【开源推广】写了一个由SpringAIAlibaba实现的多轮对话RAG项目，适合Java人学习和面试
- 内容介绍
- 文章标签
- 相关推荐
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
今天想给佬们分享一个我最近做的开源项目 —— DD_Rag，一个基于 SpringAI + SpringAIAlibaba 的“组织知识库 + AI 助手”的 Java RAG 实战项目。
有帮助的话点点star
起因其实很简单：很多 Java 后端想做 AI 项目，我也不例外。所以我做了这个相对完整一些的 Java AI 项目：DD_Rag。它不是一个单纯的聊天 Demo，而是把 文档入库、权限隔离、混合检索、证据回答、Agent Tool 调用、会话记忆 这些真实工程问题串起来，尽量做成一个更接近业务场景的系统。
在线演示地址：
http://106.55.44.191:5173/login
GitHub 仓库：
GitHub - t1804330987/DD_Rag: 一个面向“组织知识库 + AI 助手”的 Java RAG...
一个面向“组织知识库 + AI 助手”的 Java RAG 实战项目，把权限隔离、文档入库、混合检索、证据约束、Agent 工具调用和 Docker 部署串成了一条完整工程链路。如果你正在找一个能写进简历、能讲清架构、能覆盖 Spring AI / Spring AI Alibaba 技术点的项目，DD_Rag 值得 Star。
关于在线演示的一点说明：
在线体验地址部署在我自己的轻量服务器上，机器配置比较有限。大家可以注册账号体验完整流程，但还请佬们手下留情，不要用并发压测工具直接冲服务。
核心功能
- 文档一键入库，构建知识库
上传文档后，系统会自动完成文档解析、文本清洗、结构化切片、向量化入库，并建立关键词索引。 - 混合检索 + 证据回答
支持PgVector + Elasticsearch混合检索，并通过RRF做结果融合，让回答既有语义相关性，也保留关键词命中能力。 - 基于证据回答，无证据拒答
系统不会盲目“编答案”，而是尽量约束模型基于检索证据回答，没证据时直接拒答，减少幻觉。 - 组织级权限隔离
支持组、成员、管理员等不同权限边界，避免“所有人都能看所有知识”的伪知识库设计。 - Agent + Tool Calling
模型本身并不知道你的业务数据，所以必须通过受控 Tool 获取上下文。项目里做了个人智能助手、知识库 Tool 调用、短期记忆和会话摘要等能力。 - 可本地化部署
支持 Docker Compose 部署，既可以单机跑，也可以双机拆分部署，方便自己练手或做演示环境。
技术栈
项目目前还在持续迭代，主要技术栈如下，也欢迎 Java 方向的朋友一起交流：
- 后端：Spring Boot 3.5、Java21
- AI 框架：Spring AI 1.1.2 + Spring AI Alibaba 1.1.2.0
- 检索增强：RAG
- Agent 能力：ReactAgent + Tool Calling
代理能力：ReactAgent + 工具调用 - 存储与检索：PostgreSQL + PgVector + Elasticsearch + MinIO
- 模型接入：Ollama + DashScope
- 前端：Vue 3
- 部署：Docker Compose
这个项目适合谁
我觉得它比较适合下面几类人：
- 想做 Java + AI 项目练手的人
- 想做 毕业设计 / 简历项目 的同学
- 想系统学习 Spring AI / Spring AI Alibaba / RAG / Agent 的开发者
- 想从“会调模型 API”进阶到“能搭完整 AI 系统”的后端工程师
部署与体验
项目已经支持 Docker Compose 部署，如果你想自己拉下来跑，可以直接看仓库里的部署文档。
目前演示环境已经可用，欢迎大家体验、提建议、提 Issue。
如果你正在准备 Java AI 方向的项目，或者想找一个稍微完整一点、不是纯聊天框的 Spring AI 实战项目，DD_Rag 可以直接拿来参考。
--【壹】--：
有bug可以交流，我在使用SpringAIAlibaba的时候，里面ReacAgent模型推理次数需要限制，还有结构化输出之类的。还有记忆实现有坑
--【贰】--：
佬，我也是java开发,但是不得不说,AI应用我觉得是 客户端大于服务端，
我也是一步步研究也弄过对应的项目，说实话目前对spring和java后面的路
我也是抱着继续观望的心态,我是发现用java去开发ai的应用到最后我都会删掉的，
就当作学习好了
--【叁】--：
在小红书刷到佬的项目，跑到GitHub看，，结果佬也在L站
--【肆】--：
是的，项目里面的分块技术选择是比较基础的token大小分块 + overlop实现。而且分块大小也因本地Ollama模型原因设置的320多token。所以在检索到chunk的时候，会做临近的chunk扩展。
- 对于语义分块的话，我看了LangChain4j里面有DocumentBySentenceSplitter类，SpringAI里面没找到对应的。分块方面感觉还是LangChain4j更强大，提供的选择更多。
--【伍】--：
我也是刚刚开始学习这些知识。我这个项目里面：多轮对话的实现使用了Hook机制去实现短期记忆 和 模型接受上下文处理（上下文过长压缩上下文、加载之前对话）。SpringAIAlibaba里面的ReactAgent类实现也是图的编排，比如我添加了工具【Rag检索】。ReactAgent在调用的过程中就是先去调用大模型-》Rag检索工具获取工具回复消息-》大模型处理-》返回给前端。
关于skill的实现也考虑过，我的思考是skill也是一个文件夹，然后用户上传，文件夹管理。使用的时候写一个方法仅加载skill文件的名字和描述为一个list放入到集合，模型推理前使用hook、Advisor加入到上下文里面，让模型选择对应的skill，然后通过工具调用读取到内容返回加载进上下文，然后再根据此进行回答。
A2A的架构真没了解
--【陆】--：
哈哈哈哈，直接入职！而且技术氛围也好！
--【柒】--：
谢谢佬分享。收藏加star。学习一下子。
--【捌】--：
感谢佬友的开源，有时间学习一下，有没有要加入组的 group-92460ea4befb484985e998756eb00b5b
--【玖】--：
哈哈哈哈是的，这个项目也是为了学习和面试准备的。以现在的趋势，基本上公司招聘要求都是需要AI开发经验的。先有东西可以说，入行了跟着发展走。特别是有了大模型之后，语言框架不是限制了，限制是实现的思路和架构设计。
--【拾】--：
alibaba这篇有很多设计思想,
比如长期记忆和短期记忆,
还有skills的实现,agent基于Graph引擎编排。
还有hook机制，
但其实RAG项目其实意义已经不大了,应用场景也只是个小功能。
更别说还有A2A的架构,佬可以再延伸一点
--【拾壹】--：
学习一下，最新版本1.1.4，打算用在公司里面，不知道有没有坑
--【拾贰】--：
面试直接说自己是linux论坛的，平时搞搞逆向,vibe coding
--【拾叁】--：
大佬，我大概看了下 doc 解析这部分，目前只有按格式切分，后续有没有考虑从语义上进行切分呢？目前这种召回效果应该不好吧
--【拾肆】--：
长期记忆ReactAgent之类使用Mem0就行，配置一下就行。我还没加
--【拾伍】--：
感谢佬友的分享项目到时候部署试一试先marks一下
--【拾陆】--：
点了star，感谢分享，周末抽空学习一下，Javaer确实是有点迷茫，不知道怎么写
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
今天想给佬们分享一个我最近做的开源项目 —— DD_Rag，一个基于 SpringAI + SpringAIAlibaba 的“组织知识库 + AI 助手”的 Java RAG 实战项目。
有帮助的话点点star
起因其实很简单：很多 Java 后端想做 AI 项目，我也不例外。所以我做了这个相对完整一些的 Java AI 项目：DD_Rag。它不是一个单纯的聊天 Demo，而是把 文档入库、权限隔离、混合检索、证据回答、Agent Tool 调用、会话记忆 这些真实工程问题串起来，尽量做成一个更接近业务场景的系统。
在线演示地址：
http://106.55.44.191:5173/login
GitHub 仓库：
GitHub - t1804330987/DD_Rag: 一个面向“组织知识库 + AI 助手”的 Java RAG...
一个面向“组织知识库 + AI 助手”的 Java RAG 实战项目，把权限隔离、文档入库、混合检索、证据约束、Agent 工具调用和 Docker 部署串成了一条完整工程链路。如果你正在找一个能写进简历、能讲清架构、能覆盖 Spring AI / Spring AI Alibaba 技术点的项目，DD_Rag 值得 Star。
关于在线演示的一点说明：
在线体验地址部署在我自己的轻量服务器上，机器配置比较有限。大家可以注册账号体验完整流程，但还请佬们手下留情，不要用并发压测工具直接冲服务。
核心功能
- 文档一键入库，构建知识库
上传文档后，系统会自动完成文档解析、文本清洗、结构化切片、向量化入库，并建立关键词索引。 - 混合检索 + 证据回答
支持PgVector + Elasticsearch混合检索，并通过RRF做结果融合，让回答既有语义相关性，也保留关键词命中能力。 - 基于证据回答，无证据拒答
系统不会盲目“编答案”，而是尽量约束模型基于检索证据回答，没证据时直接拒答，减少幻觉。 - 组织级权限隔离
支持组、成员、管理员等不同权限边界，避免“所有人都能看所有知识”的伪知识库设计。 - Agent + Tool Calling
模型本身并不知道你的业务数据，所以必须通过受控 Tool 获取上下文。项目里做了个人智能助手、知识库 Tool 调用、短期记忆和会话摘要等能力。 - 可本地化部署
支持 Docker Compose 部署，既可以单机跑，也可以双机拆分部署，方便自己练手或做演示环境。
技术栈
项目目前还在持续迭代，主要技术栈如下，也欢迎 Java 方向的朋友一起交流：
- 后端：Spring Boot 3.5、Java21
- AI 框架：Spring AI 1.1.2 + Spring AI Alibaba 1.1.2.0
- 检索增强：RAG
- Agent 能力：ReactAgent + Tool Calling
代理能力：ReactAgent + 工具调用 - 存储与检索：PostgreSQL + PgVector + Elasticsearch + MinIO
- 模型接入：Ollama + DashScope
- 前端：Vue 3
- 部署：Docker Compose
这个项目适合谁
我觉得它比较适合下面几类人：
- 想做 Java + AI 项目练手的人
- 想做 毕业设计 / 简历项目 的同学
- 想系统学习 Spring AI / Spring AI Alibaba / RAG / Agent 的开发者
- 想从“会调模型 API”进阶到“能搭完整 AI 系统”的后端工程师
部署与体验
项目已经支持 Docker Compose 部署，如果你想自己拉下来跑，可以直接看仓库里的部署文档。
目前演示环境已经可用，欢迎大家体验、提建议、提 Issue。
如果你正在准备 Java AI 方向的项目，或者想找一个稍微完整一点、不是纯聊天框的 Spring AI 实战项目，DD_Rag 可以直接拿来参考。
--【壹】--：
有bug可以交流，我在使用SpringAIAlibaba的时候，里面ReacAgent模型推理次数需要限制，还有结构化输出之类的。还有记忆实现有坑
--【贰】--：
佬，我也是java开发,但是不得不说,AI应用我觉得是 客户端大于服务端，
我也是一步步研究也弄过对应的项目，说实话目前对spring和java后面的路
我也是抱着继续观望的心态,我是发现用java去开发ai的应用到最后我都会删掉的，
就当作学习好了
--【叁】--：
在小红书刷到佬的项目，跑到GitHub看，，结果佬也在L站
--【肆】--：
是的，项目里面的分块技术选择是比较基础的token大小分块 + overlop实现。而且分块大小也因本地Ollama模型原因设置的320多token。所以在检索到chunk的时候，会做临近的chunk扩展。
- 对于语义分块的话，我看了LangChain4j里面有DocumentBySentenceSplitter类，SpringAI里面没找到对应的。分块方面感觉还是LangChain4j更强大，提供的选择更多。
--【伍】--：
我也是刚刚开始学习这些知识。我这个项目里面：多轮对话的实现使用了Hook机制去实现短期记忆 和 模型接受上下文处理（上下文过长压缩上下文、加载之前对话）。SpringAIAlibaba里面的ReactAgent类实现也是图的编排，比如我添加了工具【Rag检索】。ReactAgent在调用的过程中就是先去调用大模型-》Rag检索工具获取工具回复消息-》大模型处理-》返回给前端。
关于skill的实现也考虑过，我的思考是skill也是一个文件夹，然后用户上传，文件夹管理。使用的时候写一个方法仅加载skill文件的名字和描述为一个list放入到集合，模型推理前使用hook、Advisor加入到上下文里面，让模型选择对应的skill，然后通过工具调用读取到内容返回加载进上下文，然后再根据此进行回答。
A2A的架构真没了解
--【陆】--：
哈哈哈哈，直接入职！而且技术氛围也好！
--【柒】--：
谢谢佬分享。收藏加star。学习一下子。
--【捌】--：
感谢佬友的开源，有时间学习一下，有没有要加入组的 group-92460ea4befb484985e998756eb00b5b
--【玖】--：
哈哈哈哈是的，这个项目也是为了学习和面试准备的。以现在的趋势，基本上公司招聘要求都是需要AI开发经验的。先有东西可以说，入行了跟着发展走。特别是有了大模型之后，语言框架不是限制了，限制是实现的思路和架构设计。
--【拾】--：
alibaba这篇有很多设计思想,
比如长期记忆和短期记忆,
还有skills的实现,agent基于Graph引擎编排。
还有hook机制，
但其实RAG项目其实意义已经不大了,应用场景也只是个小功能。
更别说还有A2A的架构,佬可以再延伸一点
--【拾壹】--：
学习一下，最新版本1.1.4，打算用在公司里面，不知道有没有坑
--【拾贰】--：
面试直接说自己是linux论坛的，平时搞搞逆向,vibe coding
--【拾叁】--：
大佬，我大概看了下 doc 解析这部分，目前只有按格式切分，后续有没有考虑从语义上进行切分呢？目前这种召回效果应该不好吧
--【拾肆】--：
长期记忆ReactAgent之类使用Mem0就行，配置一下就行。我还没加
--【拾伍】--：
感谢佬友的分享项目到时候部署试一试先marks一下
--【拾陆】--：
点了star，感谢分享，周末抽空学习一下，Javaer确实是有点迷茫，不知道怎么写