---

📖 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，春节期间打算再更新五篇，假期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

✨ 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：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：

1. 登录系统：使用默认凭证登录
2. 创建工作流：点击「新建工作流」按钮
3. 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
4. 连接节点：按顺序连接各个节点
5. 配置参数：点击 OpenAI 节点，配置 API Key 和提示词
6. 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

1. JSON 解析：将前端配置解析为 WorkflowConfig 对象
2. 拓扑排序：使用 Kahn 算法确定节点执行顺序
3. 循环检测：DFS 深度优先搜索检测循环依赖
4. 节点调度：按拓扑顺序依次执行节点
5. 数据传递：上游节点输出作为下游节点输入
6. 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

1. 配置解析：将 WorkflowConfig 传入 GraphBuilder
2. 状态图构建：GraphBuilder 将节点/边转换为 LangGraph4j StateGraph，支持条件分支
3. 状态初始化：StateManager 初始化 inputData、nodeOutputs、globalContext
4. 异步执行：NodeAdapter 将现有 NodeExecutor 适配为 AsyncNodeAction，复用已有业务逻辑
5. 事件驱动：执行过程触发 ExecutionEvent 回调（start / success / error）
6. 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

1. 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;
    }
}

2. 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";
    }
}

3. 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

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 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！

---