## 模块简介 本模块基于 Spring AI 和 JeeSite 内容管理系统(CMS)并结合了检索增强生成(Retrieval-Augmented Generation, RAG)技术 和先进的人工智能算法(AI),打造了一个强大的企业级知识管理和智能对话平台。该模块专为企业设计,旨在通过高效的知识获取和精准的对话能力, 提升企业的信息管理效率和员工的工作效能。 检索增强生成 RAG 技术使系统能够自动从海量的企业文档中检索最相关的信息,并将其融入到生成的回答中,确保每一次查询都 能获得最新且准确的结果。这种检索与生成相结合的方式,不仅提高了信息检索的准确性,还增强了回答的上下文关联性, 特别适合处理复杂的企业知识库。 此外该模块,支持在线大模型和本地部署的大模型,如:Ollama、DeepSeek、通义千问,理论上支持所有 OpenAPI 标准接口的 AI 提供商。 并能无缝集成多种嵌入式 AI 模型的向量数据库,如 Chroma、PGVector、Elasticsearch、Milvus 等,实现高效的数据存储、检索及分析。 无论是大规模数据集还是高度专业化的领域知识,JeeSite CMS + RAG + AI 都能提供定制化解决方案,满足企业多样化的业务需求和技术要求。 企业可以轻松管理和访问复杂的信息资源,促进内部知识共享和创新,从而在竞争激烈的市场环境中保持领先地位。 优势:本模块结构清晰,代码简洁易懂,不管是正式项目、或是学习 AI 技术、都能轻松应对读懂源代码。 ## 在线演示 * 地址: ## 源码下载 * 后端: * 前端: ## AI 模型配置 支持的 AI 模型列表: * 线上模型:理论上支持所有 [OpenAPI](https://help.aliyun.com/zh/model-studio/developer-reference/use-qwen-by-calling-api) 标准接口的 AI 提供商。 * 本地模型:使用 [Ollama](https://ollama.com) 安装方法,本文不多赘述,网上有很多安装资料。 * 模型类型包括:聊天对话模型和嵌入式向量库模型,需注意 dimensions 维度参数,要和模型要求的匹配。 具体配置项详见 [jeesite-cms-ai.yml](https://gitee.com/thinkgem/jeesite5/blob/v5.springboot3/modules/cms-ai/src/main/resources/config/jeesite-cms-ai.yml) 文件,有注释。 ## 向量数据库配置 支持的向量库列表: * Chroma * PGVector * Elasticsearch * Milvus * ... 具体配置项详见 [jeesite-cms-ai.yml](https://gitee.com/thinkgem/jeesite5/blob/v5.springboot3/modules/cms-ai/src/main/resources/config/jeesite-cms-ai.yml) 文件,有注释。 ### 安装 Chroma ```sh docker run --name chroma -p 8000:8000 ghcr.io/chroma-core/chroma:0.5.20 ``` ### 安装 PGVector ```sh docker run -d --name pgvector -p 5433:5432 -e POSTGRES_USER=postgres \ -e POSTGRES_PASSWORD=postgres pgvector/pgvector:pg17 ``` * 进入容器 ```sql docker exec -it pgvector psql -U postgres ``` * 建库语句 ```sql CREATE DATABASE "jeesite-ai"; -- 激活数据库 \connect "jeesite-ai"; -- 建立数据表和索引 CREATE EXTENSION IF NOT EXISTS vector; CREATE EXTENSION IF NOT EXISTS hstore; CREATE EXTENSION IF NOT EXISTS "uuid-ossp"; -- 使用 all-minilm 模型时创建 DROP TABLE IF EXISTS vector_store_384; CREATE TABLE IF NOT EXISTS vector_store_384 ( id varchar(64) DEFAULT uuid_generate_v4() PRIMARY KEY, content text, metadata json, embedding vector(384) ); CREATE INDEX ON vector_store_384 USING HNSW (embedding vector_cosine_ops); -- 使用 nomic-embed-text 模型时创建 DROP TABLE IF EXISTS vector_store_786; CREATE TABLE IF NOT EXISTS vector_store_786 ( id varchar(64) DEFAULT uuid_generate_v4() PRIMARY KEY, content text, metadata json, embedding vector(768) ); CREATE INDEX ON vector_store_786 USING HNSW (embedding vector_cosine_ops); -- 使用 bge-m3 模型时创建 DROP TABLE IF EXISTS vector_store_1024; CREATE TABLE IF NOT EXISTS vector_store_1024 ( id varchar(64) DEFAULT uuid_generate_v4() PRIMARY KEY, content text, metadata json, embedding vector(1024) ); CREATE INDEX ON vector_store_1024 USING HNSW (embedding vector_cosine_ops); ``` ## 创建 AI 菜单 系统管理 -> 系统设置 -> 菜单管理 -> 新增 * 菜单名称:AI 助手 * 菜单地址:/cms/chat/index ## 工具调用 Tool Calling 工具调用 Tool Calling(也称 Function Calling)是人工智能应用程序中的常见模式,允许模型与一组 API 或工具交互,从而增强其功能。 实例代码,详见 [CmsAiTools.java](https://gitee.com/thinkgem/jeesite5/blob/v5.springboot3/modules/cms-ai/src/main/java/com/jeesite/modules/cms/ai/tools/CmsAiTools.java) 让 AI 调用你的 java 实现你的业务联动。 ## 授权协议声明 1. 基于 Apache License Version 2.0 协议发布,可用于商业项目,但必须遵守以下补充条款。 2. 不得将本软件应用于危害国家安全、荣誉和利益的行为,不能以任何形式用于非法为目的的行为。 3. 在使用本软件时,由于它集成了众多第三方开源软件,请共同遵守这些开源软件的使用许可条款规定。 4. 在延伸的代码中(修改和有源代码衍生的代码中)需要带有原来代码中的协议、版权声明和其他原作者 规定需要包含的说明(请尊重原作者的著作权,不要删除或修改文件中的`Copyright`和`@author`信息) 更不要,全局替换源代码中的 jeesite 或 ThinkGem 等字样,否则你将违反本协议条款承担责任。 5. 您若套用本软件的一些代码或功能参考,请保留源文件中的版权和作者,需要在您的软件介绍明显位置 说明出处,举例:本软件基于 JeeSite 快速开发平台,并附带链接:http://jeesite.com 6. 任何基于本软件而产生的一切法律纠纷和责任,均于我司无关。 7. 如果你对本软件有改进,希望可以贡献给我们,共同进步。 8. 本项目已申请软件著作权,请尊重开源,感谢阅读。 9. 无用户数限制,无在线人数限制,放心使用。 ## 技术支持与服务 * 本软件免费,我们也提供了相应的收费服务,因为: * 没有资金的支撑就很难得到发展,特别是一个好的产品,如果 JeeSite 帮助了您,请为我们点赞。支持我们,您可以获得更多回馈,我们会把公益事业做的更好,开放更多资源,回报社区和社会。请给我们一些动力吧,在此非常感谢已支持我们的朋友! * **联系我们**:请访问技术支持与服务页面: