SuperBizAgent

基于 Spring Boot + AI Agent 的智能问答与运维系统

📖 项目简介

企业级智能业务代理系统，包含两大核心模块：

1. RAG 智能问答

集成 Milvus 向量数据库和阿里云 DashScope，提供基于检索增强生成的智能问答能力，支持多轮对话和流式输出。

2. AIOps 智能运维

基于 AI Agent 的自动化运维系统，采用 Planner-Executor-Replanner 架构，实现告警分析、日志查询、智能诊断和报告生成。

🚀 核心特性

• ✅ RAG 问答: 向量检索 + 多轮对话 + 流式输出
• ✅ AIOps 运维: 智能诊断 + 多 Agent 协作 + 自动报告
• ✅ 工具集成: 文档检索、告警查询、日志分析、时间工具
• ✅ 会话管理: 上下文维护、历史管理、自动清理
• ✅ Web 界面: 提供测试界面和 RESTful API

🛠️ 技术栈

技术	版本	说明
Java	17	开发语言
Spring Boot	3.2.0	应用框架
Spring AI	-	AI Agent 框架
DashScope	2.17.0	阿里云 AI 服务
Milvus	2.6.10	向量数据库

📦 核心模块

SuperBizAgent/
├── src/main/java/org/example/
│   ├── controller/
│   │   └── ChatController.java        # 统一接口控制器 ⭐
│   ├── service/
│   │   ├── ChatService.java           # 对话服务 ⭐
│   │   ├── AiOpsService.java          # AIOps 服务 ⭐
│   │   ├── RagService.java            # RAG 服务
│   │   └── Vector*.java               # 向量服务
│   ├── agent/tool/                    # Agent 工具集
│   │   ├── DateTimeTools.java         # 时间工具
│   │   ├── InternalDocsTools.java     # 文档检索
│   │   ├── QueryMetricsTools.java     # 告警查询
│   │   └── QueryLogsTools.java        # 日志查询
│   └── config/                        # 配置类
├── src/main/resources/
│   ├── static/                        # Web 界面
│   └── application.yml                # 应用配置
└── aiops-docs/                        # 运维文档库

📡 核心接口

1. 智能问答接口

流式对话（推荐）

POST /api/chat_stream
Content-Type: application/json

{
  "Id": "session-123",
  "Question": "什么是向量数据库？"
}

支持 SSE 流式输出、自动工具调用、多轮对话。

普通对话

POST /api/chat
Content-Type: application/json

{
  "Id": "session-123",
  "Question": "什么是向量数据库？"
}

一次性返回完整结果，支持工具调用和多轮对话。

2. AIOps 智能运维接口

POST /api/ai_ops

自动执行告警分析流程，生成运维报告（SSE 流式输出）。

3. 会话管理

• POST /api/chat/clear - 清空会话历史
• GET /api/chat/session/{sessionId} - 获取会话信息

4. 文件管理

• POST /api/upload - 上传文件并自动向量化
• GET /milvus/health - Milvus 健康检查

⚙️ 核心配置

application.yml

server:
  port: 9900

# Milvus 向量数据库
milvus:
  host: localhost
  port: 19530

# 阿里云 DashScope
spring:
  ai:
    dashscope:
      api-key: "${DASHSCOPE_API_KEY}" // 环境变量

# RAG 配置
rag:
  top-k: 3
  model: "qwen3-max"

# 文档分片
document:
  chunk:
    max-size: 800
    overlap: 100

环境变量

export DASHSCOPE_API_KEY=your-api-key

🚀 快速开始

1. 环境准备

# 设置 API Key
export DASHSCOPE_API_KEY=your-api-key

2. 启动应用

方法一： 手动启动

1.先启动向量数据库
docker compose up -d -f vector-database.yml

2.启动服务
mvn clean install
mvn spring-boot:run

方法二：一键启动

make init  # 会自动启动向量数据库并上传运维文档到向量库

3. 使用示例

Web 界面

http://localhost:9900

命令行

# 上传文档
curl -X POST http://localhost:9900/api/upload \
  -F "file=@document.txt"

# 智能问答
curl -X POST http://localhost:9900/api/chat \
  -H "Content-Type: application/json" \
  -d '{"Id":"test","Question":"什么是向量数据库？"}'

# 健康检查
curl http://localhost:9900/milvus/health

版本: v1.0.0
作者: chief
许可证: MIT