Wang-Template:简洁易用的报告生成系统
项目介绍
Wang-Template 是一款从实际生产平台中抽离出来的报告渲染模块,现已独立成为一个简洁易用的报告生成系统。该系统采用前后端分离的架构,专注于报告生成,支持对接任意数据源,并通过自定义模板生成各种类型的报告。无论是企业内部的报告生成需求,还是对外提供的数据分析报告,Wang-Template 都能轻松应对。
项目技术分析
核心技术栈
- Java 8+:作为后端开发语言,保证了系统的稳定性和性能。
- Spring 5.3.31:提供了强大的依赖注入和AOP功能,简化了开发流程。
- Spring Boot 2.7.18:快速构建独立的、生产级别的Spring应用,减少了大量的配置工作。
支持的数据源类型
- 关系型数据库 SQL:通过JDBC接口实现数据查询,已验证支持MySQL、Postgresql和H2数据库。
支持的报告类型
- Word报告:使用 poi-tl 支持Word模板的编辑,生成Word报告。
- 文本报告:使用 FreeMarker 支持任意文本报告的编辑,生成TXT、Markdown、HTML等格式的报告。
项目及技术应用场景
Wang-Template 适用于多种场景,包括但不限于:
- 企业内部报告生成:如财务报表、销售报告、运营分析等。
- 数据分析平台:作为数据分析结果的输出模块,生成可视化的报告。
- 智能客服系统:生成客服对话记录报告,辅助客服质量监控。
- 教育培训:生成学生成绩报告、课程进度报告等。
项目特点
1. 轻量化
Wang-Template 专注于报告生成,不涉及其他复杂功能,使得系统轻量化,易于部署和维护。
2. 可扩展
采用模块化架构和面向接口的设计,使得系统易于扩展,可以快速对接新的数据源和渲染方式。
3. 易整合
系统设计简洁,易于整合到其他系统中,作为报告生成功能的模块。
4. 更智能
整合了大文本人工智能服务,提供更智能化的报告生成能力,如自动数据分析、智能推荐等。
部署与使用
快速部署
参考 Docker Compose 的快速部署项目:
- Github: https://github.com/52jing/wang-template-compose
- Gitee: https://gitee.com/i52jing/wang-template-compose
后端部署
使用 Docker 部署
docker build -t wang-template-backend:1.0 .
docker run -d --name wang-template-backend -p 8000:8000 -v <path-to-config>/application-prod.yml:/opt/config/application-prod.yml wang-template-backend:1.0
手动部署
使用 Maven 构建打包:
mvn clean package -DskipTests
前端部署
使用 Docker 部署
docker build -t wang-template-admin:1.0 .
docker run -d --name wang-template-admin -p 8001:80 wang-template-admin:1.0
手动部署
使用 Vite 构建打包:
yarn build
系统截图
配置数据源

配置数据源参数

数据源详情

测试获取数据

配置模版

创建生成任务

查看结果

配置说明
配置文件
添加配置文件 application-prod.yml 或 application-prod.properties,可参考 app/src/main/resources/example-application-dev.yml 文件。
配置数据库
在 spring.datasource.druid 项下配置或在 mybatis-flex.datasource.master 下配置。
配置附件存储
附件存储基于 x-file-storage,支持本地存储、MinIO、公有云对象存储等。
配置报告分析(人工智能)
启用报告指标分析,并配置 Kimi API 密钥。
模版说明
模版上下文对象
所有的模版都注入了渲染的上下文对象,对象格式如下:
{
"templateName": "",
"datasourceName": "",
"params": {},
"envs": {
"year": 2024,
"month": 6,
"day": 12,
"dayOfWeek": 3,
"hour": 0,
"minute": 0,
"second": 0
},
"data": {}
}
Word模版
Word 模板基于 poi-tl,模版语法可参考官方文档。
文本模版
文本模版基于 FreeMarker,模板语法可参考官方文档。
后续计划
- 支持更多数据源
- 增加定时任务和生成计划
- 集成更多人工智能能力
Wang-Template 以其简洁易用、高度可扩展的特点,必将成为您报告生成需求的首选工具。立即体验,开启智能报告生成的新篇章!
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00