📄 系统简介
内部资料，请扫码登录
PIG AI 是一款开源的大语言模型（LLM）应用开发平台，它结合了后端即服务（Backend as Service）和 LLMOps 的理念，使开发者能够快速搭建生产级的生成式 AI 应用。即使你是非技术人员，也能参与到 AI 应用的定义和数据运营过程中。
PIG AI 内置了构建 LLM 应用所需的关键技术栈，包括对数十个模型的支持、高质量的 RAG 引擎以及灵活的 Agent 框架，并提供了一套易用的界面和 API。这使得开发者可以节省大量重复造轮子的时间，适用于多种企业级商业场景，如企业智能客服、企业智能文档、专家顾问助理、业务联动等。
通过PIG AI，企业可以轻松构建出功能强大、高效智能的应用程序，提升业务流程的自动化程度和智能化水平，从而提高企业的竞争力和创新能力。
# 一、多模型支持
PIG AI 为以下模型提供商提供原生支持：
| 厂商 | 模型类型 | 模型名称 |
|---|---|---|
| 阿里百炼 | 聊天 | qwen-max-latest |
| 阿里百炼 | 聊天 | qwen-plus |
| 阿里百炼 | 视觉 | qwen-vl-max |
| 阿里百炼 | 向量 | text-embedding-v3 |
| 阿里百炼 | 图片 | flux-schnell |
| 阿里百炼 | 音频 | paraformer-v2 |
| 阿里百炼 | 音频 | cosyvoice-v1 |
| DeepSeek | 聊天 | deepseek-chat |
| 零一万物 | 聊天 | yi-lightning |
| 讯飞星火 | 聊天 | Spark 4.0 Ultra/Max |
| 字节豆包 | 聊天 | Doubao-lite/Doubao-pro |
| 字节豆包 | 向量 | Doubao-embedding |
| 月之暗面 | 聊天 | kimi |
| 智谱清言 | 聊天 | glm-4-plus |
| 智谱清言 | 视觉 | glm-4v-plus |
| 智谱清言 | 向量 | embedding-3 |
| 硅基流动 | 图片 | black-forest-labs/FLUX.1-schnell |
| 硅基流动 | 音频 | FunAudioLLM/SenseVoiceSmall |
| OpenAI | 聊天 | gpt-4o-mini |
| OpenAI | 聊天 | gpt-4o |
| OpenAI | 视觉 | gpt-4o |
| OpenAI | 向量 | text-embedding-3-small |
| OpenAI | 向量 | text-embedding-3-large |
| Ollama | 聊天 | qwen2.5:14b |
| Ollama | 聊天 | qwen2.5:32b |
| Ollama | 聊天 | qwen2.5:72b |
| Ollama | 向量 | shaw/dmeta-embedding-zh |
| Ollama | 视觉 | minicpm-v:latest |
理论上，我们的系统支持 Ollama (opens new window) 本地推理框架客户端，这使得一键部署像 Llama 2、Mistral、Llava 等大型语言模型成为可能。PIG AI 可以轻松接入 Ollama 部署的大型语言模型，并利用其强大的推理和 embedding 能力。这意味着我们的系统可以利用 Ollama 提供的高效、可扩展的推理框架，从而为用户提供更快速、更准确的语言理解和处理功能。通过与 Ollama 的集成，我们能够为用户带来更优秀的语言模型服务，助力他们在各种应用场景下实现更高水平的智能化处理。
# 二、RAG 知识库
PIG AI 的知识库功能确实非常强大，支持上传外部数据，如本地文件和实时数据，并利用向量搜索来检索最相关的内容以回答用户的问题。这种功能可以大大提高机器人的回答准确度和效率，使其能够更精确地理解和回应用户的提问。
通过上传外部数据，用户可以将各种类型的信息整合到 PIG AI 的知识库中，包括文档、数据库查询结果、实时数据等。然后，PIG AI 使用先进的向量搜索技术来对这些数据进行索引和搜索，以便快速找到与用户查询最相关的内容。
这种功能对于各种场景都非常有用，包括客户服务、技术支持、知识管理等。通过使用 PIG AI 的知识库功能，用户可以轻松构建出功能强大的智能问答系统，为用户提供更快速、更准确的帮助和支持。
 |  |
# ① 知识库
将数据上传到 PIG AI 知识库后，PIG AI 会自动将你的文档分割成内容片段进行存储，并通过向量搜索来检索最相关的内容来回答用户问题。
例如：
你可以将几十页的产品介绍文档导入知识库，当 Bot 使用了这个知识库后，你就可以拥有一个专属产品顾问 Bot。
你可以将常关注的资讯网站或在线论文导入知识库，通过知识库的自动更新能力，让 Bot 帮助你收集最新数据。
 |  |
# ② 多模态
PIG AI 知识库可以处理和理解来自不同模态（例如文本、图像、PDF、Office 等）的文档信息，使大型模型能够跨越多种输入形式进行学习和推理。
- 深度文档理解：能够从各类复杂格式的非结构化数据中提取真知灼见。
- 基于模板的文本切片：提供多种文本模板，实现智能且可控的文本处理。
- 降低幻觉（hallucination）：通过文本切片过程可视化，支持手动调整，确保答案提供关键引用的快照并支持追根溯源。
- 兼容各类异构数据源：支持丰富的文件类型，包括 Word 文档、PPT、Excel 表格、txt 文件、图片、PDF、影印件、复印件、结构化数据和网页等。
为解决目前 RAG（Retrieval-Augmented Generation）在实施中遇到的问题，如数据库的多路召回能力和数据处理问题。通过提供专用的数据库和工具，旨在使 RAG 更易于被更多企业和个人使用，并解锁更多应用场景。
 |  |
# 三、Function 函数
将自然语言转换为 API 调用参数或查询数据库的条件；提取文本中的结构化数据。提供基于通用大型模型的实时回调业务函数能力，Function Calling 使得 Chat Completion 模型可以调用外部函数获取信息再针对输出进行格式化。能够方便地扩展任何业务逻辑，使模型更了解业务，更敏捷地构建您的私域大模型。使用函数调用能力，可以满足当前大模型无法解决的部分问题，包括：
在进行自然语言交互时，可以通过调用外部工具回答问题（类似于 ChatGPT 插件）
将自然语言转换为调用 API 时使用的参数，或者查询数据库时使用的条件
从文本中提取结构化数据，实现 AI 表单
# ① 业务联动
将大模型回调业务系统的功能融入现有业务流程中 是一项关键任务。在这个过程中，首先需要经过现有业务的权限判断、参数校验等业务逻辑判断，以确保调用的合法性和准确性。一旦通过了这些判断，大模型回调功能就会被触发，开始执行相应的智能逻辑。
这种打通大模型和业务系统的壁垒，实际上是在传统应用中引入了更智能的处理方式。通过大模型的回调，业务系统可以获得更精准、更智能的决策支持，从而提升业务处理的效率和准确性。这种智能化的应用场景不仅可以优化现有业务流程，还可以为企业带来更多的竞争优势和创新可能性。
 |  |
# ② 扩展能力
PIG AI 提供了强大的功能调用支持，允许用户自行开发和实现 function calling，从而实现业务联动能力。这意味着用户可以根据自身业务需求，开发定制的功能模块，并通过 PIG AI 提供的方便 API 接口将这些功能集成到应用中。
- 用户可以根据自身需求开发具体的业务逻辑和处理流程，并将其封装为可被 PIG AI 调用的函数或服务。这样可以实现更高度定制化和个性化的应用功能。
- API 接口集成: PIG AI 提供了简单易用的 API 接口，用户可以通过实现 Function Calling，将自定义功能模块集成到 PIG AI 的应用中。这样，用户可以利用 PIG AI 强大的语言理解和处理能力，结合自身的业务逻辑，构建出完整的智能应用。
# 四、Chat2SQL
Chat2SQL 能够实现**自然语言与 SQL 的转换，从而极大地提升了工作效率。在 AI 时代，数据库研发人员可以将 Chat2SQL 视为必备的利器，它为他们提供了便捷而高效的工作方式。即使是不懂 SQL 的运营或业务人员，也可以轻松地使用 Chat2SQL 进行快速的数据查询和报表生成。
Chat2SQL 还具有智能化的功能，能够根据上下文自动选中相关的数据表，并生成与业务需求相匹配的 SQL 查询语句。这种智能关联功能使得用户无需深入了解数据库结构，就能够轻松地执行复杂的数据查询操作，极大地降低了使用门槛，提高了工作效率。
 |  |
# 五、Java 技术栈
基于 Java 语言 进行系统开发，提供了丰富的模型支持，包括公有模型和私有模型，并且具有方便的扩展性和二次开发性。让我详细解释一下：
- 丰富的模型支持: PIG AI 提供了多种大模型支持，涵盖了文本、图片视觉、语音识别等模型。这些模型既包括了公有模型，也支持用户上传和使用私有模型，因此可以满足各种不同场景和需求下的系统开发。
- 方便的扩展性: PIG AI 提供了友好的接口和工具，方便开发人员轻松地扩展系统功能。无论是集成新的预训练模型，还是开发定制的模型和算法，都可以通过 PIG AI 提供的扩展机制来实现。
- 二次开发支持: PIG AI 提供了灵活的二次开发支持，可以根据具体需求进行定制化开发。开发人员可以基于 PIG AI 提供的模型和工具，快速构建出符合业务需求的系统，并且可以根据实际情况进行调整和优化。
- 与 Java 的紧密集成: PIG AI 提供了与 Java 紧密集成的功能，这使得 Java 开发者可以更轻松地使用 PIG AI 的功能。通过 PIG AI 提供的 Java SDK 和 API，开发人员可以在 Java 项目中直接调用 PIG AI 的功能，实现各种智能化应用场景。
综上所述，基于 PIG AI 进行系统开发可以让大模型距离 Java 开发者更近一步，为他们提供了丰富的模型支持、方便的扩展性和二次开发支持。这将有助于开发人员快速构建出功能强大、智能化的系统应用。
# ① 服务端技术栈
- 编程语言：Java17/21
- 开发框架：Spring Boot 3.2
- 安全框架：Spring Security + Spring Authorization Server
- 任务调度：Quartz 、 XXL-JOB
- 流程编排：LiteFlow
- 持久层框架：MyBatis && MyBatis Plus
- 数据库支持: MySQL、Oracle、SQL Server、PostgreSQL、 达梦、 TiDB
# ② 前端技术栈
框架：Vue 3.2、TypeScript
CSS 框架：Sass、TailwindCSS
组件库：ElementPlus
打包构建工具：Vite
状态管理： Pinia
# 五、规则引擎
生成式 AI 因其特性而在各地区受到不同程度的管控，针对这一挑战，我们的系统通过规则引擎平台实现了高度定制化 的解决方案。我们系统提供基于规则引擎的多维度风险控制审查，涵盖敏感词、IP、tokens 等多个关键维度。这些规则不仅仅是符合当地相关服务管理办法的要求，更能快速扩展模型接入和业务开发，以满足不断变化的业务需求。
