OoderAgent:能力库全新升级 MIT协议 零部署构建私有能力仓库

news2026/5/7 13:28:26
137 技能 · 开箱即用 · MIT 开源​发布日期: 2026-04-08 · 开源协议: MIT License · 作者: Ooder Team摘要OoderAgent 是一个革命性的 AI Agent 平台基于技能架构Skills Architecture设计理念让企业能够零部署、零安装即可构建自主私有的 AI 能力库。平台内置137 种标准化技能涵盖 LLM 集成、业务流程、知识管理、通讯协作等全场景开箱即用支持 P2P 能力分享真正实现 AI 能力的民主化。一、OoderAgent 核心架构1.1 技能架构设计理念OoderAgent 采用**技能即服务Skills-as-a-Service**架构将复杂的 AI 能力抽象为可插拔的技能模块1.2 核心特性特性说明优势零部署ApexOS 开箱即用无需安装启动即用MIT 开源完全开源免费企业自主可控137 技能覆盖全业务场景开箱即用SPI 架构标准化接口易于扩展P2P 分享技能点对点共享生态共建二、能力库全景137种技能覆盖2.1 技能分类统计OoderAgent 能力库包含137 个标准化技能模块分布在 7 大层级层级数量占比核心能力SPI 基础层42.9%统一接口、服务发现驱动层3727.0%外部系统集成系统层3223.4%核心系统服务能力层2417.5%可复用基础能力场景层1611.7%业务场景封装业务层118.0%业务逻辑处理工具层107.3%辅助工具2.2 驱动层全平台集成能力LLM 驱动矩阵8个驱动提供商部署方式DeepSeek深度求索云端 APIOpenAIOpenAI云端 API通义千问阿里云云端 API文心一言百度云端 API火山引擎字节跳动云端 APIOllama开源社区本地部署IM 通讯驱动4个钉钉、飞书、企业微信、个人微信全覆盖统一消息接口。媒体发布驱动5个今日头条、微信公众号、微博、小红书、知乎一键多平台发布。支付驱动3个支付宝、微信支付、银联统一支付接口。三、技能库分类深度展开3.1 技能数量统计与分布OoderAgent 能力库包含137 个标准化技能模块按功能层级分为 7 大类关键技能说明技能类别核心模块说明LLM 驱动矩阵 (8个)DeepSeek, OpenAI, 通义千问, 文心一言, 火山引擎, Ollama, LLM Base/Monitor统一 LlmProvider 接口切换零成本IM 驱动 (4个)钉钉, 飞书, 企业微信, 个人微信统一 ImDeliveryDriver 接口媒体发布 (5个)头条, 公众号, 微博, 小红书, 知乎统一 MediaPublishProvider 接口支付驱动 (3个)支付宝, 微信支付, 银联统一 PaymentProvider 接口系统核心服务skill-auth, skill-config, skill-workflow, skill-rag, skill-knowledge, skill-messaging平台运行的基础设施3.2 场景层详细列表16个业务场景场景名称模块ID功能描述日报自动生成daily-report自动汇总工作内容AI生成日报会议纪要meeting-minutes语音识别 AI摘要生成审批表单approval-form工作流驱动审批流程知识问答knowledge-qaRAG增强的企业知识问答入职助手onboarding-assistant新员工引导、制度问答协作办公collaboration实时通信文档协作文档助手document-assistant文档解析智能问答项目知识project-knowledge项目维度知识聚合Agent推荐agent-recommendation智能Agent推荐房地产表单real-estate-form行业专属表单场景录音问答recording-qa语音转文字后RAG问答招聘管理recruitment-management招聘流程自动化业务处理business规则引擎工作流知识管理knowledge-management文档管理向量存储知识分享knowledge-share权限控制协作编辑平台绑定platform-bind多平台账号绑定四、用户场景技能如何组合4.1 从需求到技能组合的推导过程OoderAgent 的核心理念是**「声明式组装」**企业只需选择目标场景底层技能依赖由 ApexOS 自动解析并注入。4.2 六大典型场景推导示例 场景一智能客服系统用户需求:自动回答客户问题支持多渠道接入知识库检索增强 技能组合IM驱动(钉钉)LLM(DeepSeek)RAG检索知识管理(skill-knowledge)消息统一(messaging)效果:用户在钉钉提问 →IM接收消息 →RAG检索知识库 →LLM生成回答 → 通过钉钉返回 场景二日报自动生成用户需求:自动汇总工作内容AI生成日报多格式输出 技能组合LLM(通义千问)场景(daily-report)模板引擎通知(notification)效果:定时触发 → 收集工作日志/代码提交/会议记录 →LLM生成日报 → 发送到指定群组✅ 场景三流程审批自动化用户需求:审批流程自动化多级审批移动端处理状态追踪 技能组合BPM工作流组织架构(org)IM通知推送场景(approval-form)表单引擎规则引擎效果:员工提交申请 →BPM路由到审批人 → 钉钉/飞书通知 → 移动端审批 → 状态实时追踪 场景四多平台一键发布用户需求:一篇文章同时发布到头条、公众号、微博、知乎、小红书 技能组合LLM内容生成媒体驱动×5统一发布接口(media-provider)效果:编辑文章 →LLM优化标题和摘要 → 一键发布5个平台 → 各平台数据回流统计 场景五企业知识问答用户需求:基于企业内部文档的智能问答支持语义搜索和溯源 技能组合RAG增强向量搜索LLM推理场景(knowledge-qa)效果:用户提问 → 向量检索相关文档 →RAG拼接上下文 →LLM生成答案引用来源标注 场景六新员工入职助手用户需求:新员工引导、制度问答、环境配置、任务指引 技能组合知识库(knowledge)LLM对话场景(onboarding-assistant)效果:新员工扫码进入 → 引导式任务清单 → 制度FAQ即时问答 → 环境配置自动化4.3 技能组合三层架构层级职责示例场景编排层 (scenes)将原子能力组合为业务流程客服 IM LLM RAG Knowledge驱动适配层 (_drivers)将外部平台抽象为统一接口钉钉IM→ImDeliveryDriver, DeepSeek→LlmProvider基础能力层 (_base SPI capabilities)提供原子能力接口IM发送 · LLM调用 · RAG检索 · 文件存储→ 企业只需选择场景 skill底层依赖由 ApexOS 自动解析注入实现「声明式组装」五、场景分类详解三种形态与文件结构5.1 OoderAgent 技能的三种形态5.2 类型一技能场景Skill Scenes路径: skills/scenes/{scene-name}/数量: 16 个预置场景特点: 可独立运行依赖 _business / _system 层用途: 开箱即用的业务解决方案skills/scenes/daily-report/├── skill.yaml # 元数据依赖声明 ├──README.md # 使用说明文档 ├── src/main/java/# Java源码场景逻辑 ├── pom.xml # Maven构建配置 └── resources/# 配置文件、模板等5.3 类型二独立场景Independent路径: skills/capabilities/ 或 skills/_drivers/数量: 61 个可独立部署模块特点: 自包含完整 Spring Boot 应用可单独启动用途: 外部系统集成点IM/支付/媒体等skills/_drivers/im/skill-im-dingding/├── skill.yaml # 完整 spec 定义 ├──README.md #API文档使用示例 ├── src/main/java/│ ├── controller/#RESTAPI端点 │ ├── service/# 业务逻辑实现 │ └── config/# 配置类 ├── pom.xml # 含 parent 依赖 └── resources/└── application.yml # 端口、数据库等配置关键差异: 独立型 skill 包含完整的 controller 和 application.yml可单独监听端口暴露 REST API。5.4 类型三内部能力Internal Capabilities路径: skills/_base/ skills/_system/ skills/_business/数量: 47 个基础设施模块特点: 无启动类纯接口模型定义用途: 被其他 skill 依赖消费不直接暴露 APIskills/_base/ooder-spi-core/├── skill.yaml #SPI接口声明 ├──README.md # 接口设计文档 ├── src/main/java/│ └── net.ooder.spi/│ ├── im/#IM接口定义 │ │ ├── ImDeliveryDriver.java │ │ └── model/│ ├── rag/#RAG接口定义 │ └── workflow/# 工作流接口定义 ├── pom.xml # 仅接口依赖 └──META-INF/services/#SPI注册文件5.5 三种类型对比总结维度场景型 (Scenes)独立型 (Drivers/Caps)内部型 (Base/System)skill.yaml✅✅✅可独立运行✅✅❌暴露 REST API可选✅❌被依赖消费否可选✅数量166147加载方式用户触发 / 嵌入主应用独立端口启动ClassLoader 加载生命周期按需激活服务发现注册被引用时激活5.6 依赖关系链scenes(场景型)│ depends on ▼_business(内部型-业务逻辑)│ depends on ▼_system(内部型-系统服务)│ depends on ▼_base(内部型-SPI核心接口)│ ├──_drivers(独立型)→ _base[可选 _system]└──capabilities(独立型)→ _base[可选 _system]六、技术原理深度解析3.1 SPI 服务发现机制OoderAgent 采用 JDK 标准 SPIService Provider Interface机制实现模块化3.2 依赖关系自动处理OoderAgent 内置智能依赖管理# skill.yaml 依赖声明示例dependencies:-id:ooder-spi-coreversion:3.0.1required:truedescription:SPI核心接口-id:skill-configversion:3.0.0required:falsedescription:配置服务可选自动处理机制依赖解析启动时自动解析 skill.yaml 依赖树版本匹配支持语义化版本控制SemVer循环检测自动检测并阻止循环依赖懒加载非必需依赖按需加载3.3 零部署技术实现四、自定义技能开发4.1 开发流程企业可基于 OoderAgent 开发自定义技能4.2 技能上传与分享五、构建企业私有能力库5.1 私有化部署架构5.2 典型应用场景场景所需技能部署方式智能客服IM驱动 LLM 知识库内网部署日报生成场景技能 LLM内网部署流程审批BPM 通知 组织架构内网部署知识问答RAG 搜索 LLM内网部署多平台发布媒体驱动 内容生成混合部署九、快速开始6.1 一键启动# 下载 ApexOS wget https://github.com/ooderCN/apexos/releases/latest/apexos.jar # 启动零配置开箱即用 java-jar apexos.jar # 访问控制台 open http://localhost:80806.2 添加技能# 方式1复制技能包到目录 cp my-skill.jar skills/# 方式2从技能市场安装 apexos skill install skill-llm-deepseek # 方式3从P2P网络订阅 apexos skill subscribe p2p://enterprise-a/skill-customer-service6.3 开发自定义技能ServicepublicclassMyEnterpriseSkillimplementsSkillProvider{OverridepublicCapabilitygetCapability(){returnCapability.builder().id(my-enterprise-skill).name(企业专属技能).version(1.0.0).build();}OverridepublicResponseexecute(Request request){// 企业业务逻辑returnResponse.success(result);}}七、总结与展望7.1 OoderAgent 核心价值维度传统方案OoderAgent部署数周配置秒级启动集成逐个对接技能即插即用扩展定制开发自主开发/P2P分享成本高昂授权MIT 开源免费可控依赖第三方完全自主可控7.2 未来规划技能市场 2.0更完善的 P2P 技能交易生态可视化编排拖拽式 Agent 工作流设计多模态支持图像、音频、视频全模态技能边缘计算支持边缘设备部署轻量级技能AI 原生 IDEAI 辅助技能开发工具附录相关链接GitHub: https://github.com/oodercn/Gitee: https://gitee.com/ooderCN/技术栈Java 21Spring Boot 3.4SPI 插件机制P2P 网络协议MIT License

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/2503926.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…