MindMark

🚀🚀🚀MindMark（心印）是一款基于 SpringAI 和 AIGC 的问答系统， 采用 RAG 架构，可以和基于 Spring 体系的业务系统进行无缝集成。

🚀🚀🚀请不要吝惜你的⭐️ Star ⭐️，星星越多，动力越足。🚀🚀🚀

线上演示地址：https://mindmark.qhdsx.com/

前端代码地址：https://gitee.com/mumu-osc/mind-mark-react.git

1.注意

SpringAI 项目整体上处于预览阶段，并没有正式发布版本，请勿把本项目的代码用于实际业务系统。

2.主要依赖

3.准备工作

3.1 创建大模型账号

MindMark 已经测试了 Gitee 和 Zhipu 的大模型。

把获得的 api-key 配置到 mindmark-llm-connector/src/main/resources/application.yml 中，SpringAI 支持同时配置多个模型。 智谱大模型 Embedding 时需要消耗部分账户余额（消耗较少），请按少量充值到余额，请注意是余额。否则会报欠费

3.2 ElasticSearch 安装配置

拉取 Docker 镜像：

docker pull docker.elastic.co/elasticsearch/elasticsearch:8.17.0

启动容器：

  docker run -d --name elasticsearch \
  -e "discovery.type=single-node" \
  -e "xpack.security.enabled=false" \
  -e "xpack.security.transport.ssl.enabled=false" \
  -e "xpack.security.http.ssl.enabled=false" \
  -e "ES_JAVA_OPTS=-Xms4g -Xmx4g" \
  -p 9200:9200 \
  -p 9300:9300 \
  docker.elastic.co/elasticsearch/elasticsearch:8.17.0

请注意：以上启动方式禁用了 SSL ，这是为了本地开发方便，对于生产系统，请启用 SSL 。

观察启动日志

docker logs -f elasticsearch

打开浏览器，测试 ElasticSearch 是否正常运行：

http://192.168.0.105:9200/

安装 Kibana 图形界面并连接 ElasticSearch

docker run -d --name kibana -p 5601:5601 --link elasticsearch:elasticsearch docker.elastic.co/kibana/kibana:8.17.0

观察启动日志

docker logs -f kibana

打开浏览器，测试 Kibana 是否正常运行： http://192.168.0.105:5601/

其它安装配置方式请参考 ElasticSearch 官方文档： https://hub.docker.com/_/elasticsearch/

3.3 MariaDB 安装配置

省略 MariaDB 安装配置过程， MySQL 也可以。

在你的 MariaDB 中创建一个数据库，名称为 mind-mark ，创建时请选择 utf8mb4 作为字符集，避免产生非英文字符的乱码。创建完整之后，然后把此项目下的 /docs/mind_mark.sql 建表脚本导入进去，这些是 MindMark 自己使用的表。

PDM 模型如下：

pdm 模型文件在 /docs/mind_mark.pdm 中，可以使用 PowerDesigner 查看和编辑。

3.4 Ollama 的安装配置

根据官网上的提示下载安装对应操作系统的 ollama ，并运行对应模型，以本项目已经测试 deepseek-r1, 千问(Qwen) qwq 32b 和 llama3.2，您也可以根据自己需求自由替换成其他底层模型，请注意服务器配置高低，选择大小合适的模型。

ollama run deepseek-r1:latest
或
ollama run llama3.2:latest
或
ollama run qwq

3.5 Ollama 的安装配置(docker 版本部署)

为了满足各位Docker爱好者的需要，我们特别为大家提供了详细的Docker部署教程哦～💡 现在就来试试吧，一起探索容器的无限可能！🚀 根据官网上的提示下载安装对应操作系统的 ollama ，并运行对应模型，以本项目已经测试 deepseek-r1, 千问(Qwen) qwq 32b 和 llama3.2，您也可以根据自己需求自由替换成其他底层模型，请注意服务器配置高低，选择大小合适的模型。

version: "3"
services:
  ollama:
    container_name: ollama
    image: ollama/ollama:latest
    restart: always
    ports:
      - "11434:11434"
    volumes:
      - /usr/share/data:/root/.ollama
    environment:
      OLLAMA_ORIGINS: "*"
      OLLAMA_HOST: "0.0.0.0"   # 这里配置你自己本地的IP或内网回环IP防止别人盗刷你的token  
      OLLAMA_API_ENABLED: "true"

# 运行命令 docker-compose 启动容器
docker-compose up -d

# 进入容器中
docker exec -it ollama /bin/bash
# 成功进入容器后 拉取模型
ollama run deepseek-r1:latest
或
ollama run llama3.2:latest
或
ollama run qwq

4. 启动项目

• 拉取本项目
• 修改配置文件（application.yml 和 application-druid.yml 中有一些配置项需要改成你自己的配置）
• 启动 MindMarkApplication.java

备注：在启动时，有一些异常信息可以无视，只要能够正常访问即可。

5.测试效果

5.1 准备数据

MindMark 能够监控两种类型的数据：

• 监控其它数据库中的表，把表中的数据全部向量化。
• 监控文件，解析文件中的内容并向量化。

5.1.1 让 MindMark 监控指定的数据库表

你可以指定 MindMark 监控其它数据库中的表， MindMark 会把你指定的表中的所有数据全部向量化，并存储到 ElasticSearch 中，处理过程会分页。

注意：在 MindMark 当前的实现中，被监控的表必须带有自增主键，否则 MindMark 无法把表中的数据进行向量化，因为不能记录已经处理了哪些数据行，在后续的版本中再考虑改进。你需要按照自己的情况，指定 MindMark 去监控哪个库中的哪张表，如果不提供这些配置， MindMark 不会监控任何数据库。

5.1.2 让 MindMark 监控文件

你可以通过 MindMark 的文件上传接口上传一些文件， MindMark 会把这些文件全部向量化，并存储到 ElasticSearch 中。目前支持的文件格式有：pdf/txt/markdown/doc/docx/ppt/pptx/xls/xlsx/json 。

请注意：某些大模型接口是按照 Token 数量收费的，所以请不要上传太大的文件，否则会产生高额的费用。

5.2 测试接口

MindMark 对应的前端项目位于： https://gitee.com/mumu-osc/mind-mark-react

也可以使用 Postman 来测试接口（直接用 Chrome 浏览器也可以测试）。

切换不同的模型：

gitee-ai 大模型的模力方舟： OpenAI： 请注意本项目暂未展示该选项，但是已经实现OpenAI模型的接入,只需修改application.yml中配置即可

智谱大模型 llama 大模型：

deepseek 大模型：

通义千问（Qwen qwq 32b）大模型：

最后几个截图示例中无论是 deepseek-r1 还是 llama:3.2 模型或千问（qwq)，开发者自行在 application.yml 切换不同模型,本项目后续也将支持多个本地模型的可切换。敬请期待

6.系统架构

7.参考资源

• SpringAI 官方文档：https://docs.spring.io/spring-ai/reference/index.html
• Gitee AI 官方文档： https://ai.gitee.com/
• 智谱大模型官方文档： https://open.bigmodel.cn/
• Apach Shiro 权限控制详细解释： https://my.oschina.net/mumu

8.License

MIT

（补充声明：您可以随意使用此项目，但是本人不对您使用此项目造成的任何损失承担责任。）