itwanger/PaiAgent
703 GitHub stars and counting — itwanger/PaiAgent is a Java project TopGit is tracking across repositories on the platform. 🔥轻量级的AI工作流编排系统，类似dify、n8n，全程使用Vibe Coding，AI工具为Qoder+CLI。涉及到的技术栈包括SpringAI、LangGraph4J、SSE、MinIO、DAG自定引擎等。
Snapshot summary built from the project's own GitHub metadata — there's no written TopGit review yet. The page will update automatically when a full review is published.
TopGit writes full reviews for the most-starred, most-requested repositories. This page is a snapshot until then — see the READ ME tab for the original README in full.
Snapshot
Top contributors
Show top contributors
PaiAgent
企业级 AI 工作流可视化编排平台
通过拖拽式界面快速构建、编排和执行 AI 工作流，让 AI 能力组合更简单
快速开始 • 功能特性 • 技术架构 • 使用文档 • 开发进度• 国内AtomGit托管
📖 项目简介
PaiAgent 是一个企业级的 AI 工作流可视化编排平台，让 AI 能力的组合和调度变得简单高效。通过直观的拖拽式界面，开发者和业务人员都能快速构建复杂的 AI 处理流程，无需编写代码即可实现多种大模型的协同工作。
💡 为什么选择 PaiAgent？
- 🎯 零代码编排：可视化拖拽界面，无需编程即可构建复杂 AI 工作流
- 🚀 双引擎驱动：自研 DAG 引擎 + LangGraph4j 状态图引擎，按需切换，兼顾简洁与复杂场景
- 🔌 多模型统一：基于 Spring AI 框架，统一接入 OpenAI、DeepSeek、通义千问等主流大模型
- 🧠 Skills 技能系统：内置提示词工程技能框架，支持 YAML 前缀声明式技能定义，三级渐进式加载
- 🛠️ 灵活扩展：基于插件化设计，轻松开发自定义节点满足个性化需求
- 🐛 实时调试：内置调试面板，支持 SSE 流式输出，可视化执行过程
- 📦 开箱即用：完整的前后端解决方案，快速部署到生产环境
项目教程
我已经放到技术派上了，点击这里查看详细教程（限时免费）。
第一期我更新了五篇教程，有想学习的同学可以跟着这个项目冲。
- 搭建PaiAgent脚手架
- 节点配置
- LLM节点开发
- 超拟人音频节点
- 工作流实时推送
第二期我更新了三篇教程，分别是写简历、面试题和LangGraph4J。
- 写简历
- 面试题
- LangGraph4J
✨ 核心特性
可视化流程编辑器
基于 ReactFlow 构建的专业流程图编辑器，支持节点拖拽、连线配置、参数编辑等完整功能。
多大模型节点支持
基于 Spring AI + Spring AI Alibaba 框架统一接入：
- OpenAI 节点：GPT-5 等模型（Spring AI OpenAI 接口）
- DeepSeek 节点：国产大模型（OpenAI 兼容接口）
- 通义千问节点：阿里云千问系列（Spring AI Alibaba DashScope 原生支持）
- 智谱 AI 节点：GLM 系列模型（OpenAI 兼容接口）
- AIPing 节点：第三方模型代理（OpenAI 兼容接口）
工具节点生态
- TTS 音频合成：支持通义 Qwen3 TTS 与阶跃星辰 StepAudio 的超拟人语音生成
- 输入/输出节点：灵活的数据输入输出
- 自定义扩展：基于统一接口开发专属节点
DAG 工作流引擎
- 拓扑排序：基于 Kahn 算法的节点调度
- 循环检测：DFS 深度优先搜索防止死循环
- 数据流转：节点间智能数据传递机制
- 执行监控：完整的执行日志和结果记录
LangGraph4j 状态图引擎（新增）
- 状态图编排：基于 LangGraph4j 的 StateGraph 构建复杂工作流，支持条件分支与动态路由
- 双引擎切换：通过 EngineSelector 按
engineType字段自动路由到 DAG 或 LangGraph 引擎，向后兼容 - 异步节点执行：NodeAdapter 将现有 NodeExecutor 适配为 AsyncNodeAction，无需重写业务逻辑
- 状态管理：StateManager 统一管理工作流上下文，支持 inputData、nodeOutputs、globalContext
- 事件回调：执行过程中触发 ExecutionEvent，实时反馈每个节点的启动、成功和异常
Skills 技能系统（新增）
- 声明式技能定义：通过 SKILL.md + YAML Frontmatter 定义技能名称、描述和执行规则
- 三级渐进式加载：摘要（名称+描述）→ 详情（完整 SKILL.md）→ 引用文档（reference 子目录），按需加载节省 Token
- 技能注册中心：SkillRegistry 应用启动时自动扫描 classpath 和文件系统，缓存到 ConcurrentHashMap
- LLM Function 集成：通过 LoadSkillDetailFunction / LoadSkillReferenceFunction 暴露为 Spring AI FunctionCallback，让大模型自主调用技能
- REST API 支持：提供技能列表查询、详情获取、引用文档加载等接口
- 前端技能选择器：SkillSelector 组件支持在工作流中选择和应用技能
🎯 应用场景
| 场景类别 | 具体应用 | 适用对象 |
|---|---|---|
| 📝 内容生成 | 批量文章生成、多语言翻译、内容改写润色 | 内容创作者、营销团队 |
| 💬 智能客服 | 多轮对话流程、意图识别与智能响应 | 客服团队、产品经理 |
| 📊 数据处理 | 文本分析、信息抽取、数据清洗转换 | 数据分析师、研发团队 |
| 🎵 音视频处理 | 语音合成、字幕生成、音频转写 | 内容团队、教育行业 |
| ⚙️ 流程自动化 | 报告生成、邮件自动回复、定时任务 | 运营团队、企业用户 |
🏗️ 技术架构
系统架构
┌─────────────────────────────────────────────────────────┐
│ 前端层 (Frontend) │
│ React 18 + TypeScript + ReactFlow + Ant Design │
│ • 可视化编辑器 • 节点面板 • 调试工具 │
└────────────────────┬────────────────────────────────────┘
│ REST API / SSE
┌────────────────────┴────────────────────────────────────┐
│ 应用层 (Backend) │
│ Spring Boot 3.4.1 + Java 21 │
│ • Controller • Service • Interceptor │
└────────────────────┬────────────────────────────────────┘
│
┌────────────────────┴────────────────────────────────────┐
│ 核心引擎层 (Engine) │
│ • EngineSelector: 引擎路由（DAG / LangGraph） │
│ • DAGParser: 拓扑排序 + 循环检测 │
│ • LangGraph4j: 状态图编排 + 条件路由 │
│ • SkillRegistry: 技能注册中心 + 渐进式加载 │
│ • NodeExecutor: 节点执行器工厂 │
└────────────────────┬────────────────────────────────────┘
│
┌────────────────────┴────────────────────────────────────┐
│ AI 模型层 (Spring AI) │
│ • Spring AI: OpenAI/DeepSeek/智谱 等兼容接口 │
│ • Spring AI Alibaba: 通义千问 DashScope 原生支持 │
│ • ChatClientFactory: 统一的 ChatClient 动态工厂 │
└────────────────────┬────────────────────────────────────┘
│
┌────────────────────┴────────────────────────────────────┐
│ 数据层 (Data & Storage) │
│ • MySQL: 工作流配置、执行记录 │
│ • MinIO: 文件存储 (可选) │
└─────────────────────────────────────────────────────────┘
技术栈详情
| 层级 | 技术选型 | 版本要求 | 说明 |
| 前端 | React | 18.x | 现代化 UI 框架 |
| TypeScript | 5.x | 类型安全保障 | |
| Vite | 5.x | 高性能构建工具 | |
| ReactFlow | 最新版 | 专业流程图库 | |
| Ant Design + Tailwind CSS | - | 企业级 UI 组件 | |
| Zustand | 最新版 | 轻量级状态管理 | |
| 后端 | Spring Boot | 3.4.1 | 企业级 Java 框架 |
| Java | 21+ | LTS 长期支持版本 | |
| MyBatis-Plus | 3.5.5 | 增强版 ORM 框架 | |
| Spring AI | 1.0.0-M5 | AI 模型统一调用框架 | |
| Spring AI Alibaba | 1.0.0-M6.1 | 通义千问 DashScope 原生支持 | |
| MySQL | 8.0+ | 关系型数据库 | |
| FastJSON2 | 最新版 | 高性能 JSON 库 | |
| MinIO | 可选 | 对象存储服务 | |
| 核心引擎 | 自研 DAG 引擎 | - | 工作流编排核心（拓扑排序 + 循环检测） |
| LangGraph4j Core | 1.1.5 | 状态图工作流引擎 | |
| LangGraph4j Spring AI | 1.8.0-beta3 | LangGraph4j 与 Spring AI 集成桥接 | |
| Skills 技能系统 | - | 声明式提示词工程框架 | |
| EngineSelector | - | 双引擎动态路由选择 | |
| Spring AI ChatClient | - | 统一 AI 模型调用接口 | |
| ChatClientFactory | - | 动态创建不同模型客户端 |
📁 项目结构
PaiAgent-one/
├── backend/ # Spring Boot 后端服务
│ ├── src/main/
│ │ ├── java/com/paiagent/
│ │ │ ├── engine/ # 🎯 工作流引擎（核心）
│ │ │ │ ├── WorkflowEngine.java # 工作流编排引擎
│ │ │ │ ├── EngineSelector.java # 双引擎路由选择器
│ │ │ │ ├── dag/DAGParser.java # 拓扑排序+循环检测
│ │ │ │ ├── langgraph/ # 🆕 LangGraph4j 引擎
│ │ │ │ │ ├── LangGraphWorkflowEngine.java # LangGraph 执行引擎
│ │ │ │ │ ├── WorkflowState.java # 状态模型
│ │ │ │ │ ├── builder/GraphBuilder.java # StateGraph 构建器
│ │ │ │ │ ├── adapter/NodeAdapter.java # AsyncNodeAction 适配器
│ │ │ │ │ └── state/StateManager.java # 状态管理器
│ │ │ │ ├── skill/ # 🆕 Skills 技能系统
│ │ │ │ │ ├── Skill.java # 技能数据模型
│ │ │ │ │ ├── SkillRegistry.java # 技能注册中心
│ │ │ │ │ ├── SkillLoader.java # SKILL.md 解析器
│ │ │ │ │ ├── LoadSkillDetailFunction.java # FunctionCallback: 加载详情
│ │ │ │ │ └── LoadSkillReferenceFunction.java # FunctionCallback: 加载引用
│ │ │ │ ├── llm/ # LLM 调用层（Spring AI）
│ │ │ │ │ ├── ChatClientFactory.java # ChatClient 动态工厂
│ │ │ │ │ ├── PromptTemplateService.java # 提示词模板处理
│ │ │ │ │ └── LLMNodeConfig.java # LLM 节点配置
│ │ │ │ ├── executor/ # 节点执行器
│ │ │ │ │ ├── NodeExecutor.java # 执行器接口
│ │ │ │ │ ├── NodeExecutorFactory.java # 工厂模式
│ │ │ │ │ └── impl/ # 具体实现
│ │ │ │ │ ├── AbstractLLMNodeExecutor.java # LLM 抽象基类
│ │ │ │ │ ├── InputNodeExecutor.java
│ │ │ │ │ ├── OutputNodeExecutor.java
│ │ │ │ │ ├── OpenAINodeExecutor.java
│ │ │ │ │ ├── DeepSeekNodeExecutor.java
│ │ │ │ │ ├── QwenNodeExecutor.java
│ │ │ │ │ ├── ZhiPuNodeExecutor.java
│ │ │ │ │ ├── AIPingNodeExecutor.java
│ │ │ │ │ └── TTSNodeExecutor.java
│ │ │ │ └── model/ # 数据模型
│ │ │ ├── controller/ # REST API 接口层
│ │ │ ├── service/ # 业务逻辑层
│ │ │ ├── mapper/ # MyBatis-Plus 数据访问层
│ │ │ ├── entity/ # 数据库实体
│ │ │ ├── dto/ # 数据传输对象
│ │ │ ├── config/ # 配置类
│ │ │ ├── interceptor/ # 拦截器（认证）
│ │ │ └── common/ # 通用工具
│ │ └── resources/
│ │ ├── application.yml # 应用配置
│ │ ├── schema.sql # 数据库初始化脚本
│ │ └── skills/ # 🆕 技能资源目录
│ │ └── ai-podcast/ # 示例技能：AI 播客脚本生成
│ │ ├── SKILL.md # 技能定义（YAML + Markdown）
│ │ └── reference/ # 引用文档
│ │ ├── script-template.md
│ │ └── voice-guide.md
│ └── pom.xml # Maven 依赖配置
│
├── frontend/ # React 前端应用
│ ├── src/
│ │ ├── components/ # 🎨 核心组件
│ │ │ ├── FlowCanvas.tsx # ReactFlow 流程编辑器
│ │ │ ├── NodePanel.tsx # 可拖拽节点面板
│ │ │ ├── DebugDrawer.tsx # 调试抽屉面板
│ │ │ ├── AudioPlayer.tsx # 音频播放器
│ │ │ └── SkillSelector.tsx # 🆕 技能选择器
│ │ ├── pages/ # 页面组件
│ │ │ ├── LoginPage.tsx # 登录页
│ │ │ ├── MainPage.tsx # 工作流列表页
│ │ │ └── EditorPage.tsx # 工作流编辑器页
│ │ ├── store/ # Zustand 状态管理
│ │ │ ├── authStore.ts # 用户认证状态
│ │ │ └── workflowStore.ts # 工作流编辑状态
│ │ ├── api/ # API 调用层
│ │ ├── utils/ # 工具函数
│ │ └── App.tsx # 应用入口
│ ├── package.json # NPM 依赖配置
│ └── vite.config.ts # Vite 构建配置
│
├── docs/ # 📚 项目文档
│ ├── README.md # 项目概览（当前文件）
│ ├── USER_GUIDE.md # 用户使用指南
│ ├── PROGRESS.md # 开发进度追踪
│ ├── SUMMARY.md # 项目技术总结
│ ├── AGENTS.md # AI Agent 开发指引
│ └── mermaid.md # 架构可视化图表
│
└── .gitignore # Git 忽略配置
🚀 快速开始
环境要求
在开始之前，请确保您的开发环境满足以下要求：
| 工具 | 版本要求 | 说明 |
|---|---|---|
| Java | 21+ | 推荐使用 OpenJDK 或 Oracle JDK |
| Node.js | 18+ | 包含 npm 包管理器 |
| MySQL | 8.0+ | 数据库服务 |
| Maven | 3.8+ | Java 项目构建工具 |
一键启动指南
步骤 1：克隆项目
git clone https://github.com/yourusername/PaiAgent-one.git
cd PaiAgent-one
步骤 2：配置数据库
2.1 创建数据库
mysql -u root -p
CREATE DATABASE paiagent DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
2.2 导入初始化脚本
mysql -u root -p paiagent < backend/src/main/resources/schema.sql
2.3 配置数据库连接（环境变量方式）
本项目使用环境变量管理敏感配置，请勿将真实凭证提交到 Git。
复制后端环境变量模板并编辑：
cd backend
cp .env.example .env
编辑 backend/.env 文件，设置你的数据库密码和其他配置：
# 必填：数据库密码（生产环境必须使用强密码）
MYSQL_PASSWORD=your_strong_password_here
# 其他配置按需修改
MYSQL_HOST=localhost
MYSQL_PORT=3306
MYSQL_USERNAME=root
MYSQL_DATABASE=paiagent
# JWT 密钥（生产环境必须修改！）
JWT_SECRET=your_jwt_secret_key_minimum_32_characters
# MinIO 凭证（如使用对象存储）
MINIO_ACCESS_KEY=your_access_key
MINIO_SECRET_KEY=your_secret_key
安全提示：
.env文件已加入.gitignore，不会提交到版本库.env.example是配置模板，不包含真实敏感信息- 生产环境建议通过系统环境变量或配置中心注入
步骤 3：启动后端服务
cd backend
./mvnw spring-boot:run
✅ 后端服务启动成功后，您将看到：
Started PaiAgentApplication in X.XXX seconds
后端服务地址：http://localhost:8084（可在 .env 中通过 SERVER_PORT 修改）
步骤 4：启动前端服务
打开新的终端窗口：
cd frontend
cp .env.example .env.local
如需修改前端连接的后端地址，编辑 frontend/.env.local：
VITE_API_BASE_URL=http://localhost:8084
然后启动前端：
npm install
npm run dev
✅ 前端服务启动成功后，您将看到：
➜ Local: http://localhost:5173/
步骤 5：首次登录
开发环境默认账户（可在 backend/.env 中修改）：
| 配置项 | 默认值 | 说明 |
|---|---|---|
| 用户名 | admin | 通过 APP_AUTH_DEFAULT_USERNAME 配置 |
| 密码 | admin123 | 通过 APP_AUTH_DEFAULT_PASSWORD 配置 |
⚠️ 安全提示：
- 默认账户仅用于开发测试，生产环境必须修改或禁用
- 首次登录后请立即修改密码（功能待实现）
- 可通过环境变量
APP_AUTH_DEFAULT_USERNAME和APP_AUTH_DEFAULT_PASSWORD自定义- 将两个变量都设为空值可禁用默认账户（需配合用户注册功能使用）
步骤 6：访问应用
- 后端端口在 application.yml 中配置，当前默认值是
8084 - 前端通过 Vite 环境变量
VITE_API_BASE_URL连接后端，默认示例见frontend/.env.example - 前端不能直接读取 Spring Boot 的
application.yml，所以如果后端端口变化，需要同步调整frontend/.env.local
🎬 快速演示
创建您的第一个工作流：
- 登录系统：使用默认凭证登录
- 创建工作流：点击「新建工作流」按钮
- 拖拽节点：从左侧节点面板拖拽「输入节点」→「OpenAI节点」→「输出节点」到画布
- 连接节点：按顺序连接各个节点
- 配置参数：点击 OpenAI 节点，配置 API Key 和提示词
- 执行调试：点击「调试」按钮，查看执行结果
示例：文本转语音工作流
[输入节点] → [OpenAI节点] → [TTS节点] → [输出节点]
输入文本 生成脚本 语音合成 播放音频
🗺️ 开发路线图
✅ 已完成功能 (v1.0)
- ✅ 基础架构搭建（Spring Boot + React + TypeScript）
- ✅ 用户认证系统（Token 认证 + 拦截器）
- ✅ 可视化流程编辑器（ReactFlow 集成）
- ✅ DAG 工作流引擎（拓扑排序 + 循环检测）
- ✅ Spring AI 框架集成（v1.0.0-M5）
- 统一的 ChatClient 调用接口
- 支持 OpenAI 兼容协议（OpenAI/DeepSeek/智谱/AIPing）
- ✅ Spring AI Alibaba 集成（v1.0.0-M6.1）
- 通义千问 DashScope 原生支持
- 阿里云 Qwen 系列模型接入
- ✅ 多大模型节点支持
- OpenAI 节点（GPT 系列）
- DeepSeek 节点
- 通义千问节点
- 智谱 AI 节点
- AIPing 节点
- ✅ 工具节点实现
- 输入/输出节点
- TTS 音频合成节点
- 音频播放器组件
- ✅ SSE 实时流式输出（调试抽屉 + 日志输出 + 结果展示）
- ✅ 工作流 CRUD 管理
- ✅ 执行记录查询
- ✅ LangGraph4j 状态图引擎集成
- 基于 LangGraph4j StateGraph 的第二执行引擎
- EngineSelector 双引擎路由，支持按工作流切换
- NodeAdapter 适配器，零改动复用已有节点执行器
- StateManager 统一状态管理
- ✅ Skills 技能系统
- YAML Frontmatter + Markdown 声明式技能定义
- SkillRegistry 自动扫描加载 + ConcurrentHashMap 缓存
- 三级渐进式加载（摘要→详情→引用文档）
- Spring AI FunctionCallback 集成，LLM 可自主调用技能
- 前端 SkillSelector 技能选择器组件
- REST API 支持技能列表、详情、引用文档查询
当前完成度：98% 🎉
🚧 规划中功能 (v1.1 - v2.0)
v1.1 版本（近期）
- 🔄 条件分支节点（IF/ELSE 逻辑）
- 🔁 循环执行节点（FOR/WHILE 循环）
- 📝 更多 LLM 节点接入（Claude、Gemini、本地模型）
- 🧠 更多内置技能（文档摘要、代码审查、数据分析等）
- 🧪 集成测试完善
- 📊 执行性能监控
v1.5 版本（中期）
- 🔗 子工作流调用（工作流复用）
- ⏰ 定时任务调度（Cron 表达式）
- 📦 工作流版本管理（Git 风格）
- 🎨 工作流模板市场
- 🖼️ 更多工具节点（图像处理、文档解析、Web爬虫）
v2.0 版本（远期）
- 👥 多租户与权限管理
- 🤝 协作与分享功能
- 📈 性能监控与告警
- 🌍 国际化支持（多语言）
- 🔌 插件市场（第三方节点）
📚 项目文档
| 文档类型 | 文档链接 | 说明 |
|---|---|---|
| 📖 使用指南 | USER_GUIDE.md | 详细使用说明和最佳实践 |
| 📊 开发进度 | PROGRESS.md | 项目开发阶段和完成情况 |
| 📝 项目总结 | SUMMARY.md | 技术选型和实现总结 |
| 📋 完成报告 | PROJECT_COMPLETION_REPORT.md | 项目交付报告 |
| 🏗️ 架构设计 | mermaid.md | 系统架构可视化图表 |
| 🤖 开发指南 | AGENTS.md | AI Agent 开发指引 |
🔧 核心功能详解
工作流编排
节点类型
- 输入节点：接收外部输入数据，作为工作流的起点
- 输出节点：输出工作流执行结果，作为工作流的终点
- LLM 节点：调用大语言模型进行文本生成、理解等任务
- 工具节点：执行特定功能，如 TTS 语音合成、图像处理等
连线规则
- 节点之间通过有向边连接，表示数据流向
- 支持一对多、多对一的连接方式
- 自动检测循环依赖，防止死锁
DAG 引擎机制
工作流解析流程
- JSON 解析：将前端配置解析为 WorkflowConfig 对象
- 拓扑排序：使用 Kahn 算法确定节点执行顺序
- 循环检测：DFS 深度优先搜索检测循环依赖
- 节点调度：按拓扑顺序依次执行节点
- 数据传递：上游节点输出作为下游节点输入
- 结果记录：保存每个节点的执行结果和日志
数据传递机制
// 节点执行器接口
public interface NodeExecutor {
Map<String, Object> execute(WorkflowNode node, Map<String, Object> input);
}
// LLM 节点通过 Spring AI ChatClient 统一调用
ChatClient chatClient = chatClientFactory.createClient(nodeType, apiUrl, apiKey, model, temperature);
String response = chatClient.prompt().user(prompt).call().content();
LangGraph4j 引擎机制
引擎选择与路由
EngineSelector 根据工作流的 engineType 字段自动选择执行引擎，默认使用 DAG 引擎以确保向后兼容：
// 引擎路由：根据 engineType 自动选择
EngineSelector.execute(workflowConfig);
// engineType = "dag" → DAGWorkflowEngine
// engineType = "langgraph" → LangGraphWorkflowEngine
// engineType = null → DAGWorkflowEngine（默认）
LangGraph4j 执行流程
- 配置解析：将 WorkflowConfig 传入 GraphBuilder
- 状态图构建：GraphBuilder 将节点/边转换为 LangGraph4j StateGraph，支持条件分支
- 状态初始化：StateManager 初始化 inputData、nodeOutputs、globalContext
- 异步执行：NodeAdapter 将现有 NodeExecutor 适配为 AsyncNodeAction，复用已有业务逻辑
- 事件驱动：执行过程触发 ExecutionEvent 回调（start / success / error）
- 结果收集：汇总所有节点输出，返回 ExecutionResponse
Skills 技能系统详解
技能文件结构
每个技能是一个独立目录，包含 SKILL.md 主文件和可选的 reference 子目录：
skills/
└── ai-podcast/
├── SKILL.md # 技能主文件（YAML Frontmatter + Markdown）
└── reference/ # 引用文档目录
├── script-template.md # 脚本模板
└── voice-guide.md # 语音风格指南
SKILL.md 格式示例
---
name: ai-podcast
description: 生成专业播客脚本，双人对话形式
---
# AI 播客脚本生成
## 执行规则
1. 生成自然流畅的双人对话
2. 包含开场白、主体内容、Q&A、结束语
...
三级渐进式加载
- 第一级 - 摘要：仅加载技能名称和描述，用于列表展示
- 第二级 - 详情：加载完整 SKILL.md 内容，用于技能执行
- 第三级 - 引用：按需加载 reference 目录下的文档，节省 Token 开销
Skills REST API
| 方法 | 路径 | 说明 |
|---|---|---|
| GET | /api/skills | 获取所有技能摘要列表 |
| GET | /api/skills/{name} | 获取指定技能详细内容 |
| GET | /api/skills/{name}/references/{ref} | 获取技能引用文档 |
节点扩展开发
方式一：开发普通工具节点
- 实现 NodeExecutor 接口
public class CustomNodeExecutor implements NodeExecutor {
@Override
public Map<String, Object> execute(WorkflowNode node, Map<String, Object> input) {
// 自定义逻辑
return output;
}
}
- 注册到工厂
NodeExecutorFactory.register("custom", new CustomNodeExecutor());
方式二：开发 LLM 节点（推荐）
// 继承 AbstractLLMNodeExecutor，自动获得 Spring AI 能力
@Component
public class CustomLLMNodeExecutor extends AbstractLLMNodeExecutor {
@Override
protected String getNodeType() {
return "custom_llm";
}
}
- 前端添加节点定义
const customNode = {
type: 'custom',
label: '自定义节点',
category: 'tool'
};
💼 项目亮点（简历版）
项目名称：PaiAgent - 企业级 AI 工作流编排平台
项目描述：基于可视化流程编辑器的 AI Agent 工作流平台，支持用户通过拖拽方式编排多种大模型（DeepSeek、通义千问等）和工具节点，使用自研 DAG 引擎按拓扑顺序执行工作流，实现复杂 AI 任务的自动化编排与执行。
技术栈：Java 21、Spring Boot 3.4.1、Spring AI 1.0.0、LangGraph4j 1.8.0
核心职责：
- 基于 Spring AI 框架重构 LLM 通信层，采用工厂模式+模板方法模式设计 ChatClientFactory 动态工厂和 AbstractLLMNodeExecutor 抽象基类，将 5 个 LLM 节点执行器的重复代码从 800+行精简至 75 行
- 设计动态 ChatClient 创建机制，支持运行时根据工作流节点配置（apiKey/apiUrl/model）动态实例化不同厂商的 ChatClient，实现多租户场景下每个节点独立配置的能力
- 抽取 PromptTemplateService 公共服务，统一处理
{{variable}}模板变量替换和上下游节点参数引用映射，支持 input 静态值和 reference 动态引用两种参数类型 - 基于 Spring AI 的 Flux 响应式流实现 LLM 流式输出，通过 SSE 实时推送生成进度到前端，配合现有 ExecutionEvent 事件机制，用户可实时查看 AI 生成过程
- 集成 LangGraph4j 状态图引擎作为第二执行引擎，设计 EngineSelector 路由机制实现双引擎按需切换；通过 NodeAdapter 适配器模式将现有节点执行器桥接为 AsyncNodeAction，零改动复用全部业务逻辑
- 设计并实现 Skills 技能系统，采用 YAML Frontmatter + Markdown 声明式定义技能，三级渐进式加载（摘要→详情→引用文档）优化 Token 消耗；通过 Spring AI FunctionCallback 机制让大模型自主发现和调用技能
🤝 贡献指南
我们欢迎所有形式的贡献，包括但不限于：
- 🐛 提交 Bug 报告
- 💡 提出新功能建议
- 📝 改进文档
- 🔧 提交代码修复
- ⭐ Star 项目支持我们
参与方式
- Fork 本仓库
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 开启 Pull Request
代码规范
- 后端：遵循阿里巴巴 Java 开发手册
- 前端：遵循 Airbnb React/JSX 风格指南
- 提交信息：使用约定式提交（Conventional Commits）
💬 社区与支持
获取帮助
- 📬 GitHub Issues：问题反馈和功能建议
- 💭 GitHub Discussions：技术讨论和经验分享
- 📖 官方文档：查看 USER_GUIDE.md 获取完整使用指南
联系方式
- 项目维护者：@itwanger
- 邮箱：项目相关问题请通过 GitHub Issues 提交
📄 许可证
本项目采用 MIT License 开源协议。
🌟 致谢
感谢所有为本项目做出贡献的开发者！
如果这个项目对您有帮助，请点击 ⭐ Star 支持我们！
⬆ 回到顶部
Related repositories
Spring Boot is an opinionated layer on top of Spring that handles the boilerplate you'd otherwise write for every project — auto-configuration for embedded servers, security, metrics, and health endpoints — so you can ship a runnable JAR with `java -jar` without touching XML. The trade-off is that you're buying into Spring's conventions hard; when your requirements genuinely diverge from the defaults, the "get out of the way" promise only goes so far and you're still digging through Spring's layered configuration model. It genuinely skips code generation and XML, which is rare for a framework this feature-complete, and the Gradle-based build with JDK 25 requirement tells you this is aimed at teams with a modern JVM already in place.
Public APIs is a community-curated GitHub repository listing free, publicly accessible APIs across a wide range of categories, with auth type, HTTPS, and CORS noted for each entry. It's a browsable reference, not a library to install.
Awesome Python is a curated list maintained at vinta/awesome-python that groups Python frameworks, libraries, tools, and other resources into 14 categories, from AI & ML to Security and Other. The README calls it an opinionated guide rather than an exhaustive one, and points readers to a companion site, awesome-python.com, for searching and filtering entries instead of scrolling the raw file.
Awesome-Selfhosted is a community-maintained GitHub list at awesome-selfhosted/awesome-selfhosted that catalogs Free Software network-service and web-app projects meant for running on a server you control rather than someone else's cloud. Entries are grouped by category, each tagged with a license and a language or deployment option, and the project keeps proprietary alternatives on a separate Non-Free page.
Quick answers
Does itwanger/PaiAgent have a project website?
No homepage URL was recorded for itwanger/PaiAgent in TopGit's last sync. The README tab above frequently contains screenshots and demo links, or check the repository description on GitHub.
How active is development on itwanger/PaiAgent?
The most recent commit recorded on itwanger/PaiAgent was 1 month ago, based on the GitHub push timestamp. The repository has 138 forks — one of the better signals of community interest.
How many stars does itwanger/PaiAgent have?
itwanger/PaiAgent has 703 GitHub stars — refresh the page for the live number, or check github.com/itwanger/PaiAgent. TopGit mirrors GitHub's count but does not claim minute-by-minute accuracy.
Is itwanger/PaiAgent open source?
TopGit's metadata for itwanger/PaiAgent does not record a license. Most public repositories on GitHub ARE open source, but the exact terms vary — verify by opening the LICENSE file directly.
What else is in the Backend space?
itwanger/PaiAgent is tracked by TopGit under the Backend category, alongside 12 GitHub-tagged topics. Trending and Topics pages list peer repositories of comparable stars and language.
What topics is itwanger/PaiAgent associated with?
GitHub's repository topics for itwanger/PaiAgent: "dag", "dfs", "fastjson2", "kahn", "langgraph4j", "minio", "ski", "skills", "spring-boot", "springai", "springai-alibaba", "sse". TopGit's editorial category is Backend.
Where do I read more about itwanger/PaiAgent?
This TopGit page is a snapshot — the READ ME tab shows the project's own README content (links stripped, images preserved). The GitHub repository at github.com/itwanger/PaiAgent is the definitive source.
Read full README in the tab above.
Still deciding about PaiAgent?
One click hands the question to an AI along with this page — see what it says about PaiAgent.