RuoYi 全栈 AI 平台开源了。

大家好，我是二哥呀。

提起若依，大家都不陌生。很多二开的项目都是基于 RuoYi-Vue-Plus 这个版本开发的。

二哥之前的OA流项目PmHub就用到了若依的权限管理模块，省了不少事。

今天给大家分享的这个 RuoYi AI，是在 RuoYi-Vue-Plus 基础上扩展了 AI 功能的开源项目。

基于 Spring Boot 3.4 + Spring AI + Langchain4j 构建，深度集成了 FastGPT、扣子、DIFY 等主流 AI 平台，本地就能跑 RAG、知识图谱、数字人、AI 流程编排。

如果你正在找企业级的 AI 应用落地参考，或者想学习 Java AI 应用开发，RuoYi AI 值得花时间研究一下。

讲句公道话。

这个项目并不完美，坑还是蛮多的，我就踩了不少😄。

但这个项目的价值我认为是这样的，它给了Java开发者一个完整的AI应用落地参考。

如果你正在琢磨怎么把RAG、Agent、工作流这些AI能力整合到现有的Java项目里，RuoYi AI 是值得研究二开的。

特别是v3.0.0分支，新增了不少实用能力，比如AI流程编排、自然语言生成图表、Agent Skills等。我们后面会详细聊聊这些功能怎么用。

01、部署 RuoYi AI

和二哥之前的项目技术派、派聪明RAG一样，RuoYi AI 也支持本地部署和Docker部署两种方式。

但我用Docker启动的时候直接报错了。提示Web和admin端都没有镜像，挺尴尬的。

不过这里可以直接用Qoder Cli找到构建脚本，拉取镜像。

我们先直接打开官方的demo看一下。首先是工作流编排，类似dify和coze。

不过官方的demo 无法演示，因为体验账号的权限不足。大家如果想体验完整的工作流的编排，可以去看看PaiAgent项目，简单却五脏俱全。

1、教程地址：https://paicoding.com/column/14/1 2、源码地址：https://github.com/itwanger/PaiAgent

算是年后要发布的PaiFlow（微服务Agent项目）的初级版本，大家可以期待下。

插几句心里话。

不知道大家的感受如何，我是在2026年的1月份突然感觉到被AI冲击到了。

不管是coding上，还是内容创作上，冲击力不小，以至于经常深夜emo，思考马年该如何重新出发。

焦虑完全大于兴奋。

02、RAG 知识库实战

RAG 是 2025年 AI 落地最火的技术方向之一，简单说就是先从知识库里检索相关内容，再扔给大模型生成回答，能有效解决大模型幻觉问题。

二哥的项目派聪明RAG相信大家都不陌生，很多 26届的同学都是靠这个项目拿到的大厂offer。

RuoYi AI 直接用 Langchain4j 框架 + BGE-large-zh-v1.5 中文向量模型实现了一套纯 Java 的 RAG 方案。

我测了一下，对比之下我还是觉得派聪明更香。

向量数据库这块，派聪明用的是ElasticSearch，若依用的是 Milvus、Weaviate。

这里也顺带给大家介绍下 RAG 的架构：

现在有很多公司想做 AI 应用，又不想把核心数据传给第三方平台，RAG 这种本地化方案正好解决了这个痛点。

03、v3.0.0分支的进化

我在GitHub上发现RuoYi AI有个v3.0.0分支，集成了一些更实用的能力。这个分支相比主分支，主要在三个方向做了增强：AI工作流编排、自然语言生成图表、Agent Skills。

AI工作流编排

v3.0.0的工作流编排不只是简单的节点拖拽，它支持两种模式：传统工作流和AI流程编排。

传统工作流就是我们常见的那种，预先定义好节点和连接关系，按照固定路径执行。这种方式适合业务逻辑明确的场景，比如"用户提交表单 -> 审批 -> 归档"这类流程。

AI流程编排更智能一些，它能根据用户输入动态调整执行路径。举个例子，用户问"帮我分析一下这个月的销售数据"，系统会自动判断需要调用哪些节点：先查询数据库，再做统计分析，最后生成图表。整个过程不需要你提前画好流程图。

【此处插入工作流编排截图：截图目标：展示AI流程编排的节点配置界面；关键词：流程节点、动态路由、条件判断；建议位置：管理后台工作流设计器页面】

这种能力在实际业务中挺有用的。比如你做客服系统，用户的问题千奇百怪，没法用固定流程覆盖所有场景。AI流程编排可以根据问题类型自动决定是查知识库、转人工、还是调用工具。

不过我测试下来，这个功能还在打磨阶段，复杂流程的稳定性需要提升。建议先从简单场景入手，比如"问答+工具调用"这种两三个节点的流程。

自然语言生成图表

这个功能解决了一个很实际的问题：不懂技术的业务人员也能快速生成数据可视化图表。

你只需要用自然语言描述需求，比如"给我画一个最近7天的销售趋势图，横坐标是日期，纵坐标是销售额"，系统会自动生成对应的图表配置和代码。

底层实现用的是大模型+代码生成。系统会先理解你的需求，然后生成ECharts配置代码，最后渲染成图表。如果效果不满意，还可以继续用自然语言调整，比如"把柱状图改成折线图"。

【此处插入自然语言生成图表截图：截图目标：展示从文本描述到图表生成的完整流程；关键词：自然语言输入、图表预览、代码生成；建议位置：用户端图表生成页面】

这个功能对非技术人员特别友好。以前做个数据报表，要么找开发，要么自己学Excel。现在直接说需求，AI帮你搞定。

但也有局限性，目前只支持常见的图表类型（柱状图、折线图、饼图等），复杂的自定义图表还做不到。而且生成的代码质量参差不齐，有时候需要手动调整。

Agent Skills能力

v3.0.0引入了Agent Skills机制，这是AI助手自主决策的关键。

简单说，Skills就是给AI定义一套可以调用的工具集。比如你可以定义一个"查询天气"的Skill，包含调用哪个API、需要哪些参数、返回什么格式。AI在对话过程中，会根据用户意图自动选择合适的Skill执行。

这个设计的好处是扩展性强。你可以根据自己的业务需求，定义专属的Skills。比如电商场景可以定义"查订单"、"申请退款"、"推荐商品"等Skills，客服场景可以定义"查用户信息"、"创建工单"、"转人工"等Skills。

【此处插入Agent Skills配置截图：截图目标：展示Skills的定义和配置界面；关键词：Skill列表、参数配置、调用链路；建议位置：管理后台Skills管理页面】

实际使用中，我发现这个功能和工作流编排可以配合使用。工作流负责大的流程控制，Skills负责具体的能力执行。比如一个"智能客服"工作流，可以在不同节点调用不同的Skills。

话说回来，v3.0.0这些新功能确实提升了项目的实用性。虽然每个功能单独拿出来都不是最顶尖的，但组合在一起，给Java开发者提供了一个相对完整的AI应用开发框架。

你可以把它当成学习案例，看看Spring AI、Langchain4j这些框架怎么用；也可以基于它做二开，快速搭建自己的AI应用。

04、如何写到简历上

项目名称： 企业级 AI 智能助手平台

项目简介： 基于Spring Boot 3.4 + Spring AI + Langchain4j 构建的全栈式AI开发平台，集成RAG知识库、多模型接入、AI流程编排等企业级能力，支持完全本地化部署。

技术栈： Java 17、Spring Boot 3.4、Spring AI、Langchain4j、Vue 3、Vben Admin、Milvus、Redis

核心职责：

• 基于 Langchain4j 框架 + BGE-large-zh-v1.5 中文向量模型实现本地化 RAG 方案，支持 PDF、Word、Excel 等多格式文档解析和向量化存储，知识检索准确率提升 40%
• 设计统一聊天服务接口，实现 FastGPT、扣子、DIFY 三大 AI 平台的无缝切换和负载均衡，降低单一平台依赖风险
• 集成 Spring AI MCP 协议，构建可扩展的 AI 工具生态系统，支持动态接入 OpenAI、通义千问、智谱 AI 等多家大模型
• 基于可视化工作流引擎实现AI流程编排能力，支持传统节点编排和智能路由两种模式，业务流程配置效率提升60%
• 开发Agent Skills机制，设计工具注册、参数解析、结果回调的完整链路，实现AI助手的自主工具调用和任务执行
• 实现自然语言到可视化图表的自动生成能力，通过大模型理解需求并生成ECharts配置代码，非技术人员也能快速制作数据报表

05、ending

写这篇文章的时候，我一直在想一个问题。

我们评价一个开源项目，到底应该看什么？

是代码有多精妙？架构有多优雅？还是功能有多完善？

其实都不是。

真正有价值的开源项目，应该是【能让更多人上手，能解决真实问题，能让开发者少走弯路】。

RuoYi AI就是这样一个项目。它不是最完美的，工作流编排没有Dify强大，RAG方案没有派聪明精细，但它把这些能力整合在一起，用Java开发者熟悉的Spring Boot技术栈呈现出来。

这就够了。

你可以用它快速搭建一个AI客服系统。

可以用它做企业内部的知识库问答。

可以用它学习Spring AI和Langchain4j怎么用。

可以把它写进简历，作为AI项目经验的敲门砖。

开源的意义不是造出完美无缺的轮子。

开源的意义是降低门槛，让更多人参与进来，一起把事情做好。

v3.0.0分支的那些新功能，也许现在还不够成熟，但它至少给了我们一个方向：AI应用不只是调大模型API，还可以做工作流编排、做自主决策、做自然语言交互。

这些能力组合起来，才是真正能落地的AI应用。

所以，RuoYi AI值得你花时间研究吗？

如果你是Java开发者，想入门AI应用开发，答案是肯定的。

如果你想找一个成熟稳定的生产级方案，可能还需要再等等。

但无论如何，这个项目证明了一件事：

【Java开发者在AI时代，不是旁观者，而是参与者】。