ModelEngine-Group/app-platform

AppPlatform – 用于构建 AI 驱动应用程序的低代码平台

简介 – 这是一个基于 Java 后端与 React 前端的平台，让产品团队与工程师无需编写大量样板代码，即可组装、测试并部署 AI 赋能的服务（如聊天机器人、RAG 管线、自主代理等）。它建立在开源 FIT 框架与 Waterflow 工作流引擎之上，并使用 ELSA 图形编辑器进行可视化流程设计。

核心组件

• 后端 – Java 17，基于插件的架构 (FIT)。提供用于创建、调试与运行 AI 应用的 application manager，以及允许您插入以 Java、Python 或其他语言编写的自定义运算符的 function-node 系统。执行过程由 Waterflow 进行编排。
• 前端 – React 功能组件。提供可视化低代码画布 (ELSA)、应用市场、基于 JSON-Schema 的智能表单构建器，以及用于上传自定义扩展的插件管理器。
• 低代码 UI – 用户通过网页 UI 拖放节点、连接节点并配置模型端点；无需深入编码。
• 多模型编排 – 不同的 LLM 可以在单一流程中串联，实现 RAG、工具调用或代理风格的互动。
• 存储与重用 – 完成的应用、函数与“工具”会存储为可重复使用的模板，可在不同项目间共享。

如何开始

1. 先决条件 – Docker 与 Docker-Compose，至少 2 个 CPU 核心、4 GB RAM，PostgreSQL ≥ 14（用于生产环境）。仓库提供 docker/.env.example，请复制为 .env 并填入模型 URL/API-key，然后执行 bash docker/deploy.sh。
2. 运行平台 – 容器启动后，打开 http://localhost:8001。
3. 本地开发 –
   • 后端：执行 mvn clean install（完整或增量），然后执行 bash docker/dev-app-builder.sh 进行热重载。
   • 前端：执行 cd frontend && npm install && npm run build:prod（或开发模式使用 npm run start）。agent-flow 子项目构建了基于 ELSA 的流程编辑器。
4. 配置模型 – 通过 UI 的 Model Configuration 应用，添加 LLM 端点与 API key。
5. 创建应用 – 使用 App Development 页面开始创建空白应用，选择已配置的模型，使用 ELSA 设计工作流，并测试聊天界面。

安全提示 – 开源部署版本不包含插件上传的身份验证；公开暴露服务可能会导致恶意插件风险。用户需自行添加身份验证层。

适用对象

• 希望快速原型化 AI 功能的产品经理。
• 构建内部 AI 工具且需要可重复、版本控制工作流的工程师。
• 需要为 LLM 驱动函数、RAG 管线或自主代理提供统一存储库的团队。

更多信息 – 完整文档位于 docs/ 文件夹，贡献指南在 CONTRIBUTING.md，底层的 FIT/Waterflow/ELSA 框架链接皆可在 README 中找到。