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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00