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!
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C094
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00