AI 平台

概述

AI 平台提供完整的 AI 应用开发能力，包括模型管理、知识库、AI 工作流、智能对话、提示词模板等。

架构设计

┌─────────────────────────────────────────────┐
│                  AI 平台                      │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  │
│  │ 模型管理   │  │ 知识库    │  │ AI 工作流  │  │
│  │ Provider  │  │ Knowledge │  │ Workflow  │  │
│  │ LLMModel  │  │ Segment  │  │ Node      │  │
│  └────┬─────┘  └────┬─────┘  └────┬─────┘  │
│       │              │              │         │
│       ▼              ▼              ▼         │
│  ┌──────────────────────────────────────┐    │
│  │           AI 应用 (AIApp)             │    │
│  │  chatbot / agent / workflow          │    │
│  └──────────────────────────────────────┘    │
│       │                                       │
│       ▼                                       │
│  ┌──────────────────────────────────────┐    │
│  │      对话管理 (Conversation)           │    │
│  │  SSE 流式输出 / 历史管理               │    │
│  └──────────────────────────────────────┘    │
└─────────────────────────────────────────────┘

数据模型

模型管理

模型	表名	说明
`LLMProvider`	`ai_llm_provider`	模型供应商（OpenAI、百度、阿里等）
`LLMModel`	`ai_llm_model`	具体模型配置

LLMProvider 字段：name, provider_type, api_key, api_base, is_active, config(JSONB)

LLMModel 字段：provider_id, name, model_name, model_type(chat/completion/embedding/rerank), is_active, max_tokens, config(JSONB)

支持的模型类型：

model_type	说明	用途
`chat`	对话模型	聊天、推理、生成
`completion`	补全模型	文本补全
`embedding`	向量模型	文本向量化
`rerank`	重排序模型	检索结果重排序

AI 应用

模型	表名	说明
`AIApp`	`ai_app`	AI 应用
`AIAgent`	`ai_agent`	AI Agent 配置

AIApp 字段：name, app_type(chatbot/agent/workflow), description, icon, model_id, system_prompt, temperature, max_tokens, knowledge_base_ids, tools_config, is_published

对话管理

模型	表名	说明
`Conversation`	`ai_conversation`	对话会话
`Message`	`ai_message`	对话消息

AI 工作流

模型	表名	说明
`AIWorkflow`	`ai_workflow`	AI 工作流定义

AIWorkflow 字段：name, description, flow_definition(JSONB), is_published, version

知识库

模块结构

knowledge/
├── models/
│   ├── knowledge_base.py        # 知识库模型
│   ├── knowledge_segment.py     # 分段模型
│   └── annotation_model.py      # Q&A 标注模型
├── schemas/                     # Pydantic Schema
├── services/
│   ├── indexing_service.py      # 索引服务
│   ├── retrieval_service.py     # 检索服务
│   ├── rerank_service.py        # Rerank 重排序
│   ├── cleaning_service.py      # 文本清洗
│   └── indexing_progress_service.py  # 索引进度 SSE
├── chunking/
│   ├── text_chunker.py          # 文本分块
│   └── qa_chunker.py            # Q&A 自动拆分
└── vector_store/                # 向量存储（Qdrant）

索引流程

文件上传 → 文本提取 → 文本清洗 → 分块 → 向量化 → 存入 Qdrant
                ↓
            清洗规则：
            - 合并空格
            - 移除 URL/邮箱
            - 移除 HTML 标签
            - 合并空行
            - 去行尾空白

分块策略

策略	说明
文本分块	按固定大小/自然段落分块
Q&A 拆分	使用 LLM 将文本拆分为问答对

检索与 Rerank

python

results = await RetrievalService.retrieve(
    db=db,
    knowledge_base_ids=["kb_1", "kb_2"],
    query="如何请假",
    top_k=5,
    score_threshold=0.5,
    rerank_enabled=True,
    rerank_model_id="rerank_model_1"
)

Rerank 流程：初始检索 3x 候选 → Rerank 重排序 → 截断到 top_k

索引技术

indexing_technique	说明
`high_quality`	标准模式：Embedding + Qdrant 向量检索
`economy`	经济模式：跳过 Embedding，使用关键词全文检索

Q&A 标注

手动创建问答对，检索时优先匹配标注结果：

POST /knowledge/{kb_id}/annotations
{
  "question": "如何请假？",
  "answer": "进入工作流-发起流程，选择请假流程..."
}

创建时自动向量化 question，检索时优先匹配标注。

AI 工作流节点

基础节点

节点	说明
`start`	开始节点，定义输入变量
`end`	结束节点，定义输出
`llm`	LLM 调用，支持系统提示词 + 用户输入
`knowledge_retrieval`	知识库检索
`code`	代码执行（Python）
`template`	模板渲染
`variable`	变量赋值
`http`	HTTP 请求
`database`	数据库操作

流程控制节点

节点	说明
`condition`	条件分支
`parallel`	并行执行
`merge`	合并节点
`loop`	循环节点
`intent`	意图识别
`subflow`	子流程调用

业务功能节点

节点	说明
`form_create`	创建表单
`form_basic_info`	表单基本信息
`form_ui_design`	表单 UI 设计
`form_database_design`	表单数据库设计
`form_database_create`	创建数据库表
`form_list_design`	表单列表设计
`form_publish`	发布表单
`form_data`	表单数据操作
`dashboard_create`	创建仪表盘
`dashboard_basic_info`	仪表盘基本信息
`dashboard_design`	仪表盘设计
`dashboard_publish`	发布仪表盘
`app_create`	创建应用
`app_design`	应用设计
`app_settings`	应用设置
`app_update`	更新应用
`text_to_sql`	自然语言转 SQL
`dialog`	对话交互（确认/输入/选择）
`system_summary`	系统摘要
`snowflake_cortex`	Snowflake Cortex 集成

子流程节点

调用已发布的 AI 工作流作为子流程
变量传递模式：all / selected / none
结果传递模式：all / selected / none
循环依赖检测
最大嵌套深度：5 层

对话服务

SSE 流式输出

GET /api/core/ai/chat/stream?conversation_id=xxx&message=你好

event: message
data: {"content": "你", "type": "text"}

event: message
data: {"content": "好", "type": "text"}

event: done
data: {"message_id": "xxx"}

对话历史

自动管理对话上下文，支持：

创建/删除会话
消息历史分页查询
上下文窗口控制

API 列表

模型管理

方法	路径	说明
GET	`/ai/providers`	供应商列表
POST	`/ai/providers`	创建供应商
GET	`/ai/models`	模型列表
POST	`/ai/models`	创建模型
POST	`/ai/models/{id}/test`	测试模型

AI 应用

方法	路径	说明
GET	`/ai/apps`	应用列表
POST	`/ai/apps`	创建应用
POST	`/ai/apps/{id}/publish`	发布应用

知识库

方法	路径	说明
GET	`/ai/knowledge`	知识库列表
POST	`/ai/knowledge`	创建知识库
POST	`/ai/knowledge/{id}/documents`	上传文档
GET	`/ai/knowledge/{id}/segments`	分段列表
GET	`/ai/knowledge/{id}/indexing/progress`	索引进度（SSE）
POST	`/ai/knowledge/{id}/annotations`	创建 Q&A 标注

AI 工作流

方法	路径	说明
GET	`/ai/workflows`	工作流列表
POST	`/ai/workflows`	创建工作流
POST	`/ai/workflows/{id}/run`	运行工作流
POST	`/ai/workflows/{id}/publish`	发布工作流

对话

方法	路径	说明
GET	`/ai/conversations`	会话列表
POST	`/ai/conversations`	创建会话
GET	`/ai/chat/stream`	流式对话（SSE）

AI 平台 ​

概述 ​

架构设计 ​

数据模型 ​

模型管理 ​

AI 应用 ​

对话管理 ​

AI 工作流 ​

知识库 ​

模块结构 ​

索引流程 ​

分块策略 ​

检索与 Rerank ​

索引技术 ​

Q&A 标注 ​

AI 工作流节点 ​

基础节点 ​

流程控制节点 ​

业务功能节点 ​

子流程节点 ​

对话服务 ​

SSE 流式输出 ​

对话历史 ​

API 列表 ​

模型管理 ​

AI 应用 ​

知识库 ​

AI 工作流 ​

对话 ​

AI 平台

概述

架构设计

数据模型

模型管理

AI 应用

对话管理

AI 工作流

知识库

模块结构

索引流程

分块策略

检索与 Rerank

索引技术

Q&A 标注

AI 工作流节点

基础节点

流程控制节点

业务功能节点

子流程节点

对话服务

SSE 流式输出

对话历史

API 列表

模型管理

AI 应用

知识库

AI 工作流

对话