环曜Agent定位很清晰:让非技术人员也能创建和管理AI智能体。本文从整体架构和技术选型角度,解析这个企业级AI智能体管理平台的完整技术体系。平台支持完全本地化部署,所有依赖服务可运行于企业内网,数据不出内网,满足制造、政企、医疗等数据敏感行业的合规要求。
一、为什么需要企业级AI智能体平台
传统的AI应用存在几个典型问题:
知识断层
模型不懂企业业务知识,问内部流程就瞎编
工具匮乏
只能对话,不能查数据库、不能调接口
成本黑盒
用了多少Token、花了多少钱,完全没概念
重复造轮子
每个部门都想做AI助手,结果各搞各的
环曜Agent本质上是把这些问题一次性解决——不是简单的"套壳"大模型API,而是一个完整的智能体编排与管理平台。
二、项目定位与核心能力
环曜Agent的核心功能矩阵:
| 功能模块 | 解决的问题 | 技术亮点 |
|---|---|---|
| 智能体管理 | 零代码创建AI助手 | 可视化配置,5分钟上线 |
| RAG知识库 | 解决模型知识断层 | 混合检索+重排序,准确率92%+ |
| 可视化工作流 | 复杂任务自动化 | 拖拽式编排,27种节点 |
| AI数据分析 | 降低数据查询门槛 | 自然语言转SQL/DSL,四层安全防护 |
| Function Calling | 扩展AI能力边界 | 内置7种工具,支持自定义 |
| Token统计 | 成本透明化 | 多维度统计,精确到每次调用 |
| 本地化部署 | 数据安全与内网隔离 | MySQL+Redis+ES全本地,零外网依赖 |
最让人意外的是AI数据分析功能。传统BI工具学习成本太高,业务人员根本用不起来。环曜Agent让用户直接用自然语言提问,比如"最近7天销售额排名前10的商品",系统自动生成SQL并执行。四层安全防护层层把关,不用担心数据被误删。
三、技术架构拆解
3.1 整体分层架构
┌─────────────────────────────────────────┐
│ 前端层 (Vue 3 + Element Plus) │
│ 智慧大厅 | 智能体管理 | 知识库 | 工作流 │
└─────────────────────────────────────────┘
↕ REST API
┌─────────────────────────────────────────┐
│ 应用层 (Spring Boot 3.2.6) │
│ 对话服务 | 智能体服务 | 数据查询 | 工作流 │
└─────────────────────────────────────────┘
↕
┌─────────────────────────────────────────┐
│ 引擎层 (LangChain4j) │
│ LLM引擎 | RAG引擎 | 工具引擎 | 记忆引擎 │
└─────────────────────────────────────────┘
↕
┌─────────────────────────────────────────┐
│ 数据层 │
│ MySQL(业务) | Redis(缓存) | ES(向量) │
└─────────────────────────────────────────┘
3.2 后端技术选型
核心框架
Spring Boot 3.2.6 + Java 17
企业级应用里Java生态更成熟,运维人员也熟悉。Spring Boot 3.2要求Java 17,用上了虚拟线程等新特性,并发处理能力有提升。
AI框架
LangChain4j 1.0.0-beta3
Java版LangChain,核心能力都有:Prompt模板、RAG链、Function Calling、记忆管理。支持多模型接入:阿里百炼、OpenAI GPT、Ollama本地模型。
数据存储
- MySQL - 存业务数据(智能体配置、知识库元数据、工作流定义等)
- Redis - 做缓存和对话记忆(分布式场景下多个实例共享对话历史)
- Elasticsearch 8.14.3 - 向量存储和全文检索,ES 8.14版本内置了dense_vector类型和kNN搜索
3.3 前端技术选型
Vue 3.5.13 + Vite 5.4.8 + Element Plus 2.8.4 — 标准的Vue 3技术栈。
工作流编排
@vue-flow/core
Markdown渲染
Marked + Highlight.js
图表
ECharts 5
四、部署架构与本地化优势
环曜Agent最大的卖点之一是完全支持本地化部署。依赖服务一览:
| 服务 | 用途 | 是否必需 | 本地部署难度 |
|---|---|---|---|
| MySQL 8.0+ | 业务数据库 | 是 | 简单 |
| Redis 7.0+ | 缓存/会话 | 是 | 简单 |
| Elasticsearch 8.14.3 | 向量存储/数据分析 | 是 | 中等 |
| MinIO | 对象存储 | 否 | 简单 |
| LibreOffice | 文档转PDF | 推荐 | 简单 |
所有依赖服务都可以本地部署,不需要连外网。对于数据敏感的企业来说,这是刚需。
更妙的是,环曜Agent还内置了LocalEmbeddingModel。当你没有配置API Key时,它会自动降级使用本地词袋模型做Embedding。虽然效果不如云端Embedding,但在内网环境下能跑起来。
五、性能指标实测
本地MacBook Pro(M3 Pro,18GB内存)实测数据:
| 指标 | 官方数据 | 实测数据 |
|---|---|---|
| 对话响应延迟 | < 500ms | ~300ms(不含LLM推理) |
| RAG检索延迟 | < 200ms | ~150ms |
| SQL生成延迟 | < 2s | ~1.5s |
| 并发支持 | 1000+ | 单实例支撑小团队(几十人)完全没问题 |
如果要上生产,ES做集群、后端做多实例,支撑几百人应该轻松。
六、小结
环曜Agent的架构设计有几个值得学习的地方:
分层清晰
前后端分离,引擎层独立,方便替换实现
扩展性强
多模型、多数据源、自定义工具,接入成本低
企业级考量
安全认证、权限控制、审计日志、成本统计
本地化友好
所有依赖可本地部署,支持离线运行