alfresco ai framework

إطار عمل ألفريسكو للذكاء الاصطناعي

يعد Alfresco AI Framework إطارًا قويًا مصممًا لدمج قدرات الذكاء الاصطناعي في Alfresco، مع الاستفادة من Java وSpring AI. يوفر مجموعة من الأدوات والخدمات لمعالجة محتوى المستندات وتحليله وتحسينه في Alfresco باستخدام نماذج الذكاء الاصطناعي والتعلم الآلي.

ملاحظة : يستخدم هذا المشروع إصدار Spring AI SNAPSHOT، حيث أن الإصدار النهائي ليس متاحًا بعد.

الميزات الرئيسية

• معالجة المستندات المعتمدة على الذكاء الاصطناعي : تمكين وظيفة الدردشة من خلال إنشاء الاسترجاع المعزز (RAG) داخل مستودع Alfresco.
• البنية المعيارية : مبنية على بنية تعتمد على Spring Boot، مما يوفر المرونة في النشر وقابلية التوسع.
• التكامل السلس : يمكنك توسيع خدمات محتوى Alfresco بسهولة باستخدام إمكانات الذكاء الاصطناعي.

ابدء

المتطلبات الأساسية

• Java 17 : مطلوب لبناء الخدمات وتشغيلها
• Maven : لبناء خدمات الواجهة الخلفية
• Angular 18 : لتطوير وتشغيل واجهة المستخدم
• Node.js 18 : مطلوب لبناء واجهة المستخدم
• Docker : للنشر في حاويات

بنيان

المشاريع

• إطار عمل ai-rag :
  واجهة برمجة تطبيقات REST مبنية على Spring AI لاستيعاب المستندات في نموذج الذكاء الاصطناعي التوليدي (GenAI) وتوفير خدمة دردشة الجيل المعزز للاسترجاع (RAG).

  • متطلبات :
    • نموذج لغة محلي كبير (LLM) مدعوم من شركة Ollama
    • Elasticsearch كقاعدة بيانات متجهة

• المزامنة في الهواء الطلق :
  خدمة مبنية على Alfresco Java SDK تقوم باسترداد المستندات من Alfresco Repository واستيعابها في قاعدة بيانات المتجهات من خلال واجهة برمجة ai-rag-framework .

  • متطلبات :
    • مستودع Alfresco قيد التشغيل
    • خدمة ai-rag-framework

• في الهواء الطلق-ai-ui :
  واجهة مستخدم مبنية على Alfresco ADF للتفاعل مع خدمة الدردشة RAG التي تقدمها ai-rag-framework .

  • متطلبات :
    • يجب أن تكون خدمة ai-rag-framework قيد التشغيل

• alfresco-docker : نشر Alfresco Community 23.3 الموجه نحو الحاويات

المختبرات

سترشدك هذه السلسلة من البرامج التعليمية عبر الميزات الرئيسية للمشروع، بما في ذلك استيعاب البيانات وتكامل الدردشة والتشغيل الشامل للنظام.

معمل 1: خط أنابيب الاستيعاب

ستتعلم في هذا التمرين المعملي كيفية ملء قاعدة بيانات المتجهات (Elasticsearch) بالمحتوى المحدد من قاعدة المعرفة المخزنة في Alfresco. يتضمن ذلك استخراج المتجهات من المحتوى باستخدام وحدة التضمين nomic-embed-text عبر Ollama.

ابدأ المعمل باتباع المعمل 1: خط أنابيب الاستيعاب.

الدرس الثاني: وظائف الدردشة

يركز هذا المختبر على تمكين وظيفة الدردشة مع LLM qwen2.5 عبر Ollama، باستخدام تطبيقات Alfresco UI مثل Share وADF. تتضمن العملية تحويل موجه المستخدم إلى متجهات باستخدام وحدة التضمين nomic-embed-text عبر Ollama، ثم البحث عن المحتوى ذي الصلة في قاعدة بيانات المتجهات (Elasticsearch). يتم استخدام النص المسترد لتوفير سياق لـ LLM ، مما يساعد في إنشاء استجابات أكثر دقة.

ابدأ هذا الدرس التطبيقي باتباع الدرس الثاني: وظيفة الدردشة.

التمرين المعملي الثالث: تشغيل كافة المكونات معًا

في هذا الدرس التطبيقي، ستقوم بدمج جميع المكونات (وظيفة الاستيعاب والدردشة) مع مستودع Alfresco المباشر. سيقوم النظام تلقائيًا بتحديث قاعدة بيانات المتجهات كلما كانت هناك تغييرات في المستودع، مما يلغي الحاجة إلى التدخل اليدوي.

يمكنك بدء هذا التمرين المعملي باتباع التمرين المعملي الثالث: تشغيل كافة المكونات معًا.

رخصة

تم ترخيص هذا المشروع بموجب ترخيص Apache 2.0. راجع ملف الترخيص للحصول على التفاصيل.

شكر وتقدير

شكر خاص لفريقي Alfresco وHyland على دعمهم المستمر ومساهماتهم في المبادرات مفتوحة المصدر في مجال إدارة المحتوى والذكاء الاصطناعي.