一款SpringBoot大模型，快速定制AI知识库与智能机器人

一、项目简介

LangChat 使用Java生态，前后端分离，并采用最新的技术栈开发。后端基于SpringBoot3，前端基于Vue3。 LangChat不仅为企业提供AI领域的产品解决方案，也是一个完整的Java企业级应用案例。这个系统带你全面了解SpringBoot3和Vue3的前后端开发流程、业务模块化，以及AI应用集成方案。 无论是企业开发，还是个人学习，LangChat都将为你提供丰富的学习案例。

支持的AI大模型： DeepSeek / Gitee AI / 阿里通义 / 百度千帆 / 抖音豆包 / 智谱清言 / 零一万物 / 讯飞星火 / OpenAI / Gemini / Ollama / Azure / Claude 等大模型。

二、特性

1. 多模态：支持集成国内外数十家AI大模型
2. 动态配置：支持再页面上可视化动态配置大模型参数、Key等信息，无感刷新、无需每次重启服务
3. 知识库：支持向量化知识库文档，定制化Prompt对话场景
4. 高级RAG：支持Embedding模型，从知识库中精确搜索；集成Web Search等RAG插件
5. Function Call：支持定制化Tool工具类，实现本地函数调用，从第三方加载数据并提供给LLM
6. 多渠道发布：计划封装Web SDK，将AI智能客服快速嵌入任意第三方Web应用中；计划支持微信、飞书、钉钉等消息通信渠道（待完善）
7. Workflows：计划开发可视化LLM流程设计器，高自定义机器人执行流程（待完善）
8. 提供AIGC客户端应用，快速管理客户端数据
9. 支持动态配置Embedding模型和向量数据库
10. 支持不同的知识库关联不同的模型和向量数据库

三、技术栈

后端技术：

• SpringBoot：MVC框架
• Mybatis Plus：持久层框架
• Sa-Token：权限框架
• Hutool：Java工具类
• LangChain4j：Java LLM基础框架
• AI LLM等

前端技术：

• Vue3
• TypeScript
• Node
• EChart
• NaiveUI

四、项目结构

├── LICENSE├── README.md├── docker├── docs├── langchat-biz-ops│   ├── langchat-biz-auth│   ├── langchat-biz-bootstrap│   ├── langchat-upms│   └── pom.xml├── langchat-common│   ├── langchat-common-ai│   ├── langchat-common-auth│   ├── langchat-common-bom│   ├── langchat-common-core│   ├── langchat-common-es│   ├── langchat-common-oss│   └── pom.xml├── langchat-llm-ops│   ├── langchat-ai│   ├── langchat-aigc│   ├── langchat-llm-auth│   ├── langchat-llm-bootstrap│   └── pom.xml├── langchat-ui-package│   ├── README.md│   ├── apps│   ├── cspell.json│   ├── eslint.config.mjs│   ├── internal│   ├── node_modules│   ├── package.json│   ├── packages│   ├── pnpm-lock.yaml│   ├── pnpm-workspace.yaml│   ├── scripts│   ├── stylelint.config.mjs│   ├── tea.yaml│   ├── turbo.json│   ├── vben-admin.code-workspace│   ├── vitest.config.ts│   └── vitest.workspace.ts└── pom.xml

五、快速开始

下载依赖

前端

主要包含 langchat-ui 和 langchat-ui-client 两个模块，需要用pnpm下载依赖

cd langchat-uipnpm install
cd langchat-ui-clientpnpm install

后端

IDEA打开后会自动加载Maven依赖，除了上面两个ui模块，其余模块都是后端的。

环境配置

Clone下来的代码，首先你需要修改后端SpringBoot项目的配置文件才能运行。

导入sql

你需要再MySQL8下创建一个名为langchat的数据库，然后在项目根目录找到langchat.sql脚本并导入表结构

修改application.yml

注意，application.yml中默认配置local环境，你可以在本地创建application-local.yml文件，当然也可以修改为dev环境使用application-dev.yml中的配置。

application-dev.yml包含了最基础的环境配置要求：

1. 正常启动项目，必须配置好mysql、redis信息
2. langchat.auth定义了后台管理系统超级管理员账号的登录信息，is-demo-dev为是否开启演示环境
3. langchat.vectorstore定义了LLM向量库的信息，目前LangChat采用PgVector向量数据库
4. langchat.web-search.google定义了谷歌搜索功能的key信息，这个看情况配置

另外：因为LLM大模型的配置是在前端动态配置的，因此不需要在配置文件中定义了，但是考虑到向量库一般不能轻易改变，因此vectorStore的配置仍放在配置文件中

启动后端项目

后端运行LangChatApp.java的main函数启动：

启动langchat-ui前端

前端基于Node，先安装依赖再启动项目，运行如下命

cd langchat-ui-client
pnpm install
pnpm run dev

启动后访问 http://localhost:3003/ 跳转到后台系统登录页

启动langchat-ui-client前端

前端基于Node，先安装依赖再启动项目，运行如下命令：

cd langchat-ui-client
pnpm install
pnpm run dev

xx

六、UI展示