alfresco ai framework

Estrutura de IA ao ar livre

O Alfresco AI Framework é uma estrutura robusta projetada para integrar recursos de IA ao Alfresco, aproveitando Java e Spring AI. Ele fornece um conjunto de ferramentas e serviços para processar, analisar e aprimorar o conteúdo de documentos no Alfresco usando IA e modelos de aprendizado de máquina.

Nota : Este projeto utiliza a versão Spring AI SNAPSHOT, pois o RELEASE final ainda não está disponível.

Principais recursos

• Processamento de documentos orientado por IA : habilite a funcionalidade de bate-papo de geração aumentada de recuperação (RAG) no repositório Alfresco.
• Arquitetura Modular : Construída em uma arquitetura baseada em Spring Boot, oferecendo flexibilidade na implantação e escalabilidade.
• Integração perfeita : estenda facilmente os serviços de conteúdo ao ar livre com recursos de IA.

Começando

Pré-requisitos

• Java 17 : necessário para construir e executar os serviços
• Maven : Para construir os serviços de back-end
• Angular 18 : Para desenvolver e executar a UI
• Node.js 18 : necessário para construir a IU
• Docker : para implantação em contêiner

Arquitetura

Projetos

• estrutura ai-rag :
  Uma API REST desenvolvida com base no Spring AI para ingestão de documentos em um modelo de IA generativa (GenAI) e fornecimento de um serviço de bate-papo de geração aumentada de recuperação (RAG).

  • Requisitos :
    • Um Large Language Model (LLM) local desenvolvido por Ollama
    • Elasticsearch como banco de dados vetorial

• ao ar livre-ai-sync :
  Um serviço desenvolvido com base no Alfresco Java SDK que recupera documentos do Alfresco Repository e os ingere no banco de dados vetorial por meio da API ai-rag-framework .

  • Requisitos :
    • Um repositório Alfresco em execução
    • O serviço ai-rag-framework

• ao ar livre-ai-ui :
  Uma interface de usuário construída sobre Alfresco ADF para interagir com o serviço de bate-papo RAG fornecido por ai-rag-framework .

  • Requisitos :
    • O serviço ai-rag-framework deve estar em execução

• alfresco-docker : implantação do Alfresco Community 23.3 orientada a contêineres

Laboratórios

Esta série de tutoriais guiará você pelos principais recursos do projeto, incluindo ingestão de dados, integração de chat e operação geral do sistema.

Laboratório 1: pipeline de ingestão

Neste laboratório, você aprenderá como preencher o banco de dados de vetores (Elasticsearch) com conteúdo selecionado da base de conhecimento armazenada no Alfresco. Isso envolve a extração de vetores do conteúdo usando o módulo Embedding nomic-embed-text via Ollama.

Comece o laboratório seguindo o Laboratório 1: Pipeline de ingestão.

Laboratório 2: funcionalidade de bate-papo

Este laboratório se concentra em ativar a funcionalidade de bate-papo com o LLM qwen2.5 via Ollama, usando aplicativos Alfresco UI como Share e ADF. O processo inclui transformar o prompt do usuário em vetores usando o módulo Embedding nomic-embed-text via Ollama e, em seguida, pesquisar conteúdo relevante no banco de dados de vetores (Elasticsearch). O texto recuperado é usado para fornecer contexto ao LLM , o que ajuda a gerar respostas mais precisas.

Comece este laboratório seguindo o Laboratório 2: Funcionalidade de chat.

Laboratório 3: Executando todos os componentes juntos

Neste laboratório, você integrará todos os componentes (ingestão e funcionalidade de chat) com um repositório Alfresco ativo. O sistema atualizará automaticamente o Banco de Dados de Vetores sempre que houver alterações no repositório, eliminando a necessidade de intervenção manual.

Você pode começar este laboratório seguindo o Laboratório 3: Executando todos os componentes juntos.

Licença

Este projeto está licenciado sob a Licença Apache 2.0. Consulte o arquivo LICENSE para obter detalhes.

Agradecimentos

Agradecimentos especiais às equipes Alfresco e Hyland por seu apoio contínuo e contribuições para iniciativas de código aberto nos domínios de gerenciamento de conteúdo e IA.