元景万悟平台：企业级AI智能体开发架构与高可用微服务实践

【免费下载链接】wanwu China Unicom's Yuanjing Wanwu Agent Platform is an enterprise-grade, multi-tenant AI agent development platform. It helps users build applications such as intelligent agents, workflows, and rag, and also supports model management. The platform features a developer-friendly license, and we welcome all developers to build upon the platform. 【免费下载链接】wanwu 项目地址: https://gitcode.com/gh_mirrors/wa/wanwu

元景万悟平台是中国联通推出的企业级多租户AI智能体开发平台，基于Apache 2.0开源协议，为企业提供从智能体开发、工作流编排到知识库管理的一站式AI解决方案。该平台采用微服务架构设计，支持高并发处理，具备99.9%的业务可用性保障，通过RESTful API实现与企业现有系统的无缝集成。

一、技术架构概览

1.1 微服务架构设计

元景万悟平台采用现代化的微服务架构，将系统功能解耦为多个独立的服务模块，每个服务专注于特定的业务领域。这种架构设计确保了系统的高可扩展性和容错性。

核心微服务组件：

服务名称 功能职责 技术实现
BFF服务 前端聚合层，提供统一的API网关 Go + Gin框架
智能体服务 智能体生命周期管理 Go + gRPC
知识库服务 文档解析、向量化、检索增强 Python + Elasticsearch
模型服务 大模型统一接入与管理 Go + 多模型适配器
工作流服务 可视化工作流编排 独立项目集成
权限服务 多租户权限控制 Go + JWT认证

1.2 容器化部署与编排

平台采用Docker容器化部署方案，通过docker-compose实现服务编排，支持快速部署和弹性伸缩：

# 核心服务配置示例
services:
  bff-service:
    image: ${WANWU_BACKEND_IMAGE}
    container_name: bff-service
    networks:
      - ${WANWU_DOCKER_NETWORK}
    environment:
      - WANWU_DB_HOST=mysql
      - WANWU_REDIS_HOST=redis
      - WANWU_ELASTIC_HOST=es
    depends_on:
      mysql:
        condition: service_healthy
      redis:
        condition: service_healthy

MCP服务管理界面

图：MCP服务管理界面，展示第三方服务集成与接口配置

二、核心模块深度解析

2.1 智能体服务架构

智能体服务作为平台的核心，采用分层架构设计，实现业务逻辑与基础设施的分离：

// 智能体服务核心架构
type AgentService struct {
    // 模型管理层
    ModelProvider   ModelProvider
    // 知识库集成层
    KnowledgeBase   KnowledgeBaseService
    // 工具调用层
    ToolExecutor    ToolExecutor
    // 会话管理层
    SessionManager  SessionManager
    // 权限控制层
    AuthMiddleware  AuthMiddleware
}

// 智能体执行流程
func (s *AgentService) ExecuteAgent(ctx context.Context, req *AgentRequest) (*AgentResponse, error) {
    // 1. 权限验证
    if err := s.AuthMiddleware.Validate(ctx, req); err != nil {
        return nil, err
    }
    
    // 2. 模型选择与调用
    modelResponse, err := s.ModelProvider.CallModel(ctx, req.ModelConfig, req.Message)
    if err != nil {
        return nil, err
    }
    
    // 3. 知识库检索增强
    knowledgeResults := s.KnowledgeBase.Retrieve(ctx, req.KnowledgeBaseIDs, req.Message)
    
    // 4. 工具调用与执行
    toolResults := s.ToolExecutor.ExecuteTools(ctx, modelResponse.ToolCalls)
    
    // 5. 结果整合与返回
    return s.IntegrateResults(modelResponse, knowledgeResults, toolResults), nil
}

2.2 知识库服务实现

知识库服务采用多阶段处理流程，确保检索精度和效率：

文档处理流程：

  1. 文档解析：支持12种文件格式（PDF、DOCX、TXT、XLSX等）
  2. 智能分块：自适应分块与级联分块策略
  3. 向量化：多模态嵌入模型支持
  4. 索引构建：Elasticsearch + 向量数据库混合存储
  5. 检索增强：混合检索（向量+全文）与图谱增强

安全护栏配置界面

图：安全护栏配置界面，展示敏感词管理与内容安全策略

2.3 模型服务适配器

模型服务提供统一的大模型接入接口，支持多种模型提供商：

// 模型适配器接口
type ModelAdapter interface {
    // 模型调用
    ChatCompletion(ctx context.Context, req *ChatRequest) (*ChatResponse, error)
    // 向量嵌入
    Embedding(ctx context.Context, texts []string) ([][]float32, error)
    // 模型重排
    Rerank(ctx context.Context, query string, documents []string) ([]float32, error)
}

// 支持的模型提供商
var modelProviders = map[string]ModelAdapter{
    "openai":      &OpenAIAdapter{},
    "yuanjing":    &YuanjingAdapter{},
    "qwen":        &QwenAdapter{},
    "ollama":      &OllamaAdapter{},
    "zhipu":       &ZhipuAdapter{},
    "deepseek":    &DeepseekAdapter{},
    "huoshan":     &HuoshanAdapter{},
}

三、部署实践与配置指南

3.1 环境准备与部署

系统要求：

  • CPU：8核或16核
  • 内存：32GB
  • 存储：200GB或更多
  • GPU：非必需

部署步骤：

# 1. 克隆仓库
git clone https://gitcode.com/gh_mirrors/wa/wanwu
cd wanwu

# 2. 配置环境变量
cp .env.example .env
cp .env.ontology.example .env.ontology

# 3. 修改环境配置
# 设置架构类型（amd64/arm64）
WANWU_ARCH=amd64
# 设置外部访问IP
WANWU_EXTERNAL_IP=localhost
# 设置JWT签名密钥
WANWU_BFF_JWT_SIGNING_KEY=your_custom_jwt_secret_key

# 4. 创建Docker网络
docker network create wanwu-net

# 5. 启动服务
docker compose --env-file .env --env-file .env.ontology --env-file .env.image.amd64 up -d

3.2 信创环境适配

平台已获得"信创AI软硬件系统检测证书"，全面支持国产化技术栈：

硬件支持：

  • 华为鲲鹏CPU
  • 飞腾处理器
  • 龙芯处理器

软件生态：

  • 操作系统：openEuler、CULinux、麒麟
  • 数据库：TiDB、OceanBase、达梦
  • 中间件：东方通、金蝶天燕

TiDB部署配置：

# TiDB数据库部署
docker compose --env-file .env --env-file .env.image.amd64 -f docker-compose.tidb.yaml up -d

# OceanBase数据库部署  
docker compose --env-file .env --env-file .env.image.amd64 -f docker-compose.oceanbase.yaml up -d

3.3 多租户配置

平台支持多租户架构，实现数据隔离和资源分配：

# 多租户配置示例
multi_tenant:
  enabled: true
  isolation_level: database  # 数据库级别隔离
  resource_quota:
    max_agents: 100
    max_knowledge_bases: 50
    storage_limit: 100GB
  billing:
    enabled: true
    plan: enterprise

四、性能优化与调优策略

4.1 缓存策略优化

平台采用多级缓存策略提升系统性能：

// Redis缓存实现示例
type CacheManager struct {
    redisClient *redis.Client
    localCache  *sync.Map
}

func (cm *CacheManager) GetWithCache(key string, ttl time.Duration, 
                                    fallback func() (interface{}, error)) (interface{}, error) {
    // 1. 检查本地缓存
    if val, ok := cm.localCache.Load(key); ok {
        return val, nil
    }
    
    // 2. 检查Redis缓存
    val, err := cm.redisClient.Get(context.Background(), key).Result()
    if err == nil {
        cm.localCache.Store(key, val)
        return val, nil
    }
    
    // 3. 执行回退函数并缓存结果
    result, err := fallback()
    if err != nil {
        return nil, err
    }
    
    // 异步更新缓存
    go func() {
        cm.redisClient.Set(context.Background(), key, result, ttl)
        cm.localCache.Store(key, result)
    }()
    
    return result, nil
}

4.2 数据库优化

索引优化策略：

-- 知识库文档表索引优化
CREATE INDEX idx_knowledge_doc_org ON knowledge_documents(org_id, created_at DESC);
CREATE INDEX idx_knowledge_doc_status ON knowledge_documents(status, updated_at);
CREATE INDEX idx_knowledge_vector ON knowledge_vectors USING ivfflat (vector) WITH (lists = 100);

-- 会话表分区策略
CREATE TABLE chat_sessions_2024 PARTITION OF chat_sessions
FOR VALUES FROM ('2024-01-01') TO ('2025-01-01');

4.3 高精度RAG性能

检索性能对比： | 优化维度 | 实现方案 | 性能提升 | |---------|---------|---------| | 检索精度 | GraphRAG + 元数据过滤 | F1分数提升17.2% | | 响应时间 | 多级缓存 + 异步处理 | 延迟降低40% | | 并发处理 | 连接池 + 负载均衡 | QPS提升3倍 | | 内存优化 | 流式处理 + 分页加载 | 内存占用减少60% |

RAG性能对比图

图：RAG检索性能对比，展示不同优化策略的效果

五、安全合规与权限管理

5.1 认证与授权机制

平台采用JWT（JSON Web Token）认证机制，支持多租户隔离和细粒度权限控制：

// 权限验证中间件示例
func AuthMiddleware() gin.HandlerFunc {
    return func(c *gin.Context) {
        token := c.GetHeader("Authorization")
        if token == "" {
            c.AbortWithStatusJSON(401, gin.H{"error": "未授权访问"})
            return
        }
        
        // JWT解析与验证
        claims, err := util.ParseJWT(token)
        if err != nil {
            c.AbortWithStatusJSON(401, gin.H{"error": "令牌无效"})
            return
        }
        
        // 设置用户上下文
        c.Set("userID", claims.UserID)
        c.Set("orgID", claims.OrgID)
        c.Next()
    }
}

5.2 数据安全防护

安全层面 防护措施 技术实现
传输安全 TLS 1.3加密 HTTPS + 证书管理
存储安全 数据加密存储 AES-256 + KMS
访问控制 细粒度权限 RBAC + ABAC模型
审计追踪 完整操作日志 ELK + 审计服务

5.3 合规性要求

元景万悟平台满足企业级安全合规要求：

  • 等保2.0三级：完整的安全防护体系
  • 数据隐私保护：GDPR、个人信息保护法合规
  • 行业标准：金融、政务等行业特殊要求
  • 开源合规：Apache 2.0许可证，允许商业使用

六、企业集成与应用案例

6.1 客服系统集成方案

将元景万悟智能问答能力集成到企业客服系统的技术实现：

# Python集成示例
import requests
import json

class WanwuClient:
    def __init__(self, base_url, api_key):
        self.base_url = base_url
        self.headers = {
            "Authorization": f"Bearer {api_key}",
            "Content-Type": "application/json",
            "X-Org-Id": "your-org-id"
        }
    
    def create_agent(self, agent_config):
        """创建智能体"""
        url = f"{self.base_url}/v1/agent"
        response = requests.post(url, json=agent_config, headers=self.headers)
        return response.json()
    
    def chat_with_agent(self, agent_id, message, session_id=None):
        """与智能体对话"""
        url = f"{self.base_url}/v1/agent/{agent_id}/chat"
        payload = {
            "message": message,
            "sessionId": session_id,
            "stream": False
        }
        response = requests.post(url, json=payload, headers=self.headers)
        return response.json()

6.2 工作流自动化集成

// Java集成示例
public class WorkflowIntegration {
    private static final String BASE_URL = "https://api.wanwu.example.com";
    private static final String API_KEY = "your-api-key";
    
    public WorkflowExecutionResult executeWorkflow(String workflowId, 
                                                   Map<String, Object> inputs) {
        String url = BASE_URL + "/v1/workflow/" + workflowId + "/execute";
        
        HttpHeaders headers = new HttpHeaders();
        headers.set("Authorization", "Bearer " + API_KEY);
        headers.set("X-Org-Id", "your-org-id");
        headers.setContentType(MediaType.APPLICATION_JSON);
        
        Map<String, Object> requestBody = new HashMap<>();
        requestBody.put("inputs", inputs);
        requestBody.put("async", false);
        
        HttpEntity<Map<String, Object>> entity = new HttpEntity<>(requestBody, headers);
        
        RestTemplate restTemplate = new RestTemplate();
        ResponseEntity<WorkflowExecutionResult> response = 
            restTemplate.exchange(url, HttpMethod.POST, entity, 
                                 WorkflowExecutionResult.class);
        
        return response.getBody();
    }
}

6.3 典型应用场景

智能客服系统：

  • 基于RAG + Agent实现高精度业务咨询
  • 支持多轮对话和上下文理解
  • 集成企业知识库和FAQ系统

知识管理系统：

  • 构建专属企业知识库
  • 支持语义搜索和智能摘要生成
  • 文档自动分类和标签管理

流程自动化：

  • 通过工作流引擎实现合同审核、报销审批等业务流程的AI辅助决策
  • 可视化工作流编排，支持条件分支和并行执行
  • 集成现有业务系统API

提示词模板管理

图：提示词模板管理界面，展示AI辅助内容生成能力

七、监控与运维

7.1 微服务性能监控

平台集成完善的监控体系，确保系统稳定运行：

# 监控配置示例
monitoring:
  metrics:
    enabled: true
    port: 9090
    path: /metrics
  tracing:
    enabled: true
    exporter: jaeger
    sampling_rate: 0.1
  logging:
    level: info
    format: json
    output: elasticsearch
  alerting:
    enabled: true
    rules:
      - alert: HighErrorRate
        expr: rate(http_requests_total{status=~"5.."}[5m]) > 0.05
        for: 10m
        labels:
          severity: warning
        annotations:
          summary: "高错误率检测"
          description: "HTTP 5xx错误率超过5%"

7.2 日志收集与分析

ELK日志栈配置：

# Filebeat配置
filebeat.inputs:
- type: log
  enabled: true
  paths:
    - /var/log/wanwu/*.log
  fields:
    service: wanwu
    environment: production

# Logstash处理管道
input {
  beats {
    port => 5044
  }
}
filter {
  grok {
    match => { "message" => "%{TIMESTAMP_ISO8601:timestamp} %{LOGLEVEL:loglevel} %{GREEDYDATA:message}" }
  }
}
output {
  elasticsearch {
    hosts => ["elasticsearch:9200"]
    index => "wanwu-logs-%{+YYYY.MM.dd}"
  }
}

八、总结与展望

元景万悟平台作为企业级AI智能体开发平台，通过微服务架构、RESTful API设计和容器化部署，为企业提供了完整的AI应用开发解决方案。平台在以下方面具有显著优势：

  1. 架构先进性：基于云原生的微服务架构，支持弹性扩展
  2. 集成便捷性：标准化的API接口，降低集成成本
  3. 性能优越性：高精度RAG检索，提升问答准确率
  4. 安全可靠性：完善的安全防护体系，满足合规要求
  5. 国产化支持：全面适配信创环境，保障技术自主可控

对于技术开发者和系统架构师而言，元景万悟平台不仅提供了开箱即用的AI能力，更重要的是提供了完整的开发框架和集成方案，帮助企业快速构建智能化应用，加速数字化转型进程。

未来发展方向：

  • 支持数据库导入知识库
  • 智能体与模型评估体系
  • 长期记忆能力增强
  • A2A协议支持
  • 更多行业场景模板

通过持续的技术创新和生态建设，元景万悟平台将继续为企业AI应用开发提供更加强大、易用的解决方案，推动AI技术在企业级场景中的广泛应用。

【免费下载链接】wanwu China Unicom's Yuanjing Wanwu Agent Platform is an enterprise-grade, multi-tenant AI agent development platform. It helps users build applications such as intelligent agents, workflows, and rag, and also supports model management. The platform features a developer-friendly license, and we welcome all developers to build upon the platform. 【免费下载链接】wanwu 项目地址: https://gitcode.com/gh_mirrors/wa/wanwu

Logo
亚马逊云科技技术品牌专区

更多推荐

cover

会议室音视频协作痛点全解析与专业解决方案

avatar 亚马逊云科技技术品牌专区
cover

PLC自动化|PLC|毕设项目|毕设答辩|基于PLC的小型粮仓粮情监控系统设计

avatar 亚马逊云科技技术品牌专区
cover

DPJ-81基于STM32单片机WiFi智能家居系统 物联网家庭防盗设计

avatar 亚马逊云科技技术品牌专区