分类: AI技术选型

  • nvm-sh/nvm纯Shell脚本实现的Node.js版本管理工具

    nvm-sh/nvm(简称nvm)是一款纯Shell脚本实现的Node.js版本管理工具,也是目前社区最主流、使用最广泛的Node版本管理方案,核心解决开发中多Node.js版本共存、切换、安装卸载的核心痛点,让不同项目(如老项目依赖Node16、新项目要求Node20)能在同一台机器上无冲突运行,是前端/Node.js开发者的必备工具。

    基础核心信息

    1.  仓库地址:GitHub – nvm-sh/nvm

    2.  开源协议:MIT协议(完全开源、自由使用,商用/个人项目均可)

    3.  支持系统:原生支持Linux、macOS,以及WSL2(Windows子系统Linux版);不原生支持Windows桌面版(Windows用户可使用社区适配的nvm-windows,功能一致,操作相近)

    4.  核心依赖:仅需系统自带的Shell(bash/zsh/sh),无额外依赖,轻量极简

    5.  最新稳定版:截止2026年2月,最新稳定版为v0.39.7(社区持续维护,迭代稳定)

    核心解决的痛点

    在没有nvm的情况下,直接安装Node.js会存在以下问题:

    1.  系统全局仅能存在一个Node.js版本,不同项目的版本要求冲突时无法解决;

    2.  手动卸载/安装Node版本繁琐,且容易残留全局依赖、环境变量,导致系统污染;

    3.  安装特定版本(如LTS长期支持版、历史旧版本)需要手动下载安装包,步骤复杂;

    4.  全局npm依赖与Node版本绑定,不同版本Node的依赖无法隔离。

    而nvm通过将不同Node版本独立隔离存储,实现了版本的一键切换、安装,所有操作均在用户目录下完成(默认~/.nvm),不修改系统全局环境,彻底解决以上问题。

    核心功能(极简高效,一行命令搞定)

    nvm的所有核心操作均为单行Shell命令,无复杂配置,核心功能包括:

    1.  安装任意Node.js版本:支持指定版本号、一键安装LTS长期支持版、安装最新稳定版/最新开发版;

    2.  快速切换版本:可切换当前Shell会话的Node版本(临时生效)或系统全局的Node版本(永久生效);

    3.  版本管理:列出已安装的所有Node版本、列出远程可安装的所有Node版本、卸载指定版本;

    4.  默认版本设置:为系统设置默认Node版本,新终端会话自动加载该版本;

    5.  依赖隔离:每个Node版本自带独立的npm/yarn/pnpm,全局依赖与对应Node版本绑定,互不干扰;

    6.  轻量无侵入:所有Node版本、配置、依赖均存储在~/.nvm目录,卸载时直接删除该目录即可,无残留。

    快速安装(官方推荐方式)

    nvm无传统的包管理安装方式(如apt/yum/brew),官方推荐通过curl/wget一键拉取Shell脚本安装,无需手动配置环境变量,步骤如下(Linux/macOS/WSL2通用):

    方式1:curl安装(推荐)

    curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash

    方式2:wget安装

    wget -qO- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash

    安装后生效

    安装脚本会自动将nvm的环境变量配置写入~/.bashrc/~/.zshrc/~/.profile,重启终端或执行以下命令手动生效:

    # bash用户
    source ~/.bashrc
    # zsh用户(如Mac自带的zsh)
    source ~/.zshrc

    验证安装成功

    nvm --version
    # 输出版本号如 v0.39.7 即安装成功

    最常用命令(开发必备,记这几个就够了)

    nvm的命令设计极简,核心常用命令仅10个左右,以下是高频使用的命令,直接复制即可执行:

    1. 安装Node.js版本

    # 安装LTS长期支持版(推荐,生产环境首选)
    nvm install --lts
    # 安装指定版本(如Node20.10.0,版本号可从官网查询)
    nvm install 20.10.0
    # 安装最新稳定版
    nvm install stable
    # 安装最新开发版(不推荐生产使用)
    nvm install node

    2. 切换Node.js版本

    # 切换到指定版本(临时生效,仅当前终端)
    nvm use 20.10.0
    # 切换到LTS版本
    nvm use --lts
    # 切换到系统全局默认版本
    nvm use default

    3. 查看版本信息

    # 列出已安装的所有Node版本(*标记当前使用的版本)
    nvm ls
    # 列出远程可安装的所有Node版本(含LTS/开发版)
    nvm ls-remote
    # 列出远程可安装的所有LTS版本(精简版)
    nvm ls-remote --lts
    # 查看当前使用的Node/npm版本
    node -v
    npm -v

    4. 设置默认版本

    # 将指定版本设为系统默认版本(新终端自动加载,永久生效)
    nvm alias default 20.10.0
    # 将LTS版本设为默认版本
    nvm alias default lts/*

    5. 卸载/删除Node版本

    # 卸载指定版本
    nvm uninstall 16.20.2

    6. 查看nvm帮助

    nvm help
    # 查看具体命令的帮助(如install)
    nvm help install

    实用进阶配置(解决国内下载慢、自定义存储)

    1. 配置国内镜像(解决Node下载慢的问题,必配)

    由于nvm默认从Node.js官方源下载(国外服务器),国内用户下载速度极慢,可配置淘宝Node镜像(npmmirror),临时/永久配置均可:

    临时配置(仅当前终端生效)

    export NVM_NODEJS_ORG_MIRROR=https://npmmirror.com/mirrors/node

    永久配置(所有终端生效,推荐)

    将配置写入Shell配置文件,重启终端后永久生效:

    # bash用户
    echo 'export NVM_NODEJS_ORG_MIRROR=https://npmmirror.com/mirrors/node' >> ~/.bashrc
    source ~/.bashrc
    # zsh用户
    echo 'export NVM_NODEJS_ORG_MIRROR=https://npmmirror.com/mirrors/node' >> ~/.zshrc
    source ~/.zshrc

    2. 自定义nvm存储目录

    nvm默认将Node版本、配置存储在~/.nvm,若想修改到其他目录(如磁盘空间更大的分区),可配置环境变量NVM_DIR:

    # 示例:将存储目录设为 ~/data/nvm
    echo 'export NVM_DIR="$HOME/data/nvm"' >> ~/.zshrc
    source ~/.zshrc

    关键特性总结

    1.  纯Shell实现:无Node/Java等前置依赖,跨Shell兼容(bash/zsh/sh),轻量到极致;

    2.  无系统侵入:所有文件均在用户目录下,不修改系统全局环境,卸载无残留;

    3.  版本彻底隔离:每个Node版本独立存储,自带npm,全局依赖互不干扰;

    4.  命令极简:所有核心操作均为单行命令,新手易上手,无需复杂配置;

    5.  社区主流:GitHub星标超100k,是Node.js官方文档推荐的版本管理工具,社区维护活跃,问题解决及时;

    6.  兼容npm/yarn/pnpm:完美支持各类Node包管理工具,无兼容问题。

    注意事项

    1.  Windows桌面版不支持:nvm-sh/nvm仅支持Linux/macOS/WSL2,Windows原生桌面版请使用nvm-windows(非同一仓库,但操作命令基本一致);

    2.  安装前卸载系统原有Node:若系统已手动安装过Node.js/npm,需先卸载并清理环境变量,否则会与nvm管理的版本冲突;

    3.  全局依赖与版本绑定:nvm管理的每个Node版本都有独立的全局npm依赖,切换版本后需重新安装对应全局依赖(如npm install -g pnpm);

    4.  终端生效问题:安装nvm后若执行nvm: command not found,请重启终端或手动执行source命令加载配置文件。

    总结

    nvm-sh/nvm是Linux/macOS环境下Node.js开发的标配工具,以「轻量、无侵入、极简操作」为核心优势,彻底解决了多Node版本共存的行业痛点,是前端/Node.js开发者的必备开源工具。其社区活跃度高、文档完善、使用门槛极低,无论是新手入门还是企业生产环境,都是Node版本管理的首选方案。

    简单来说:用了nvm,再也不用为Node版本冲突头疼了

  • Crawlab 开源分布式爬虫管理平台介绍

    Crawlab(https://github.com/crawlab-team/crawlab)是一款基于Golang+Vue.js开发的分布式爬虫管理平台,支持任何编程语言和框架的爬虫统一管理,提供可视化界面、任务调度、日志监控等企业级功能,帮助用户解决大规模爬虫项目”散、乱、难维护”的痛点,显著提升数据采集效率与管理能力。该项目在GitHub上已获得12.5K+ Star,是目前最受欢迎的开源爬虫管理解决方案之一。

    一、核心定位与解决的问题

    Crawlab主要面向需要管理大规模爬虫项目的团队和企业,解决以下核心痛点:

    ● 多语言/多框架爬虫难以统一管理(如Scrapy、Selenium、Puppeteer、Colly等混用)

    ● 爬虫任务分散,缺乏集中监控与调度能力

    ● 数据采集结果分散存储,难以统一分析

    ● 爬虫运行状态不透明,故障排查困难

    ● 团队协作开发爬虫效率低,版本管理混乱

    二、核心功能亮点

    功能模块核心能力价值体现
    🌐 多语言全兼容支持Python、NodeJS、Go、Java、PHP、C#等语言,适配Scrapy、Colly、Selenium、Puppeteer等主流框架保护既有爬虫资产,无需重构即可接入管理
    🚀 分布式任务调度支持多节点部署,自动分配任务到多台服务器并行运行,支持Cron表达式定时任务采集效率线性提升,轻松应对大规模数据采集需求
    📊 可视化监控中心实时查看任务状态、运行日志、节点资源使用情况,支持异常告警问题排查直观高效,保障爬虫稳定运行
    🗃️ 数据管理系统采集数据自动存入MongoDB,支持界面预览、筛选、导出(CSV/JSON)数据统一管理,快速对接数据分析流程
    🔌 插件与API扩展提供完善的RESTful API与插件机制,支持自定义爬虫模板与集成第三方系统高度可扩展,满足个性化业务需求
    👥 团队协作管理支持多用户权限控制、爬虫版本管理、任务分配与协作开发提升团队协作效率,保障数据安全
    🎯 智能爬虫发现支持自动发现服务器上的爬虫脚本,一键添加到平台管理降低接入门槛,快速整合现有爬虫资源

    三、技术架构设计

    Crawlab采用经典的主从分布式架构,主要由以下组件构成:

    1.  Master Node(主节点)

    a.  核心控制系统,负责任务协调、节点管理与通信

    b.  提供前端Web服务与API接口

    c.  内置任务执行能力(可视为特殊Worker节点)

    2.  Worker Node(工作节点)

    a.  负责执行爬虫任务,可横向扩展

    b.  与主节点通信,接收任务并返回执行结果

    c.  支持动态添加/移除,灵活调整集群规模

    3.  数据存储层

    a.  MongoDB:存储节点、爬虫、任务、调度等核心业务数据

    b.  SeaweedFS(v0.6+):分布式文件系统,用于存储爬虫代码、日志和采集结果

    c.  Redis:用于节点间通信与任务队列管理

    4.  前端界面

    a.  基于Vue.js开发的单页应用(SPA)

    b.  提供直观易用的可视化操作界面,降低使用门槛

    四、快速安装与部署

    Crawlab提供多种部署方式,其中Docker Compose一键部署最为简便,适合快速上手:

    # 1. 克隆仓库
    git clone https://github.com/crawlab-team/crawlab.git
    cd crawlab/docker
     
    # 2. 启动服务
    docker-compose up -d
     
    # 3. 访问系统(默认账号密码:admin/admin)
    http://<服务器IP>:8080

    其他部署方式:

    ● 直接部署(适合二次开发)

    ● Kubernetes集群部署(适合大规模生产环境)

    ● 单机模式(适合个人开发与测试)

    五、使用流程简述

    1.  添加爬虫:通过界面上传或自动发现服务器上的爬虫脚本

    2.  配置任务:设置运行参数、定时规则、目标节点等

    3.  启动任务:手动触发或等待定时任务自动执行

    4.  监控运行:实时查看日志、状态与资源使用情况

    5.  管理数据:在界面中预览、筛选、导出采集结果

    6.  优化迭代:根据运行情况调整爬虫策略,提升采集效率

    六、优势与适用场景

    核心优势

    ● 语言无关性:真正实现”一次接入,统一管理”,兼容所有编程语言与框架

    ● 高可扩展性:支持从单机到大规模集群的无缝扩展

    ● 低学习成本:可视化界面操作,无需复杂配置即可上手

    ● 企业级特性:提供完善的权限控制、日志审计、数据安全保障

    ● 活跃社区:持续更新维护,拥有丰富的文档与社区支持

    适用场景

    ● 大规模数据采集:电商价格监控、新闻聚合、行业数据洞察

    ● 多源异构数据整合:整合不同平台、不同格式的数据资源

    ● 企业级爬虫项目管理:团队协作开发、版本控制、任务调度

    ● 数据驱动决策:为AI训练、数据分析提供稳定的数据来源

    ● 监控预警系统:实时监控目标网站内容变化,及时触发告警

    七、生态与社区支持

    1.  官方SDK:提供Python、Node.js、Java等语言的SDK,方便爬虫接入平台数据存储API

    2.  命令行工具:支持通过CLI快速操作爬虫任务与数据管理

    3.  详细文档:提供中文与英文官方文档,覆盖安装、使用、开发全流程

    4.  社区交流:GitHub Issues、Discord社区、微信群等多渠道技术支持

    5.  商业支持:提供企业版与定制化开发服务,满足更高阶需求

    八、总结

    Crawlab作为一款功能强大的开源分布式爬虫管理平台,凭借其多语言兼容分布式架构可视化管理等核心优势,已成为众多企业和团队管理大规模爬虫项目的首选工具。无论是个人开发者还是大型企业,都能通过Crawlab快速构建高效、稳定、可扩展的数据采集体系,为业务发展提供坚实的数据支撑。

  • BuildingAI企业级开源智能体搭建平台

    一、产品概述

    BuildingAI是由BidingCC团队开发的企业级开源智能体(AI Agent)搭建平台,定位为AI应用的全栈式”底盘”,致力于为AI开发者、创业者和组织提供从能力构建到商业变现的全链路支持。它通过可视化配置界面(DIY模式),让用户无需编写复杂代码即可快速搭建具备完整AI能力和商业闭环的企业级应用,同时支持私有化部署与深度定制,完美解决”快速上线”与”企业合规”的核心诉求。

    项目主页:https://buildingai.cc/

    GitHub仓库:https://github.com/BidingCC/BuildingAI

    开源协议:Apache License 2.0(完全开源,可商用,对商业应用友好)

    技术栈:Vue 3 + NestJS,代码结构清晰,便于二次开发

    二、核心能力与功能

    1. AI核心能力

    功能模块具体描述
    智能体编排可视化拖拉拽配置,支持对话、任务流、工具调用,实现复杂AI任务自动化
    知识库(RAG)支持上传文档构建私有知识库,实现知识检索、问答、内容生成,让AI懂你的业务
    工作流引擎可视化设计业务流程,连接AI能力与外部系统,支持条件判断、循环、并行执行等复杂逻辑
    大模型聚合内置支持OpenAI、文心一言、通义千问、DeepSeek、Gemini、腾讯混元、智谱AI等主流模型,一键切换
    MCP协议国内首个开源支持MCP(Model Context Protocol)协议的AI平台,实现智能体间上下文共享与协作,连接万物
    上下文工程优化对话上下文管理,提升AI理解能力与多轮对话连贯性
    意图识别精准识别用户意图,智能匹配对应能力与流程

    2. 商业闭环能力(最大亮点)

    商业模块具体描述
    用户体系内置注册、登录、权限管理,支持多租户模式
    会员订阅可视化配置会员套餐,支持按周期收费,提升用户粘性与复购率
    算力计费自动计算AI使用成本,支持按次、按token、按时长等多种计费模式
    支付集成原生支持微信/支付宝支付,配置路径清晰,省去大量开发工作
    应用市场提供应用市场生态,支持开发者发布与销售应用,快速扩展功能

    3. 其他关键功能

    ● 可视化配置(DIY模式):零代码搭建AI应用,降低技术门槛,缩短开发周期

    ● 插件化架构:模块化拆解AI应用核心能力,即插即用,灵活拓展个性化功能

    ● 多模型适配:支持国内外主流大模型,适配不同场景需求

    ● 数据仪表盘:实时监控AI应用使用情况、用户活跃度、收入数据等

    ● AI辅助增强:内置AI辅助用户prompt优化,提升交互体验

    三、产品优势与特点

    1.  All-in-One解决方案:一个平台打包智能体+知识库+工作流+商业系统,无需多个工具拼接,降低集成成本

    2.  内置商业闭环:开箱即用的商业化模块,省去数周开发时间,让AI应用快速具备”收钱能力”

    3.  私有化部署:支持Docker一键部署,数据本地存储,满足企业数据安全与合规要求

    4.  MCP协议支持:国内首个开源MCP协议+计费闭环AI平台,实现智能体间上下文共享,连接更广泛的AI生态

    5.  二次开发友好:采用现代技术栈,代码结构清晰,文档完善,支持深度定制与功能扩展

    6.  低门槛高回报:可视化配置降低使用门槛,同时提供企业级能力,适合中小企业与个人开发者快速落地AI应用

    四、部署与使用

    1. 部署要求

    ● 最低配置:2核4G内存,100GB硬盘空间

    ● 环境依赖:Docker、Docker Compose(推荐)

    ● 部署方式:支持Docker一键部署,数分钟内完成环境搭建

    2. 快速上手流程

    1.  克隆GitHub仓库或下载安装包

    2.  配置环境变量(数据库、支付接口等)

    3.  执行Docker Compose命令启动服务

    4.  通过浏览器访问平台,注册管理员账号

    5.  使用可视化界面配置AI智能体、知识库、工作流

    6.  配置商业模块(会员套餐、支付方式)

    7.  发布应用,开始使用或对外提供服务

    五、适用场景

    1.  AI创业项目:快速搭建MVP,验证商业模式,同时具备完整商业闭环能力

    2.  企业内部工具:构建客服、知识库、数据分析等AI应用,提升工作效率

    3.  内容创作平台:结合RAG与智能体,打造专属内容生成、编辑、分发系统

    4.  垂直行业解决方案:医疗、教育、金融等领域,快速构建行业专属AI应用,满足合规要求

    5.  SaaS服务开发:基于BuildingAI开发AI SaaS产品,利用内置商业系统实现盈利

    6.  个人开发者:零代码快速实现创意,无需关注底层架构与商业系统开发

    六、对比其他产品

    产品优势劣势
    BuildingAI开源可商用,内置商业闭环,支持私有化部署,MCP协议支持,插件化架构应用市场生态尚在发展中,部分高级功能需二次开发
    LangChain集成灵活性最高,支持几乎所有主流模型与工具无内置商业系统,需自行开发,部署复杂
    Coze(扣子)大厂产品,低代码,生态集成,与办公流程结合紧密技术封闭,云服务模式,数据安全与合规性受限
    n8n工作流引擎强大,支持大量外部集成无内置AI能力与商业系统,需额外集成

    七、总结

    BuildingAI作为BidingCC团队打造的企业级开源智能体平台,最大价值在于提供了”快速搭建AI应用+私有部署+商业变现“的全链路解决方案,让AI落地不再是技术团队的专利,而是任何有想法的人都能实现的目标。对于AI创业者、中小企业和需要快速落地AI应用的组织来说,BuildingAI无疑是一个值得关注的宝藏级开源项目,能够大幅缩短开发周期,降低技术门槛,同时保障数据安全与商业合规。

  • Shubhamsaboo/awesome-llm-apps 开源项目全解析

    一、项目概述

    Shubhamsaboo/awesome-llm-apps是由Shubham Saboo创建的GitHub开源仓库,是一个精选的LLM应用集合,专注于展示基于大型语言模型(LLM)构建的各类实用应用,特别是结合了AI Agents、RAG(检索增强生成)、Multi-agent Teams和MCP(模型-计算机交互协议)等前沿技术的项目。该项目在GitHub上已获得15k+星标,拥有50+个分步教程,提供完整的开源代码,100%免费使用。

    二、核心特点

    特点描述
    多模型支持兼容OpenAI、Anthropic、Gemini等商用模型,以及Llama、Qwen、DeepSeek等可本地部署的开源模型
    全技术栈覆盖整合AI Agents、Agent Teams、MCP协议与RAG等主流LLM技术,提供一站式学习资源
    实战导向每个项目都包含详细文档、分步教程和完整代码,可直接部署运行
    跨领域应用覆盖从代码管理到邮件处理、从医疗影像分析到投资顾问等50+个实际场景
    持续更新活跃维护,定期添加新的应用案例和技术教程,最近更新于2026年1月7日
    开源许可采用Apache-2.0许可证,允许开发者自由使用、修改和分发代码

    三、应用分类详解

    1. AI Agents(智能代理)

    ● 入门级代理:AI博客转播客、AI数据分析、AI旅行规划、Gemini多模态代理等

    ● 高级代理:AI深度研究、AI风投尽职调查、AI电影制作、AI自我进化代理等

    ● 游戏代理:AI 3D Pygame、AI国际象棋、AI井字棋等游戏AI实现

    ● 语音代理:AI音频导览、客户支持语音代理、开源语音听写代理等

    ● MCP代理:浏览器MCP、GitHub MCP、Notion MCP等模型-计算机交互应用

    2. Multi-agent Teams(多代理团队)

    ● AI竞争对手情报团队、AI金融团队、AI法律服务团队、AI招聘团队等

    ● 展示如何构建协作式AI系统,模拟真实工作场景中的团队协作

    ● 包括CrewAI实现的AI服务机构、多模态编码团队等复杂应用

    3. RAG(检索增强生成)

    ● Agentic RAG(带推理能力的检索增强生成)、自主RAG、混合搜索RAG等高级实现

    ● 本地RAG方案(Llama 3.1、Deepseek等),支持无API调用的隐私保护应用

    ● 视觉RAG、带数据库路由的RAG等多模态和结构化数据应用

    4. 特色应用系列

    (1)记忆增强型LLM应用

    ● AI旅行代理(带记忆功能)、Llama3状态对话、本地ChatGPT克隆(带记忆)等

    ● 展示如何为LLM添加长期记忆和个性化能力,提升用户体验

    (2)”Chat with X”系列

    ● Chat with GitHub(GPT & Llama3)、Chat with Gmail、Chat with PDF、Chat with YouTube视频等

    ● 提供与各类数据源交互的标准实现,解决信息检索和内容理解问题

    (3)LLM优化与微调

    ● Toonify Token Optimization:通过TOON格式减少LLM API成本30-60%

    ● Gemma 3、Llama 3.2等主流开源模型的微调教程

    四、技术实现与使用方法

    技术栈

    ● 核心框架:LangChain、CrewAI、LlamaIndex等主流LLM开发框架

    ● 前端:Streamlit、Gradio等快速原型开发工具,支持Web界面展示

    ● 数据库:Chroma、FAISS等向量数据库,用于RAG实现中的文档检索

    ● API集成:OpenAI API、Anthropic API、Gemini API及各类第三方服务接口

    快速上手步骤

    1.  克隆仓库

    git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git

    2.  进入项目目录

    cd awesome-llm-apps/starter_ai_agents/ai_travel_agent

    3.  安装依赖

    pip install -r requirements.txt

    4.  配置API密钥(根据项目需求)

    export OPENAI_API_KEY="your_api_key"

    5.  运行应用

    streamlit run app.py

    五、适用人群与价值

    人群价值
    开发者学习LLM应用开发最佳实践,获取可复用代码模块,加速项目开发
    创业者发现LLM商业应用场景,快速原型验证创意,降低技术门槛
    研究人员探索LLM技术边界,对比不同模型和框架的性能,构建实验平台
    学生通过实战项目学习AI技术,掌握热门LLM开发技能,提升就业竞争力
    企业IT团队评估LLM在企业中的应用潜力,寻找适合自身业务的解决方案

    六、社区与贡献

    该项目拥有活跃的开源社区,欢迎各类贡献:

    ● 提交新的LLM应用案例和教程

    ● 改进现有项目的代码质量和文档

    ● 提供bug修复和性能优化

    ● 分享使用经验和最佳实践

    七、总结

    Shubhamsaboo/awesome-llm-apps不仅仅是一个应用集合,更是一个完整的LLM开发学习生态系统。它为开发者提供了从入门到精通的一站式资源,帮助快速掌握AI Agents、RAG等前沿技术的实战应用。无论你是想学习LLM开发、寻找项目灵感,还是需要快速构建LLM原型,这个开源项目都能提供巨大价值。

    项目地址:https://github.com/Shubhamsaboo/awesome-llm-apps

  • 岚迹(Lanjii)前后端分离企业级管理系统

    岚迹(Lanjii)是一款基于 Spring Boot + Vue3 技术栈构建的现代化前后端分离企业级管理系统,遵循 MIT 开源协议,支持商用且无复杂依赖,开箱即用,可快速助力企业或个人搭建 CRM、OA、博客等各类 Web 后台系统,也适用于企业项目开发与个人学习实践。

    一、核心技术栈

    岚迹采用主流且稳定的技术组合,兼顾性能、扩展性与开发效率,具体技术栈如下:

    技术类别技术框架/工具版本信息核心作用
    后端框架Spring Boot3.3.12(近期升级至 3.5.9)提供稳定的后端服务架构,支持快速开发与部署
    AI 集成Spring AI1.1.2实现大模型集成、RAG 知识库功能,支撑 AI 智能对话
    数据访问MyBatis Plus3.5.12简化数据库操作,提供 CRUD 封装与性能优化
    数据库MySQL8.0.33存储系统业务数据、用户信息、AI 知识库等核心数据
    前端框架Vue33.5.13构建响应式前端界面,支持组件化开发
    状态管理Pinia3.0.1管理前端全局状态,优化组件间数据通信
    UI 组件库Element Plus2.9.8提供丰富的企业级 UI 组件,快速搭建美观界面
    监控工具Druid●  实时监控 SQL 执行、慢查询分析、数据库连接池状态

    二、核心功能与模块

    岚迹覆盖企业级管理系统的全场景需求,同时集成 AI 智能能力,功能模块划分清晰,具体如下:

    1. 系统管理模块(核心基础)

    提供完整的企业级权限与配置管理能力,支持细粒度控制与组织架构维护:

    ● 用户管理:用户增删改查、角色/岗位分配、密码重置、状态管控;

    ● 部门管理:多级部门树形结构维护、部门人员统计与信息编辑;

    ● 角色管理:角色创建、权限分配(菜单/按钮/数据权限)、角色状态控制;

    ● 菜单管理:菜单树维护、路由配置、权限标识设置、菜单图标管理;

    ● 字典管理:字典类型维护、字典数据增删改查、下拉选项配置;

    ● 系统配置:全局参数配置、系统缓存刷新、个性化参数自定义。

    2. 监控与日志模块(安全与运维)

    保障系统稳定运行,支持操作追溯与性能优化:

    ● 在线用户监控:实时查看在线用户列表、会话管理、异地登录检测、一键踢出用户;

    ● SQL 监控:基于 Druid 展示 SQL 执行统计、慢查询分析、数据库连接池状态;

    ● 日志管理: 操作日志:记录用户操作行为、操作轨迹追踪、异常操作告警;

    ○ 登录日志:用户登录记录、登录 IP 统计、登录失败分析、安全审计。

    3. 内容与工具模块(业务支撑)

    满足日常办公与内容管理需求,提供实用工具:

    ● 通知公告:公告编辑发布(集成 wangEditor 富文本,支持图文/表格/代码高亮)、WebSocket 实时推送、阅读状态跟踪;

    ● 文件管理:文件上传下载、预览、存储分类、文件类型过滤;

    ● 外部链接:集成 Gitee 源码仓库、Element Plus 官方文档等快捷入口,支持新窗口打开。

    4. AI 智能模块(核心特色)

    集成大模型与 RAG 知识库技术,支持企业级 AI 应用场景:

    ● 模型配置:管理多 AI 模型(如 DeepSeek、OpenAI 等)、支持模型切换、默认模型设置、启用状态控制;

    ● 知识库管理(RAG):对接多数据源(数据库、PDF/TXT/Markdown/HTML 文档)、数据解析与向量化处理、向量索引刷新;

    ● 元数据配置:自定义知识库文档元数据结构、字段类型定义(如分类、标签);

    ● 角色与提示词:AI 角色设定(如“物流订单智能客服”)、系统提示词模板配置、角色状态管控;

    ● AI 聊天:智能对话界面、RAG 知识库检索、上下文记忆、流式响应输出,支持智能客服、文档问答、代码生成等场景。

    5. 控制台(数据可视化)

    系统首页仪表板,展示核心数据与快捷操作:

    ● 关键指标:用户总数、今日访问量、本月新增用户、本月收入等;

    ● 数据图表:订单销量柱状图/折线图、趋势分析;

    ● 待办事项:优先级排序、状态跟踪(待处理/进行中/已完成);

    ● 系统公告:实时推送系统更新、安全提示、运营提醒。

    三、项目特色

    1.  细粒度 RBAC 权限控制:支持菜单权限、按钮权限、数据权限的精准控制,可实现“按钮级”显示/隐藏逻辑;

    2.  AI 智能集成:融合大模型与 RAG 技术,支持多数据源解析与向量化,适用于智能客服、文档助手等场景;

    3.  界面个性化:提供 4 种布局模式(经典、顶部菜单、混合、简约),内置多套主题换肤,支持暗黑模式、色弱模式;

    4.  无复杂依赖,开箱即用:无需额外配置复杂中间件,提供完整 SQL 脚本与部署文档,快速启动;

    5.  MIT 开源协议:可自由使用、修改、分发,支持商用,且仅需保留原始版权与许可证声明;

    6.  富文本与可视化:集成 wangEditor 富文本编辑器与 ECharts 图表,满足内容编辑与数据展示需求。

    四、短期规划与开发进度

    项目持续迭代更新,当前核心功能开发进度如下:

    规划功能功能描述开发进度
    RAG 能力增强1. 对接数据库数据,支持解析、向量化与动态维护;2. 支持 PDF/TXT/Markdown/HTML 等多文档解析与向量化✅ 已完成
    AI 大模型集成1. 集成常见 LLM 模型,支持多 AI 服务商接入;2. 支持上下文记忆与内存向量化数据存储✅ 已完成(上下文记忆待完善)
    多租户架构支持多租户配置与管理,实现用户、数据资源完全隔离🚧 开发中

    五、体验与资源

    1.  在线演示: 演示地址:http://106.54.167.194/admin/login

    a.  测试账号:admin / 123456(可体验全功能模块与 AI 聊天);

    2.  源码仓库:https://gitee.com/leven2018/lanjii(提供完整源代码、SQL 脚本、更新日志);

    3.  问题反馈:通过 Gitee 仓库 Issues 提交 Bug 反馈或功能建议,作者会不定期处理。

    六、适用场景

    ● 企业级项目:快速搭建 CRM、OA、ERP、人力资源管理系统等;

    ● 个人学习:学习 Spring Boot + Vue3 前后端分离开发、RBAC 权限设计、AI 大模型集成;

    ● 二次开发:基于现有框架扩展行业定制功能(如电商后台、教育管理系统)。