w8123/EnterpriseAgentFramework
ReachAI企业级智能体开发平台:快速、安全完成已有业务系统智能化改造,让 AI 在 OA、ERP、CRM 等原系统中查数据、填表单、办业务。ReachAI: Quickly and securely bring AI to existing enterprise systems, enabling AI to query data, fill out forms, and execute business tasks directly within OA, ERP, CRM, and other business applications.
EnterpriseAgentFramework (ReachAI)
是什么 – ReachAI 是一个开源平台,允许基于 Java 的企业应用(OA、ERP、CRM、eHR、采购、工单、合同等)将 AI 助手直接嵌入其现有用户界面。AI 可以读取当前页面、查询数据、填写表单并触发业务操作,同时尊重用户的身份、权限和原始工作流。
核心理念
| 理念 | ReachAI 的实现方式 |
|---|---|
| AI 首先的改造 | 扫描正在运行的 Java 系统,构建页面、路由、组件和后端 API 的映射,然后建议最多三个具体的自动化候选方案。 |
| AI 编码 | 将每个候选方案转化为结构化的工程任务(范围、代码上下文、约束、验收标准),并交由基于 LLM 的代码生成器(Codex、Claude-Code、Cursor 等)处理。生成的代码在提交、测试和验证后,任务才被关闭。 |
| 能力目录 | 使用 @ReachCapability 注解的 Java 方法会自动注册为可重用、版本化的业务能力(读/写权限、所需角色、副作用级别)。 |
| 受控执行 | 代理解析自然语言请求,从白名单中选择预批准的 Workflow(GraphSpec),并通过记录每一步骤(Trace)的运行时执行。关键写操作需要用户明确确认。 |
| 显式页面桥接 | 不采用屏幕抓取或鼠标模拟,前端为每个页面注册可读、可过滤、可写的动作。AI 通过类型化契约调用这些动作。 |
| 治理与可观测性 | 运维仪表板展示代理、运行、用户、Token 使用量、风险项和业务影响。RunOps、EvalOps 和 Automation 模块提供自动化测试、版本化数据集和任意执行的回放功能。 |
| 开放生态系统 | 能力、工具和工作流可发布到内部 API 市场、MCP 中心或 A2A 中心,使其他服务或远程代理可在相同 ACL 和审计框架下调用。 |
主要组件(五个服务)
| 服务 | 端口 | 角色 |
|---|---|---|
reachai-model-service |
18601 | 模型网关 – 聊天、嵌入、重排序、模型实例管理 |
reachai-knowledge-service |
18602 | 知识库 – 文档、向量存储(Milvus)、RAG 索引(/ai 路径) |
reachai-control-service |
18603 | 公共 API / BFF – 项目与页面管理、认证、嵌入端点 |
reachai-runtime-service |
18604 | 运行时主机 – 代理监督、工作流执行、Trace 与 RunOps |
reachai-capability-service |
18605 | 能力目录 – SDK 注册、快照、差异、评审 |
典型工作流
- 连接 Java 业务系统(SDK 启动器或被动扫描)。
- 扫描 页面、路由、组件和后端 API → 生成 系统能力图。
- 推荐 提供最多三个自动化建议(只读分析、事实/推理标签)。
- AI 编码 创建任务,LLM 在真实仓库中编写/修改代码,运行测试,并返回证据。
- 发布 新的
@ReachCapability和/或 Agent 可调用的 Workflow(GraphSpec)。 - 运行 用户在嵌入式聊天中输入自然语言;代理选择白名单中的 Workflow,执行它,对写操作请求确认,并记录完整 Trace。
- 治理 运维仪表板聚合使用情况、风险、Token 消耗和版本性能;Automation 可安排周期性运行,EvalOps 可对新版本进行 A/B 实验。
谁能受益?
| 角色 | 优势 |
|---|---|
| 开发者 | 自动扫描与 AI 生成代码减少手动集成工作量;SDK 提供类型化方式将现有服务暴露为 AI 可调用能力。 |
| 业务用户 | 无需 UI 变更 – 他们留在熟悉的 OA/CRM 页面中,可向 AI 请求“显示我的待办任务”或“创建采购请求”。 |
| 管理者 / 运维 | 实时查看 AI 采用情况、风险项、Token 使用量和业务影响;可基于实际使用数据规划下一轮自动化。 |
技术栈
- 后端:Java 17, Spring Boot 3.4.5, Spring AI, Spring AI Alibaba 扩展
- 代理/工作流引擎:AgentScope 2.0, LangGraph4j 1.8, GraphSpec DSL
- SDK / 页面桥接:JDK 8 兼容注解,Spring Boot 2 启动器,TypeScript 嵌入 SDK
- 前端:Vue 3.5 + TypeScript, Element Plus, Pinia, Vue-Flow, Vite 6
- 基础设施:MySQL 8, Redis 7, Milvus 2.4(向量存储),可选 Docling 用于文档摄入
成熟度与许可
- 仓库积极维护中(README 提及快速迭代、详细服务边界和本地开发脚本)。
- 所有核心功能(扫描、AI 编码、能力目录、工作流工作室、运行时、治理)均已实现,尽管部分工作流节点标记为 beta。
- 采用 MIT 许可证,允许商业使用和修改。
快速入门(摘要)
- 安装 JDK 17、Maven、Node ≥18、Docker-Compose。
cp deploy/.env.example deploy/.env→ 编辑密钥。docker compose -f deploy/docker-compose.infra.yml up -d并运行提供的 SQL 初始化脚本。- 构建后端:
mvn clean install -DskipTests。 - 启动五个服务(IntelliJ 运行配置或按顺序
mvn spring-boot:run)。 - 前端:
cd ai-admin-front && npm ci && npm run dev。 - 使用默认开发凭证登录(
admin / admin123)。
总结
ReachAI(EnterpriseAgentFramework)是一个全栈、面向生产环境的框架,可将现有 Java 企业应用转变为 AI 增强型助手。它结合了自动系统发现、LLM 驱动的代码生成、类型化能力注册、安全的工作流执行以及全面的治理工具——这正是企业级 AI 采用所需的端到端解决方案。
相关
- 项目
- 项目
- 项目
- 项目
- 项目