JeecgBoot 3.8.0版本发布:AI低代码平台的全面升级
JeecgBoot作为国内知名的低代码开发平台,在3.8.0版本中实现了重大突破,正式转型为"AI低代码平台"。这一版本的核心亮点是引入了一整套AI大模型功能,使开发者能够快速构建和部署个性化AI应用,显著降低了AI技术的应用门槛。
平台架构与核心功能
JeecgBoot 3.8.0版本构建了一个完整的AI应用开发生态系统,主要包括以下核心模块:
-
AI模型管理:支持对接多种主流大语言模型,包括DeepSeek、ChatGPT、Qwq、智普等,同时兼容本地搭建的Ollama模型。平台提供了统一的模型接入接口,开发者可以轻松切换不同模型而无需修改业务代码。
-
AI应用管理:分为普通应用和高级流程应用两种类型。普通应用适合简单的AI场景配置,而高级流程应用则通过可视化编排满足复杂业务需求。
-
知识库系统:支持多种文档格式导入(PDF、Word、Excel等),并能保持原始格式和图片。特别值得一提的是对Markdown文档库的完整支持,这在同类产品中较为少见。
-
流程编排引擎:提供强大的可视化流程设计器,包含开始、结束、AI知识库节点、分类节点、分支节点等十余种节点类型,支持复杂业务逻辑的图形化编排。
-
对话系统集成:不仅提供内置的AI聊天功能,还能将聊天助手无缝嵌入到第三方系统中,快速为现有系统增加智能交互能力。
技术实现与创新
JeecgBoot的AI子系统采用Java+Vue3技术栈实现,与平台原有的低代码能力深度整合。在技术实现上有几个显著创新点:
-
文档处理优化:针对业界常见的文档格式转换问题,JeecgBoot特别优化了PDF和Markdown文档的处理能力,能够完整保留原始格式和图片,解决了内容丢失和格式错乱的痛点。
-
RAG增强检索:实现了完整的检索增强生成(RAG)管道,从文档摄入、文本提取到向量搜索的全流程支持,显著提升了AI回答的准确性和相关性。
-
流程即服务:将AI流程编排作为低代码业务引擎的一部分,用户可以通过配置实现各种业务流和AI流程,生成的流程可以直接作为API服务提供。
-
多模型统一接口:抽象出统一的模型调用接口,开发者无需关心底层模型差异,同一套业务代码可以无缝切换不同的大模型后端。
应用场景与优势
相比专注于AI开发的Dify等平台,JeecgBoot的最大优势在于AI能力与业务系统的深度整合。典型应用场景包括:
-
智能客服系统:快速构建基于知识库的问答系统,支持多轮对话和复杂问题处理。
-
文档智能助手:帮助企业将内部文档库转化为可交互的知识系统,员工可以通过自然语言快速获取所需信息。
-
业务流程自动化:通过AI流程编排实现复杂的业务审批、数据分析等自动化流程。
-
系统增强:将AI能力嵌入现有业务系统,如智能填单、数据校验、内容生成等功能。
JeecgBoot的独特价值在于将低代码开发效率与AI能力完美结合,开发者可以在熟悉的低代码环境中快速实现AI应用,而无需深入掌握AI技术细节。这种"AI赋能低代码"的理念,使得企业数字化转型更加高效和平滑。
未来展望
随着3.8.0版本的发布,JeecgBoot已经确立了在AI低代码领域的技术领先地位。未来平台可能会在以下方向继续深化:
- 增加更多垂直行业的预置AI解决方案
- 强化模型微调能力,支持企业私有化训练
- 优化流程编排的智能化程度,引入AI辅助设计
- 扩展更多的AI能力集成,如图像识别、语音处理等
JeecgBoot 3.8.0版本不仅是功能更新,更代表了低代码平台向智能化演进的重要里程碑,为开发者提供了拥抱AI时代的有力工具。
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