itwanger/PaiAgent

🔥轻量级的AI工作流编排系统，类似dify、n8n，全程使用Vibe Coding，AI工具为Qoder+CLI。涉及到的技术栈包括SpringAI、LangGraph4J、SSE、MinIO、DAG自定引擎等。

PaiAgent – 企業級視覺化AI工作流程編排平台

是什麼

PaiAgent 是一個 自架設、全端平台，讓您無需撰寫程式碼即可建構、排程與執行AI驅動的流程。前端的拖曳式編輯器（ReactFlow）讓業務使用者與開發者能透過節點組合來呼叫大型語言模型（OpenAI、DeepSeek、阿里通義千問、智譜AI等）與輔助工具（TTS、資料I/O、自訂外掛）。執行時，平台可選擇使用經典的 DAG引擎（拓撲排序＋循環檢測）或 LangGraph4j狀態圖引擎 來執行圖形，支援更豐富的條件路由。

核心功能

功能	你將獲得
零程式碼工作流程設計	視覺化畫布、節點面板、參數面板 – 無需Java/TS即可組裝流程
雙執行引擎	DAG：用於簡單線性/分支流程；LangGraph4j：用於狀態圖、條件與動態路由 – 每個工作流程可獨立選擇
統一LLM存取	Spring AI + Spring AI 阿里巴巴適配器透過共通的 `ChatClient` API 暴露 OpenAI相容、DeepSeek、Qwen、智譜AI 與 AIPing 模型
技能系統	在 `SKILL.md`（YAML前言＋Markdown）中以宣告式定義「技能」。技能自動註冊、懶加載（摘要→詳情→引用），並作為函式回呼暴露給LLM，使模型可自主呼叫
可擴展節點模型	實作 `NodeExecutor`（或繼承 `AbstractLLMNodeExecutor`）並註冊，平台將自動在UI中暴露該節點
即時除錯	伺服器端事件流將執行日誌即時推送到側邊欄，顯示每個節點的開始/成功/錯誤狀態
持久化與監控	MySQL 儲存工作流程定義與執行日誌；可選 MinIO 儲存檔案塊；UI中可檢視執行歷史
內建工具節點	輸入/輸出、TTS（通義千問3 TTS、StepAudio），以及任意自訂服務的外掛鈎子

典型使用情境

領域	例示工作流程
內容創作	生成文章草稿 → 翻譯 → 润飾 → 合成語音旁白
客戶支援	捕獲使用者查詢 → 路由至相應LLM（知識庫）→ 生成回覆 → 記錄工單
數據處理	拉取原始文字 → LLM驅動實體萃取 → 存儲結果至資料庫
媒體製作	腳本生成 → TTS → 將音訊嵌入影片元資料
自動化	定期生成報告 → 發送郵件 → 歸檔PDF

架構概覽

前端 (React 18 + TypeScript)
  └─ ReactFlow 畫布，Ant Design UI，Zustand 狀態

後端 (Spring Boot 3.4, Java 21)
  ├─ Controllers → Services → MyBatis-Plus DAOs
  ├─ 引擎層
  │   ├─ EngineSelector (dag ↔ langgraph)
  │   ├─ DAGParser (Kahn 拓撲排序，DFS 循環檢測)
  │   └─ LangGraphWorkflowEngine (StateGraph，非同步節點動作)
  ├─ 技能子系統 (SkillRegistry，漸進式載入，FunctionCallback)
  └─ AI模型層 (Spring AI + Spring AI 阿里巴巴，ChatClientFactory)

資料層
  ├─ MySQL (工作流程定義，執行日誌)
  └─ MinIO (可選塊儲存)

技術堆疊

層	技術	版本
前端	React, TypeScript, Vite, ReactFlow, Ant Design, Tailwind, Zustand	18.x / 5.x / latest
後端	Spring Boot, Java 21, MyBatis-Plus, FastJSON2, Maven	3.4.1 / 21+
AI整合	Spring AI (1.0.0-M5), Spring AI 阿里巴巴 (1.0.0-M6.1)	–
工作流程引擎	自訂DAG引擎，LangGraph4j Core (1.1.5) + Spring AI橋接 (1.8.0-beta3)	–
儲存	MySQL 8+, 可選 MinIO	–

快速入門

克隆

git clone https://github.com/itwanger/PaiAgent-one.git
cd PaiAgent-one

建立MySQL資料庫 並執行 backend/src/main/resources 下的 schema.sql。
設定環境 – 將 backend/ 與 frontend/ 中的 .env.example 複製為 .env / .env.local，並填入資料庫憑證、JWT密鑰、MinIO密鑰等。

執行後端

cd backend
./mvnw spring-boot:run   # 啟動於 http://localhost:8084

執行前端

cd frontend
npm install
npm run dev               # 開啟 http://localhost:5173

使用預設開發帳戶（admin / admin123）登入，或透過環境變數設定自訂帳戶。
建立工作流程 – 拖曳一個 Input 節點、一個 OpenAI 節點、一個 TTS 節點與一個 Output 節點，連接它們，設定模型API密鑰，點擊 Debug 查看即時SSE日誌。

開發路線圖亮點

v1.1 – 條件IF/ELSE節點、迴圈（FOR/WHILE）節點、更多LLM提供者（Claude、Gemini、本地模型）、更多內建技能。
v1.5 – 子工作流程呼叫、基於cron的排程、版本化工作流程、模板市場、影像/影片處理節點。
v2.0 – 多租戶RBAC、協作編輯、效能監控與警示、i18n、第三方外掛市場。

誰會受益？

產品團隊：無需深入ML程式碼即可建構AI增強功能。
企業：需要對LLM驅動自動化進行可控、可審計的流程。
開發者：希望獲得即插即用引擎來快速原型化複雜LLM編排（如RAG、工具呼叫、多模型路由）。

以上所有資訊均直接取自倉儲的README；未添加任何外部假設。