# Agent-Java **Repository Path**: hidarcy/Agent-Java ## Basic Information - **Project Name**: Agent-Java - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-08-07 - **Last Updated**: 2026-08-24 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # Agent-Java > java版本的企业级智能问答系统：开箱即用的 RAG + LLM 工作流引擎 > 一个开箱即用、安全可靠、模型中立的 **RAG（检索增强生成）+ LLM 工作流引擎**，专为构建企业级智能问答系统而设计。 > 广泛应用于 智能客服、企业内部知识库、数据分析、学术研究与教育等场景。 --- ## 相关文档 **MaxKB4j = Max Knowledge Brain for Java** - 📄 [MaxKB4j 商业价值白皮书](./doc/MaxKB4j-商业价值白皮书.md) - 🧪 [MaxKB4j 回归测试报告](./doc/MaxKB4j-回归测试报告.md) --- ## 为什么选择？ 在 AI 应用爆发的今天，您是否面临以下挑战？ - ❌ 接入复杂：现有方案依赖 Python 生态，Java 团队上手成本高？ - ❌ 幻觉严重：通用大模型回答不准确，无法结合企业内部数据？ - ❌ 并发瓶颈：传统架构难以支撑高并发场景，响应延迟高？ - ❌ 功能单一：仅能简单问答，无法处理复杂业务流程和多 Agent 协作？ ** 为您提供一站式解决方案：** 基于 **Java 21 + Spring Boot 3 + 虚拟线程** 构建，完美融合 **RAG（检索增强生成）** 与 **可视化工作流**。无需改造原有系统，即可赋予您的应用“理解、推理、执行”的 AI 能力。 | 能力 | **MaxKB4j** | Dify | MaxKB | FastGPT | RAGFlow | | :--- | :--- | :--- | :--- | :--- | :--- | | 后端技术栈 | **Java 21 + Spring Boot 3** | Python + TS | Python（Django） | TypeScript（Node.js） | Python（Flask） | | 高并发架构 | ✅ 虚拟线程 + 响应式 | ⚠️ 异步 worker | ⚠️ WSGI worker | ⚠️ Node 事件循环 | ⚠️ Python worker | | RAG 知识库 | ✅ | ✅ | ✅ | ✅ | ✅ | | 可视化工作流 | ✅ | ✅ | ✅ | ✅ | ✅ | | 多 Agent 协作 | ✅ | ✅ | ⚠️ | ⚠️ | ⚠️ | | MCP 协议 | ✅ | ✅ | ✅ | ✅ | ✅ | | 多模态（ASR/TTS/OCR） | ✅ | ⚠️ | ✅ | ⚠️ | ✅ | | 触发器（Cron / Webhook） | ✅ | ✅ | ⚠️ | ⚠️ | ⚠️ | | 权限管理 | ✅ | ✅ | ✅ | ✅ | ✅ | | 嵌入现有系统 | ✅ | ✅ | ✅ | ✅ | ✅ | | **Java 团队接入** | ✅ **原生，零 Python/TS 依赖** | ⚠️ 需 Python/TS | ⚠️ 需 Python | ⚠️ 需 TS | ⚠️ 需 Python | --- ## 核心特性 | 特性类别 | 详细描述 | | :--- |:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | ⏰ 触发器功能 (Triggers) | • 定时任务触发：支持配置 Cron 表达式或可视化时间轴，实现智能体与工具的无人值守自动化（如：每日自动生成数据报告、定时爬取竞品信息）。
• 事件回调触发：支持 Webhook 接入外部系统事件，实现实时响应（如：当 CRM 新增线索时自动触发客户画像分析 Agent、当数据库数据变更时触发预警通知）。 | | 🔍 开箱即用的知识库问答 | • 支持上传本地文档（PDF/Word/TXT/Markdown 等）
• 支持自动爬取网页内容
• 支持自定义工作流知识库写入
• 自动完成：文本分段 → 向量化 → 存入向量数据库 → 构建 RAG 流程
• 显著减少大模型“幻觉”，提升回答准确性与可信度 | | ⚡ 高并发高性能 | • 基于 Java 21 + Spring Boot 3 + 虚拟线程（Project Loom）构建，充分利用现代 JVM 的轻量级并发能力，显著提升吞吐量与响应速度。
• 采用 响应式编程模型（Reactor） 与 异步非阻塞 I/O，有效应对数千级并发请求，资源占用更低、延迟更小。
• 内置 多级缓存机制，加速知识检索与模型调用链路。 | | 🌐 模型中立，灵活对接 | 支持各类主流大模型，包括：
• 本地私有模型：DeepSeek-R1、Llama 3、Qwen 2 等（通过 Ollama / Xorbits Inference / LocalAI）
• 国内公有模型：通义千问、腾讯混元、字节豆包、百度千帆、智谱 GLM、Kimi、DeepSeek等
• 国际公有模型：OpenAI (GPT)、Anthropic (Claude)、Google (Gemini) | | ⚙️ 可视化工作流编排 | • 内置 低代码 AI 工作流引擎，支持条件分支、函数调用、多轮对话记忆和长期记忆
• 提供丰富 内置函数工具库（HTTP 请求、数据库查询、时间处理、正则提取等）
• 适用于复杂业务场景：客服工单生成、数据报告解读、内部制度问答等 | | 🤝 多 Agent 协作能力 | • 内置 多智能体（Multi-Agent）协作框架，支持多个专业化 AI Agent 并行或串行协同工作
• 每个 Agent 可配置独立角色（如：数据分析师、代码审查员、客服专员）、专属知识库与工具集
• 支持 动态任务分发 与 上下文感知的 Agent 路由，复杂任务自动拆解、分派、汇总（例如：用户提问 → 需求理解 Agent → 数据查询 Agent → 报告生成 Agent）
• 提供 Agent 间通信机制 与 共享记忆总线，确保信息一致性与协作连贯性
• 适用于高阶场景：跨部门流程自动化、端到端产品设计、联合故障诊断等 | | 🧩 无缝嵌入现有系统 | • 提供 RESTful API 和 前端嵌入组件（iframe / Web SDK）
• 无需改造原有系统，5 分钟集成智能问答能力
• 提供兼容Open AI的对话接口
• 提供兼容steam_http mcp方式接入智能体 | | 🤖 技能工具 | • 支持 [MCP](https://modelcontextprotocol.io/) 协议，让 AI 理解代码上下文、项目结构、依赖关系
• 支持本地代码函数编程工具调用
• 支持HTTP接口工具调用
• 支持Claude SKILLS技能调用 | | 🎙️ 多模态扩展 | • 语音识别（ASR）、语音合成（TTS）
• 图像识别（OCR）、图像生成（Stable Diffusion） | | 🔒 用户权限管理 | • 细粒度权限控制（应用 / 知识库 / 工具 / 模型）
• 审计日志、认证授权（基于 Sa-Token） | | 🌱 生态扩展（可扩展性与开箱即用） | • 丰富的智能体模板库：提供数十种预置 Agent 模板（如客服助手、数据分析师、代码导师、会议纪要员等），一键启用，快速适配业务场景。
• 灵活的插件化工具市场：支持通过插件机制动态加载功能模块，涵盖：
✅ 数据连接器（MySQL、PostgreSQL、MongoDB 等）
✅ 第三方服务集成（飞书、钉钉、企业微信）
✅ 网络搜素工具（Google Search、SearchApi、SearXNg 等） | --- ## 快速开始 ### 1. 环境要求 - Java 21+ - mysql（也可以postgres） - MongoDB 6.0+（用于全文检索和文件存储和向量搜索） ### 2. 部署启动 1.postgres：安装postgres数据库，新建数据库和用户 ``` -- 删除并重建数据库和用户 DROP DATABASE IF EXISTS agent_db; DROP USER IF EXISTS agent_user; -- 创建超级用户、创建数据库 CREATE USER agent_user WITH PASSWORD 'agent_pass123' SUPERUSER; CREATE DATABASE agent_db OWNER agent_user; -- 切换数据库并授权 \c agent_db; ALTER SCHEMA public OWNER TO agent_user; GRANT ALL ON SCHEMA public TO agent_user; GRANT ALL PRIVILEGES ON DATABASE agent_db TO agent_user; -- 创建扩展 CREATE EXTENSION vector; -- 修改列的类型： ALTER TABLE sys_user_permission ALTER COLUMN target_id TYPE integer USING target_id::integer; ALTER TABLE sys_resource_mapping ALTER COLUMN target_id TYPE integer USING target_id::integer; ``` > 首次启动前，请确保 PostgreSQL（启用 `pgvector` 扩展）与 MongoDB 可访问，并已在对应 profile 中配置数据源与 MongoDB URI。 2.mysql：新建数据库agent_doc，导入sql：doc\sql\mysql_init.sql 3.本地启动ollama，外部的向量模型会有限速，导致向量化的时候报错 ``` ollama pull qwen3-embedding:8b 验证是否启动成功：http://localhost:11434 ``` ### 3. 访问 Web 界面 - 地址：http://localhost:8080/admin/login - 默认账号： admin - 默认密码： admin123 ## MongoDB 操作 - 建立索引：db.doc_embedding.createIndex({ content: "text" }) - 查看索引：db.doc_embedding.getIndexes() --- ## 技术栈 | 类别 | 技术 | |-----------|--------------------------------------| | **后端** | Java 21, Spring Boot 3, Sa-Token（鉴权） | | **AI 框架** | LangChain4j | | **向量数据库** | PostgreSQL 15 + pgvector | | **全文检索** | MongoDB 6.0+ | | **缓存** | Caffeine | | **前端** | Vue 3, Node.js v20.16.0 | | **脚本沙箱** | groovy-sandbox | --- ## 项目结构 | 模块 | 职责 | | :--- | :--- | | `agent-main` | 后台主入口 | | `agent-module` | 后台模块 | | `agent-application` | 智能体 | | `agent-chat` | 对话 | | `agent-knowledge` | 知识库 | | `agent-model` | 模型 | | `agent-oss` | 文件存储 | | `agent-system` | 系统后台 | | `agent-tool` | 工具 | | `agent-trigger` | 触发器 | | `agent-workflow` | 工作流 | | `agent-vue` | 前端项目 | | `doc` | 项目文档 | --- ## 前端交互流程 主要页面： - 1.src\views\chat\index.vue - 2.src\views\chat\pc\index.vue 加载对话列表 getChatLog - 3.src\views\chat\component\HistoryPanel.vue 左侧对话列表 - 4.src\components\ai-chat\index.vue 右侧对话详情 发送和接收信息过程： - src\components\ai-chat\component\chat-input-operate\index.vue sendChatHandle->autoSendMessage - src\components\ai-chat\index.vue sendMessage->handleDebounceClick->sendMessageReal --- ## UI 展示 MaxKB4j team --- ## 相关资源 - [开源模型库](https://modelscope.cn/models) - [MCP 广场](https://modelscope.cn/mcp) - [Skills 中心](https://modelscope.cn/skills)