[分享发现] 我写了一套 Java 生态下大模型产品企业解决方案 LangChat

可能去年发布这个项目会更好，毕竟现在已经过了风口了。但是去年 Java 生态并不完善，并且项目的前后端都是我一个人开发的，工作量非常大，于是一直耽搁。

我从从 SpringBoot 后端写到 Vue3 、TS 、Node 、React ，为了开发这个项目无论是 Java 全栈生态还是 Nextjs React 全栈生态基本都学会了。

整个项目覆盖了 Java 企业级前后端开发到部署各个领域的知识，代码规范，项目架构设计优雅，无论是企业定制还是个人学习源码都是非常不做的选择。

从企业知识库的角度，需要的可能是更高级的 RAG 、Function Call 以及更易用的大模型，所以希望这个项目还有所用。

其实最初我写这个项目的时候 COZE 等这些产品还没有出来，我起初是想写一套 LLM Workflows 流程化引擎的，但是这块工作量实在太大了（无论是前端还是后端都太多东西要写了），并且 Java 生态轻量的 workflow 也不完善所以也在耽搁。

LangChat 是 Java 生态下企业级 AIGC 项目解决方案，在 RBAC 权限体系的基础上，集成 AIGC 大模型功能，帮助企业快速定制知识库、企业机器人。

• 网站文档：http://langchat.cn/
• 后台地址：http://backend.langchat.cn/
• 前台地址：http://front.langchat.cn/
• LangChat 源码：https://github.com/tycoding/langchat
• LangChat.cn 源码：https://github.com/tycoding/langchat.cn

注意： 由于贫穷，作者使用的最低配的阿里云服务器，项目通过 frp 部署在本地电脑，无奈 frp 流量转发太慢，所以访问速度会慢一些请谅解

欢迎 Star 、fork 持续关注

特性

1. 多模态：支持集成国内外数十家 AI 大模型
2. 动态配置：支持再页面上可视化动态配置大模型参数、Key 等信息，无感刷新、无需每次重启服务
3. 知识库：支持向量化知识库文档，定制化 Prompt 对话场景
4. 高级 RAG：支持 Embedding 模型，从知识库中精确搜索；集成 Web Search 等 RAG 插件
5. Function Call：支持定制化 Tool 工具类，实现本地函数调用，从第三方加载数据并提供给 LLM
6. 多渠道发布：计划封装 Web SDK ，将 AI 智能客服快速嵌入任意第三方 Web 应用中；计划支持微信、飞书、钉钉等消息通信渠道（待完善）
7. Workflows：计划开发可视化 LLM 流程设计器，高自定义机器人执行流程（待完善）
8. 提供 AIGC 客户端应用，快速管理客户端数据
9. 更多特性和大模型的集成...

MIK-fYD77Q.png

MIK-HsjZrq.png

MIK-qmfti3.png