Jeecg-AI 应用平台 v3.9.1 重磅发布:从对话到智能体,企业级 AI 开发全面进化

news2026/3/22 0:16:07
JeecgBoot AI专题研究| Jeecg-AI 应用平台 v3.9.1 版本深度解读与实战指南写在前面为什么企业需要一个 AI 应用平台当我们谈论 AI 落地时真正的挑战往往不在于模型本身而在于如何将 AI 能力与业务系统无缝融合。市面上的 Dify、FastGPT 等平台解决了构建 AI 应用的问题但企业还需要一整套低代码开发体系来承载这些能力。Jeecg-AI 应用平台恰好切中了这个痛点——它不仅仅是一个 AI 应用搭建工具更是与 JeecgBoot 低代码平台深度融合的全栈式 AI 开发解决方案。随着 v3.9.1 版本的发布Jeecg-AI 迎来了一次里程碑式的升级。本文将从核心架构升级、智能体能力、流程编排、多模态支持、Chat2BI 等多个维度全面解读这次重大更新。核心引擎全面升级LangChain4j 1.9.1 多模型支持本次版本最底层的变化是将 LangChain4j 升级至1.9.1这不仅仅是一个版本号的跳跃而是带来了一系列关键能力的提升推理模型支持平台现在原生支持推理模型深度思考模式且默认不开启避免不必要的 token 消耗。开发者可以在需要复杂推理的场景下按需启用。流式调用接口新增流式调用能力用户在对话时可以实时看到 AI 的输出过程体验从等待结果升级为实时交互。多会话模式支持同时维护多个独立会话适用于客服、多角色对话等复杂业务场景。文件解析能力AI 聊天支持上传文件并自动解析内容让对话不再局限于纯文本。在大模型支持方面v3.9.1 进一步扩展了模型生态新增Claude模型接入新增VL视觉语言模型支持新增千帆大模型接入通义千问深度集成支持参数调整和联网搜索MCP 协议支持 HTTP 和 STDIO 两种命令类型为工具调用提供更灵活的选择AI 应用升级为智能体不只是对话更是自主决策这次版本中一个标志性的变化是AI 应用正式升级为智能体Agent。这意味着 AI 应用不再只是简单的问答机器人而是具备了记忆、变量管理、插件调用、流程协作和 MCP 工具使用等完整的智能体能力。具体来说智能体现在支持记忆系统跨对话保持上下文记忆AI 可以记住之前交流的关键信息变量管理在对话流程中定义和传递变量实现更复杂的业务逻辑插件机制通过插件扩展智能体的能力边界流程编排智能体可以直接调用 AI 流程将复杂任务分解执行MCP 工具通过 MCP 协议接入外部工具和服务AI 绘画智能体内置绘画能力支持文生图、图生图等多模态交互卡片式内容回复支持富文本卡片内容展示不再局限于纯文字回复同时平台还新增了AI 应用门户和提示词管理功能。应用门户为企业提供了一个统一的 AI 应用入口用户可以在门户中浏览和使用各类 AI 应用提示词管理则让 AI 应用的 Prompt 可以被系统化地管理和复用。AI 流程编排可视化设计可观测执行AI 流程编排能力是 Jeecg-AI 区别于其他 AI 平台的核心竞争力之一。v3.9.1 在流程编排方面新增了多种实用节点变量提取节点 变量聚合节点在流程中灵活地提取和合并变量数据n8n 循环节点支持循环处理逻辑批量执行任务定时触发器按时间计划自动触发流程执行SQL 节点直接在流程中执行 SQL 查询打通数据库访问知识库写入节点流程执行结果可直接写入知识库实现知识的自动积累此外流程还支持复制功能快速基于现有流程创建新版本以及被应用直接调用的能力让流程真正成为可复用的业务组件。Chat2BI用自然语言生成数据图表v3.9.1 推出了全新的Chat2BI功能这可能是企业用户最期待的功能之一。通过自然语言对话用户可以直接生成各类数据图表无需编写 SQL 或配置报表。Chat2BI 支持以下能力丰富的图表类型柱状图、折线图、饼图、多列柱状图、多行折线图、折柱图、面积图、雷达图、仪表盘多数据源查询系统中配置的所有数据源都可以通过对话进行查询未指定数据源时默认使用系统数据库自然语言查询用户只需描述查询需求AI 自动解析并生成相应图表已知数据生成图表直接输入数据即可生成可视化图表试想一下业务人员不需要找开发写报表只需说一句帮我看看上个月各部门的销售额对比系统就自动查询数据并生成柱状图。这对于降低数据分析门槛有着巨大的实际价值。AI 多模态能力从文本到图像的跨越本次升级中多模态能力的引入让 Jeecg-AI 的应用场景大幅拓展AI 图片模型支持千问和 OpenAPI 的图片模型文生图Text-to-Image通过文字描述生成图片图生图Image-to-Image基于参考图片进行风格迁移或编辑AI 海报生成一键生成营销海报这些能力特别适合电商、营销、内容创作等需要频繁制作视觉素材的业务场景。结合智能体的卡片式内容回复用户可以在对话中直接获取生成的图片。AI 工具箱覆盖日常办公高频场景v3.9.1 新增的 AI 工具箱提供了一组开箱即用的 AI 工具覆盖日常办公高频场景AI 简历生成自动生成 Word 格式的专业简历AI 商品搜索助手智能搜索和推荐商品AI 绘画 AI 海报快速生成视觉素材AI 写作辅助内容创作OCR 识别图片文字提取同时平台还提供了多个应用场景案例——看图说话、商品搜索回复、帮我写作、图片识别等——可以直接使用或作为自定义智能体的参考模板。知识库系统企业知识的智能管理Jeecg-AI 的知识库系统基于 RAG检索增强生成架构支持从 PDF、PPT、Word 等多种文档中提取文本并构建知识库。一个值得关注的特色是支持直接导入包含图片的 Markdown 文档库这在同类产品中并不常见。相比 Dify 等平台Jeecg-AI 在知识库方面的差异化优势在于对话回复格式保留原样、PDF 格式保持效果更好、与业务系统集成更便捷。Online 功能同步增强随着 AI 能力的升级Online 低代码模块也同步进行了多项改进表单列表列宽支持拖动调整并新增默认列宽设置Issue #9123表单和列表支持字典颜色显示数据展示更直观优化 AI 账号配置校验未配置或配置错误时Online 生成测试数据的提示信息更加友好自定义按钮排序功能修正支持清空排序设置修复 Online 报表查询异常Issue #9213修复 Online 报表左联 SQL 在 SQL Server 环境下的兼容性问题Issue #9220修复编辑时 long 类型字段未赋值导致的报错修复 loaded 方法隐藏字段导致只读字段变可写的问题Issue #9223修复一对一子表编辑后详情页不更新的问题SysDataSourceController 的 queryOptions 接口添加权限检查Issue #9288这些改进看似细微却直接影响着开发者的日常使用体验。特别是列宽拖动调整和字典颜色显示这两个功能解决了社区反馈已久的痛点。第三方系统集成一键嵌入 AI 能力Jeecg-AI 支持通过iframe 嵌入的方式将 AI 聊天助手快速集成到第三方系统中。这意味着企业现有的业务系统无需大规模改造只需嵌入一段代码就能为用户提供 AI 对话能力。快速上手如果你想立即体验 Jeecg-AI 的能力可以通过以下方式快速开始在线演示http://boot3.jeecg.com 默认账号admin / 123456源码地址https://github.com/jeecgboot/jeecg-ai技术文档https://help.jeecg.com/aigc视频教程https://www.bilibili.com/video/BV1zmd7YFE4w项目支持 IDEA 启动和 Docker 一键部署两种方式后端基于 Spring Boot 3.5.5 LangChain4j前端基于 Vue 3 TypeScript Vite 6 Ant Design Vue 4。总结与展望Jeecg-AI v3.9.1 的发布标志着平台从AI 对话工具向企业级 AI 智能体平台的关键跨越。智能体升级、流程编排增强、Chat2BI、多模态能力、AI 工具箱等新功能的加入让企业可以更低成本、更高效率地构建和部署 AI 应用。从技术趋势来看AI 与低代码的融合正在成为企业数字化转型的主流路径。Jeecg-AI 通过将 AI 能力深度嵌入低代码开发体系为开发者提供了一条从原型到生产的快捷通道。期待下一个版本带来更多惊喜。本文为 JeecgBoot AI 专题研究系列文章。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2430984.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…