alfresco ai framework

Alfresco 人工智慧框架

Alfresco AI 框架是一個強大的框架，旨在利用 Java 和 Spring AI 將 AI 功能整合到 Alfresco 中。它提供了一套工具和服務，使用人工智慧和機器學習模型來處理、分析和增強 Alfresco 中的文件內容。

注意：該專案使用 Spring AI SNAPSHOT 版本，因為最終版本尚未發布。

主要特點

• AI 驅動的文件處理：在 Alfresco 儲存庫中啟用檢索增強產生 (RAG) 聊天功能。
• 模組化架構：建構在基於 Spring Boot 的架構之上，提供部署彈性和可擴充性。
• 無縫整合：利用 AI 功能輕鬆擴充 Alfresco 內容服務。

入門

先決條件

• Java 17 ：建置與運行服務所需
• Maven ：用於建置後端服務
• Angular 18 ：用於開發和運行 UI
• Node.js 18 ：建立 UI 所需
• Docker ：用於容器化部署

建築學

專案

• ai-rag-框架：
  建立在 Spring AI 之上的 REST API，用於將文件提取到生成 AI (GenAI) 模型中並提供檢索增強生成 (RAG) 聊天服務。

  • 要求：
    • 由 Ollama 支援的本地大語言模型 (LLM)
    • Elasticsearch 作為向量資料庫

• 露天人工智慧同步：
  基於 Alfresco Java SDK 建置的服務，可從 Alfresco 儲存庫檢索文件並透過ai-rag-framework API 將其提取到向量資料庫中。

  • 要求：
    • 正在運行的 Alfresco 儲存庫
    • ai-rag-framework服務

• 露天-ai-ui :
  建構在 Alfresco ADF 之上的使用者介面，用於與ai-rag-framework提供的 RAG 聊天服務進行互動。

  • 要求：
    • ai-rag-framework服務必須正在運行

• alfresco-docker ：以容器為導向的Alfresco Community 23.3部署

實驗室

本系列教學將引導您了解專案的關鍵功能，包括資料擷取、聊天整合以及系統的整體操作。

實驗室 1：攝取管道

在本實驗中，您將學習如何使用 Alfresco 中儲存的知識庫中選定的內容填充向量資料庫(Elasticsearch)。這涉及透過 Ollama 使用嵌入模組nomic-embed-text從內容中提取向量。

依照實驗 1：攝取管道開始實驗。

實驗 2：聊天功能

本實驗室的重點是透過 Ollama 使用 Alfresco UI 應用程式（例如 Share 和 ADF）啟用LLM qwen2.5聊天功能。這個過程包括使用 Ollama 的嵌入模組nomic-embed-text將使用者的提示轉換為向量，然後在向量資料庫(Elasticsearch) 中搜尋相關內容。檢索到的文字用於為LLM提供上下文，這有助於產生更準確的回應。

依照實驗 2：聊天功能開始本實驗。

實驗 3：一起運行所有組件

在本實驗中，您將把所有元件（攝取和聊天功能）與即時 Alfresco 儲存庫整合。當儲存庫發生變化時，系統會自動更新向量資料庫，無需人工幹預。

您可以依照實驗 3：一起運行所有組件來開始本實驗。

執照

此專案根據 Apache License 2.0 授權。有關詳細信息，請參閱許可證文件。

致謝

特別感謝 Alfresco 和 Hyland 團隊對內容管理和人工智慧領域開源計畫的持續支援和貢獻。