alfresco ai framework

Alfresco 人工智能框架

Alfresco AI 框架是一个强大的框架，旨在利用 Java 和 Spring AI 将 AI 功能集成到 Alfresco 中。它提供了一套工具和服务，使用人工智能和机器学习模型来处理、分析和增强 Alfresco 中的文档内容。

注意：该项目使用 Spring AI SNAPSHOT 版本，因为最终版本尚未发布。

主要特点

• AI 驱动的文档处理：在 Alfresco 存储库中启用检索增强生成 (RAG) 聊天功能。
• 模块化架构：构建在基于 Spring Boot 的架构之上，提供部署灵活性和可扩展性。
• 无缝集成：利用 AI 功能轻松扩展 Alfresco 内容服务。

入门

先决条件

• Java 17 ：构建和运行服务所需
• Maven ：用于构建后端服务
• Angular 18 ：用于开发和运行 UI
• Node.js 18 ：构建 UI 所需
• Docker ：用于容器化部署

建筑学

项目

• ai-rag-框架：
  构建在 Spring AI 之上的 REST API，用于将文档提取到生成 AI (GenAI) 模型中并提供检索增强生成 (RAG) 聊天服务。

  • 要求：
    • 由 Ollama 提供支持的本地大语言模型 (LLM)
    • Elasticsearch 作为向量数据库

• 露天人工智能同步：
  一项基于 Alfresco Java SDK 构建的服务，可从 Alfresco 存储库检索文档并通过ai-rag-framework API 将其提取到矢量数据库中。

  • 要求：
    • 正在运行的 Alfresco 存储库
    • ai-rag-framework服务

• 露天-ai-ui :
  构建在 Alfresco ADF 之上的用户界面，用于与ai-rag-framework提供的 RAG 聊天服务进行交互。

  • 要求：
    • ai-rag-framework服务必须正在运行

• alfresco-docker ：面向容器的Alfresco Community 23.3部署

实验室

本系列教程将指导您了解该项目的关键功能，包括数据摄取、聊天集成以及系统的整体操作。

实验室 1：摄取管道

在本实验中，您将学习如何使用 Alfresco 中存储的知识库中选定的内容填充矢量数据库(Elasticsearch)。这涉及通过 Ollama 使用嵌入模块nomic-embed-text从内容中提取向量。

按照实验 1：摄取管道开始实验。

实验 2：聊天功能

本实验室的重点是通过 Ollama 使用 Alfresco UI 应用程序（例如 Share 和 ADF）启用LLM qwen2.5聊天功能。该过程包括使用 Ollama 的嵌入模块nomic-embed-text将用户的提示转换为向量，然后在向量数据库(Elasticsearch) 中搜索相关内容。检索到的文本用于为LLM提供上下文，这有助于生成更准确的响应。

按照实验 2：聊天功能开始本实验。

实验 3：一起运行所有组件

在本实验中，您将把所有组件（摄取和聊天功能）与实时 Alfresco 存储库集成。当存储库发生变化时，系统会自动更新矢量数据库，无需人工干预。

您可以按照实验 3：一起运行所有组件开始本实验。

执照

该项目根据 Apache License 2.0 获得许可。有关详细信息，请参阅许可证文件。

致谢

特别感谢 Alfresco 和 Hyland 团队对内容管理和人工智能领域开源计划的持续支持和贡献。