新闻详情

新闻详情

首页 / 资讯中心 / 详情

RuoYi AI 从零到第一次对话:开箱即用的多模型 AI 助手平台

发布时间:2026/11/17 5:52:16来源:尧图网络
RuoYi AI 从零到第一次对话:开箱即用的多模型 AI 助手平台
RuoYi AI 从零到第一次对话开箱即用的多模型 AI 助手平台【免费下载链接】ruoyi-aiEnterprise-grade AI agent framework with multi-provider LLM management, secure knowledge bases and high-precision RAG, visual workflow orchestration, and multi-agent coordination.项目地址: https://gitcode.com/GitHub_Trending/ru/ruoyi-airuoyi-ai 是一个基于 Spring Boot 3.0.6 JDK 17 Maven 的 AI 助手平台底层依赖 MySQL 5.7/8.0 与 Redis 5.X前端 Vue 3 用 pnpm 管理。模型接入、SSE 流式推送、用户余额计费、后台权限它都做好了你只需要配密钥、导库表、填密码十几分钟就能看到第一个流式回复。先花 1 分钟看它帮你省了什么多模型后台化管理OpenAI、Azure、ChatGLM、讯飞星火统一在系统模型页配置单价、请求地址和上下架开关换厂商只改数据库记录不动一行代码。协议层不用碰SSE 流式输出与 WebSocket 双协议内置在 ruoyi-common/ruoyi-common-chat/ 里回复逐字蹦出来的体验由框架保证你不用关心心跳和断线。商业化链路现成用户余额、支付订单、兑换码、易支付/微信/Stripe 通道齐全见 ruoyi-admin 的支付接口从能聊到能收费不用再造一套系统。部署路线4 步跑通后端1. 克隆代码git clone https://gitcode.com/GitHub_Trending/ru/ruoyi-ai cd ruoyi-ai2. 初始化数据库。不想本地装 MySQL/Redis直接用仓库里的编排文件script/docker/docker-compose.yml里 mysql:8.0.33 和 redis:6.2.12 两个容器一条命令拉起来注意 MySQL 映射在 3307 端口配置里要对应改docker compose up -d mysql redis想用本地 MySQL 则建库后导入 script/sql/ry-vue.sql。3. 改配置。最容易卡住的一步在这里默认激活的 dev profile 数据源读的是${DB_URL}环境变量占位符没设环境变量就会连不上库。省事做法是切到 prod它内置了直连配置只需改密码# application-prod.yml url: jdbc:mysql://localhost:3306/ry-vue?... password: 改成你的密码同时在 ruoyi-admin/src/main/resources/application.yml 填模型密钥chat: apiKey: sk-your-key apiHost: https://api.openai.com/4. 打包启动并验证mvn clean package -DskipTests java -jar ruoyi-admin/target/ruoyi-admin.jar浏览器访问 http://localhost:6039 能打开登录页用 admin / admin123 进入后台后端就算通了。前端仓库 clone 下来后pnpm install pnpm devAPI 指到 6039 即可联调用户端与后台。跑通后优先体验这 4 个功能AI 对话用户端发一句话观察回复是否逐字流式落地底部切换不同模型对比输出。模型计费进后台系统模型页给一个模型改单价、换计费类型次数/token看用户余额是否随对话扣减。Midjourney 绘画绘画页选比例、风格、灯光输入 cat 出图验证 MJ 通道。多模型切换同一会话内换厂商模型不用重启服务确认路由走的是后台配置。常见问题速查启动报数据库连接失败→ 现象是启动日志抛数据源异常原因是 dev 配置读${DB_URL}环境变量本地没设解法切 prod profile 或补上环境变量。AI 答话报错或没反应→ 九成是密钥确认chat节点两行都填了中转地址apiHost结尾斜杠别漏。Redis 连接异常→ 确认 Redis 已启动且 application-dev.yml 里 host/port 与实际服务一致有密码就放开 password 行。端口 6039 被占用→ 改 application.yml 里server.port同时把前端代理里的后端地址一起换掉否则登录会 404。延伸方向MJ 深度接入Discord 账号、代理、任务队列整套代理逻辑在 ruoyi-modules/ruoyi-midjourney/mj节点配置在总配置文件里。计费与高级能力AI 翻译、AI PPT、语音克隆、AI 翻唱等业务服务集中在 ruoyi-modules/ruoyi-system/ 的 service 目录从接口实现入手看最快。CRUD 脚手架新业务建表后用 ruoyi-modules/ruoyi-generator/ 直接生成增删改查代码。容器化上线MySQL Redis 后端 两个前端的完整编排在 script/docker/docker-compose.yml改端口即可投产。把密钥填对把第一个会话跑通剩下的就是把它变成你自己的产品。【免费下载链接】ruoyi-aiEnterprise-grade AI agent framework with multi-provider LLM management, secure knowledge bases and high-precision RAG, visual workflow orchestration, and multi-agent coordination.项目地址: https://gitcode.com/GitHub_Trending/ru/ruoyi-ai创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉