RuoYi-Vue-Pro 项目集成 Azure OpenAI 的技术实现
在开源项目 RuoYi-Vue-Pro 的最新更新中,开发团队成功实现了对 Azure AI 服务的集成支持。这一功能的加入为开发者提供了更多元化的 AI 能力接入选择,进一步丰富了项目的技术生态。
技术背景与需求
Azure AI 是微软云平台提供的企业级 AI 服务,相比直接使用 AI 官方接口,Azure 版本提供了更好的企业级安全管控、资源隔离和合规性保障。对于需要将 AI 能力集成到企业应用中的开发者而言,Azure AI 是一个更可靠的选择。
RuoYi-Vue-Pro 作为一个基于 Spring Boot 和 Vue 的企业级快速开发框架,此前已经支持了多种 AI 服务的集成。但 Azure AI 的接入需要特定的 API 终结点格式和认证机制,这与标准 AI 接口存在差异,因此需要专门的适配实现。
实现方案
开发团队通过以下关键技术点实现了 Azure AI 的集成:
-
API 终结点适配
Azure AI 的 API 地址格式与官方 AI 不同,需要按照https://{resource-name}.ai.azure.com的格式进行配置。开发团队在项目中新增了专门的配置项来支持这种格式。 -
认证机制调整
与使用 API Key 直接认证的标准 AI 不同,Azure AI 要求在每个请求头中携带api-key字段进行认证。项目中的 HTTP 客户端模块被相应调整,以支持这种认证方式。 -
部署名称支持
Azure AI 要求在每个请求路径中包含部署名称(deployment-name)。开发团队在接口调用层实现了这一参数的动态注入,确保请求能够正确路由到指定的模型部署。 -
兼容性设计
为了保持与现有代码的兼容性,开发团队设计了统一的接口抽象层。开发者可以通过简单的配置切换来选择使用标准 AI 还是 Azure AI 服务,而业务代码无需修改。
使用示例
在 application.yml 配置文件中,开发者现在可以这样配置 Azure AI:
ai:
ai:
type: azure
api-key: your-azure-api-key
endpoint: https://your-resource-name.ai.azure.com
deployment-name: your-deployment-name
在业务代码中,开发者可以像使用标准 AI 一样调用 AI 服务,框架会自动根据配置选择正确的实现方式。
技术价值
这一功能的实现为 RuoYi-Vue-Pro 用户带来了以下价值:
- 企业级合规支持:满足需要 Azure 环境的企业用户的安全和合规要求。
- 资源隔离保障:Azure 部署确保计算资源专有,避免公开 API 可能遇到的限流问题。
- 技术生态扩展:丰富了项目的 AI 能力接入选项,为开发者提供更多选择。
- 无缝切换体验:统一的 API 设计让开发者可以轻松在不同 AI 服务间切换。
总结
RuoYi-Vue-Pro 对 Azure AI 的集成支持体现了项目团队对开发者实际需求的敏锐洞察。通过精心设计的架构和实现,团队成功将企业级 AI 能力无缝融入框架,同时保持了良好的使用体验和代码简洁性。这一功能的加入将进一步扩大 RuoYi-Vue-Pro 在企业应用开发领域的适用场景。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00