHENG 已服务众多行业头部企业,以下为部分客户。




## 企业咨询
如需了解 BISHENG 企业部署、桌面客户端接入、产品演示或商务合作,欢迎联系我们。
[填写飞书表单,联系 BISHENG 团队](https://dataelem.feishu.cn/share/base/form/shrcnVow7GQwwKYEBCD41Bu5qoh)