感谢你对 AI Native ERP 的关注!这是一个面向生产级参考实现的开源项目,我们欢迎 Bug 修复、文档改进、测试补充和新功能提案。
请先阅读:
- README.md — 项目概览与快速开始(English)
- ARCHITECTURE.md — 分层架构与数据流(English)
- docs/zh/ai-governance.md — AI 治理约束
- LICENSE — MIT 开源协议
| 类型 | 示例 |
|---|---|
| Bug 修复 | 意图误路由、检索结果不准、审批流异常 |
| 测试 | 域分类负样本、Tool 路由、知识检索分池 |
| 文档 | README、架构说明、部署指南、截图 |
| 前端 | 页面体验、AI 侧边栏、可访问性 |
| AI 能力 | 新 Tool、Intent Schema、RAG 质量、Guardrails |
| 基础设施 | Docker 一键启动、CI/CD、可观测性 |
- .NET 10 SDK
- Node.js 18+
- SQL Server(本地或 Docker)
- DeepSeek API Key
- Ollama(
nomic-embed-text) - Qdrant(
6333/6334)
# 后端
cd src/AiNativeERP.WebApi
dotnet run --launch-profile http
# 前端
cd frontend
npm install
npm run dev# 后端全量
dotnet test src/AiNativeERP.Tests/AiNativeERP.Tests.csproj
# 前端
cd frontend && npm test
# E2E(可选)
cd frontend && npm run test:e2e- 最小改动 — 只改与 Issue/PR 目标相关的代码
- 遵循现有风格 — 命名、分层、依赖注入方式与周边代码保持一致
- 可测试 — 核心逻辑应有单元测试,尤其是 AI 路由与业务边界
- 不写死密钥 — API Key、JWT Secret 等只放本地配置,不要提交到仓库
Domain → 实体与领域规则
Application → 业务服务(唯一写库入口)
Infrastructure → EF、迁移、种子数据
AI → LLM、意图识别、RAG、Guardrails
Agent → 编排、Tool 路由、审批暂停
WebApi → HTTP 入口、鉴权、DTO
禁止:
- LLM / Agent 直接访问数据库
- Tool 绕过 Application Service
- 实现
execute_sql、query_any_table等万能 Tool - 写操作跳过草稿确认直接落库
如果你修改意图识别、Tool、RAG 或 Agent 编排,请确认:
- 先识别 Domain,再识别 Intent
-
销售部员工等人员问题归 HR,不归 Sales -
制度/流程/手册类问题归 Knowledge - 多域歧义时返回 Clarify,不猜测
-
query_knowledge只检索knowledge_article,不与训练样本混池 - 写操作 Tool 标记
RequiresHumanApproval - 新增负样本已写入
AiNativeERP.Tests
使用简洁的英文或中文,说明 为什么 而不是只列文件:
fix(intent): route reimbursement policy queries to Knowledge domain
- boost KnowledgePolicyTerms in DomainClassifier
- add regression tests for 报销制度在哪里看
- Fork 仓库并基于
main创建分支 - 分支命名:
feat/xxx、fix/xxx、docs/xxx、test/xxx - 确保
dotnet test通过(如涉及前端则跑npm test) - 填写 PR 模板,说明改动动机与验证方式
- 等待 Review;有冲突时 rebase 到最新
main
- 包含密钥、Token、个人路径
- 大范围无关重构
- 破坏 AI 治理约束(见上文)
- 缺少测试的核心路由/审批逻辑改动
- 未说明验证步骤
请使用 Bug Report 模板,并尽量提供:
- 复现步骤
- 期望行为 vs 实际行为
- 用户输入原文(中文问法)
- 后端日志片段(如有)
请使用 Feature Request 模板,说明:
- 业务场景
- 期望的用户体验
- 是否涉及写操作 / 审批 / 权限
- 尊重他人,就事论事
- 欢迎新手提问,但请先搜索已有 Issue
- 维护者有权关闭不符合项目方向的 PR
再次感谢你的贡献。每一个 Issue、测试用例和文档改进,都会让这个 AI-Native ERP 参考实现更可靠。