RuoYi AI

定义

RuoYi AI 是一套面向企业与开发者的开源 AI 应用开发平台，其定位是「开箱即用的全栈 AI 平台」，覆盖多智能体协同、流程编排、检索增强生成（RAG）等技术能力^[1][3]。它并非单一的模型或 SDK，而是把后端服务、用户前端、管理后台、小程序端、短剧平台和编程助手拆分为多个可独立部署的代码仓库^[2]。

项目沿用若依框架的模块化设计思路，在原有的权限管理、代码生成等企业级开发能力之上叠加 AI 功能，因而常被用来在既有若依项目中引入大模型能力^[4]。整套代码以 MIT 协议开放，允许修改和再分发^[1]。

原理

平台的后端由 Spring Boot 3.5.8 与 Langchain4j 组合搭建，数据层使用 MySQL 8.0 与 Redis，并根据知识库规模选择 Milvus、Weaviate 或 Qdrant 作为向量存储^[1]。认证环节采用 Sa-Token 与 JWT 双重机制，实时通信则同时提供 WebSocket 长连接与 SSE 流式响应两种方式^[1]。

在知识处理上，平台把 PDF、Word、Excel 等文档解析后切分为片段，经向量化模型编码写入向量库，检索时按相似度取回相关片段并拼接到提示词中，形成检索增强生成的完整链路^[4]。较早的版本已支持在本地部署向量化模型并调用 Ollama 运行本地大模型，使知识库检索与生成都在内网完成^[4]。

智能体部分基于 Langchain4j 的 Agent 框架实现，采用 Supervisor 模式进行编排，可由一个主智能体分派任务给多个子智能体，并允许为不同环节配置工具与技能^[2]。流程编排则通过可视化工作流设计器完成，节点可拖拽连接，执行时以 SSE 流式返回结果，目前提供模型调用、邮件发送、人工审核等节点类型^[3]。

发展历程

项目的早期版本以 RuoYi AI 为名，主打「快速搭建属于自己的 AI 助手平台」，提供完整前端、后台管理与小程序端三部分源码，功能集中在本地 RAG、联网与 SQL 查询插件、AI 绘画、语音克隆、微信接入和多种支付方式^[5][6]。这一阶段发布于 2025 年前后，代码托管于 GitHub、Gitee、GitCode 等平台^[6]。

后续版本转向企业级定位，仓库简介改为「企业级 AI 应用开发框架」，强调多厂商大模型统一接入与管理、安全可控的企业知识库、可视化流程编排以及兼容主流 Agent Skill 协议^[2][1]。项目还提供 Docker Compose 一键部署方式，可同时拉起后端、管理端、用户端及 MySQL、Redis、Weaviate、MinIO 等依赖服务，版本号已推进到 v3.1.0^[1]。

同一时期社区中出现了若干衍生分支，例如将原框架升级到 JDK 17 与 Spring Boot 3 并集成向量数据库与智能助手的 RuoYi-SpringBoot3（AI），以及在若依专业版中接入 AI 对话并通过 n8n 工作流扩展 AI 能力的 RuoYi-SpringBoot3-Pro^[7][8]。

应用

平台最常见的用途是搭建企业内部知识库问答系统，把制度文档、产品资料等导入向量库，由大模型结合检索结果作答^[4]。模型管理模块支持接入 DeepSeek、智谱、通义、MiniMax、OpenAI 等多种厂商的模型，并可与 Coze、DIFY、FastGPT、RAGFlow 等外部平台对接^[3]。

在业务侧，平台内置支付模块与微信接入能力，可把 AI 对话、支付流程、公众号或企业微信渠道组合成完整的应用链路^[5]。多媒体方向提供 AI 翻译、PPT 制作、语音克隆与翻唱等功能，工具管理则通过 MCP 协议集成外部工具以扩展智能体可调用的能力范围^[9][2]。

部署形态上既支持源码编译分步部署，也支持以容器镜像整体启动，便于在自有服务器或机房内运行^[3]。围绕核心仓库，社区还维护了短剧平台与编程助手等配套模块^[2]。

局限

平台自身不训练大模型，其问答质量取决于所接入模型与知识库文档的质量，检索增强生成也只能在给定资料范围内降低而非消除模型生成不准确内容的情况^[4]。

由于功能覆盖模型接入、向量检索、流程编排、支付与多渠道接入，项目部署涉及的组件较多，官方文档给出的环境要求包括 JDK 17、MySQL 5.7 或 8.0、Redis 5.X 以上、Maven 3.8 以上以及 Node.js 20 以上，对运行环境和运维能力有一定要求^[9]。

项目文档也指出，其发展速度受个人精力限制，早期长期处于不成熟状态并呼吁社区提交代码，部分模板需要另行购买授权；同时默认密码、开放端口等配置需要使用者自行加固^[6][1]。

参见

• 若依 —— RuoYi AI 所基于的快速开发框架，平台继承了其模块化设计与权限管理能力。

• Spring Boot —— 该项目后端服务的基础运行框架。

• Langchain4j —— 平台构建智能体与编排逻辑所使用的 Java 大模型开发框架。

• 检索增强生成 —— 平台知识库问答所采用的核心技术路线。

• 向量数据库 —— 用于存储和检索知识库文档向量的基础组件。

• 智能体 —— 平台支持的自主决策与多智能体协同形态。