基于Spring生态的智能文档分析与管理系统设计与实现

需求分析

选题：基于Spring生态的智能文档分析与管理系统设计与实现

研究内容（或设计内容）
本课题聚焦 “非结构化文档的智能处理与高效管理” 核心需求，基于 Spring 生态（Spring Boot、Spring AI）整合大语言模型（LLM）、检索增强生成（RAG）、多模态解析等技术，设计并实现一套兼具实用性与扩展性的智能文档分析与管理系统，具体研究内容如下：

1. 系统需求分析与架构设计
   需求建模：梳理个人 / 企业办公场景下的文档处理核心需求，包括多格式文档解析（PDF、Word、图片）、关键信息提取、语义检索、智能问答、文档管理（上传、分类、归档）等功能需求，以及系统响应速度、数据安全性、兼容性等非功能需求。
   架构设计：基于 Spring Boot 构建分层架构（表现层、业务层、数据层），整合 Spring AI 实现 AI 能力的快速集成，设计 “文档处理流水线” 与 “RAG 检索引擎” 两大核心子架构，明确模块间数据流转逻辑与接口规范。
   技术选型论证：针对文档解析、语义理解、向量存储等关键环节，对比分析 Spring AI 工具集（OCR、PDF 处理）、LLM 模型（GPT-3.5/4、开源 LLaMA）、向量数据库（Chroma、Milvus）的适配性，确定最优技术组合。

2.核心功能模块的设计与实现
基于 RAG 技术架构，设计 “文档向量化存储 - 语义检索 - LLM 生成” 的闭环流程：通过 Spring AI 的 Embedding 工具将文档内容转换为向量，存储至向量数据库，实现高效语义匹配。
开发关键信息提取功能：支持通用字段（标题、关键词、摘要）自动提取，以及自定义模板（合同、简历、论文）的指定字段提取（如合同金额、简历工作经历）。
实现智能问答功能：用户通过自然语言提问，系统结合检索到的文档片段与 LLM 生成精准回答，支持上下文关联问答（如 “这份合同的甲方是谁？对应的付款期限是什么？”）。
设计文档基础管理功能：包括上传、预览、下载、删除、分类（按类型、时间、标签）、版本控制等。
开发文档权限控制机制：实现用户角色（管理员、普通用户）的权限隔离，保障文档数据安全。
集成文档操作日志功能：记录文档上传、修改、检索、分享等行为，支持日志查询与审计。
前端交互与可视化模块：基于 Vue 等构建响应式前端界面，设计文档上传拖拽组件、在线预览组件、问答交互组件。
优化前端与后端的交互效率：采用 Axios 实现异步请求，结合 WebSocket 支持智能问答的实时响应。
3. 系统测试与优化
功能测试：设计测试用例，覆盖文档解析、信息提取、语义检索、智能问答等核心功能，验证功能完整性与准确性。
性能测试：针对多文档并发上传、大数据量文档检索等场景，测试系统响应时间、吞吐量，优化数据库查询与向量检索效率。
兼容性测试：验证系统对不同格式（PDF1.7/2.0、Word2016/2019、JPG/PNG）、不同大小（100KB-50MB）文档的处理兼容性。

研究目标（或设计目标）
本课题的核心目标是设计并实现一套 “技术先进、功能实用、架构清晰” 的智能文档分析与管理系统，旨在解决当前个人及小型企业办公场景中，文档格式繁杂、信息提取低效、管理流程分散、智能交互不足等痛点，通过整合 Spring 生态与 AI 技术，打造兼具稳定性与智能化的办公辅助工具。具体目标如下：

1. 功能目标
   实现多格式文档的高效解析：支持 PDF、Word、图片等主流格式文档的结构化提取。
   完成智能分析核心功能：支持通用 / 自定义字段的关键信息提取，覆盖文档全生命周期管理：实现上传、分类、检索、权限控制、日志审计等完整功能，满足个人与小型企业的办公需求。
   提供友好的前端交互：采用轻量化、直观化的界面设计，支持文档拖拽上传、在线预览、可视化分析结果展示，操作流程简洁直观。

2. 技术目标
   构建基于 Spring 生态的高可用架构：实现模块解耦，支持 LLM 模型、向量数据库的灵活替换。
   验证 Spring AI 在智能文档处理中的应用价值：通过 Spring AI 快速集成 OCR、Embedding、LLM 调用等能力，简化 AI 功能开发流程，降低技术集成复杂度，提升整体开发效率。
   优化 RAG 检索增强效果：构建 “文档解析→文本分段→Embedding 编码→向量存储→检索匹配→上下文拼接→LLM 生成” 的完整 RAG 链路，解决 LLM “幻觉” 问题，确保智能问答结果基于上传文档内容，提升回答可信度。
   保障系统稳定性与性能：实现异常处理机制（如文档解析失败重试、格式不支持提示、网络中断恢复），提升系统容错能力。

3. 应用目标
   形成一套可复用的 Spring 生态 + AI + 智能文档处理技术方案，全面覆盖需求分析、系统设计（架构设计、数据库设计、接口设计）、开发实现、功能测试、性能优化、文档撰写等毕业设计关键环节，开发出具备实际应用价值的系统原型，完成毕业设计的全流程实践，验证自身在 Spring Boot 全栈开发、AI 技术集成、系统设计等方面的综合能力。

开题报告

一、研究背景和意义
（一）研究背景
随着数字化办公的普及，个人用户和中小企业在日常工作中面临大量非结构化文档（如PDF合同、Word简历、扫描图片等）的处理需求。这些文档格式多样、信息分散，传统人工处理方式效率低下，难以满足快速检索、智能问答与高效管理的需求。与此同时，大语言模型（LLM）、检索增强生成（RAG）及多模态解析等AI技术快速发展，为智能文档处理提供了新的技术路径。Spring生态（特别是Spring Boot与新兴的Spring AI）凭借其模块化、高集成性和开发便捷性，成为构建企业级智能应用的理想技术栈。在此背景下，设计并实现一套基于Spring生态的智能文档分析与管理系统，具有重要的现实价值和技术前瞻性。
（二）研究意义
本课题聚焦“非结构化文档的智能处理与高效管理”，旨在解决当前办公场景中文档格式杂乱、信息提取困难、管理流程割裂、缺乏语义交互能力等痛点。通过整合Spring Boot、Spring AI、向量数据库与大语言模型，构建一个集文档解析、关键信息提取、语义检索、智能问答与权限管理于一体的系统，不仅可提升个人与小型企业的办公效率，也为Spring生态在AI工程化落地方面提供实践范例。此外，该系统具备良好的可扩展性与模块解耦设计，未来可迁移至更多垂直领域（如法律、人力资源、科研管理），具有较强的应用推广潜力。

---

二、国内外研究现状
（一）国内研究状况
近年来，国内在智能文档处理领域取得显著进展。阿里、百度、腾讯等科技企业已推出OCR+LLM的文档理解平台（如通义听悟、文心一言文档助手），支持合同解析、发票识别等功能。学术界方面，清华大学、中科院等机构在RAG优化、中文Embedding模型等方面开展了深入研究。然而，现有系统多为封闭式SaaS服务，缺乏开源、轻量、可定制的本地部署方案，尤其面向中小团队的低成本智能文档管理工具仍显不足。
（二）国外研究状况
国外在智能文档处理技术上起步较早。Google Cloud Document AI、Amazon Textract等云服务已成熟支持多格式文档结构化。开源社区方面，LangChain、LlamaIndex等框架推动了RAG架构的标准化；Chroma、Milvus等向量数据库广泛应用于语义检索场景。Spring官方于2024年推出的Spring AI项目，进一步简化了LLM与企业Java应用的集成。但目前尚缺乏以Spring Boot为核心、深度融合文档全生命周期管理与AI能力的一体化开源解决方案。

---

三、研究目标与内容
（一）研究目标
1. 功能目标：实现多格式（PDF/Word/图片）文档的自动解析、通用/自定义字段信息提取、基于RAG的语义检索与智能问答、完整的文档管理（上传、分类、权限、日志）功能。
2. 技术目标：构建基于Spring Boot + Spring AI的高可用分层架构，验证Spring AI在OCR、Embedding、LLM调用中的集成效率，优化RAG链路以减少LLM“幻觉”，确保回答基于真实文档内容。
3. 应用目标：形成一套可复用、可扩展的“Spring生态 + AI + 智能文档处理”技术方案，完成具备实际应用价值的系统原型。
（二）研究内容
1. 系统需求分析与架构设计（含功能/非功能需求建模、分层架构、RAG子系统设计）；
2. 技术选型论证（对比Tesseract/PDFBox、GPT/LLaMA、Chroma/Milvus等）；
3. 核心模块开发：
o 多模态文档解析流水线
o 基于模板的关键信息提取
o RAG驱动的语义检索与智能问答
o 用户角色权限控制与操作日志审计
4. 前端交互设计（Vue + Axios + WebSocket）；
5. 系统测试与性能优化（功能、兼容性、并发性能）。

---

四、研究方法
• 文献调研法：梳理国内外智能文档处理、RAG、Spring AI相关技术文献；
• 软件工程方法：采用敏捷开发模式，分模块迭代实现；
• 实验对比法：对不同OCR工具、LLM模型、向量数据库进行效果与性能对比；
• 系统测试法：设计覆盖核心功能的测试用例，开展功能、压力、兼容性测试。

---

五、研究方案的可行性分析和研究已具备的条件
（一）可行性分析
• 技术可行性：Spring Boot生态成熟，Spring AI已支持主流LLM与Embedding模型；Tesseract、Apache POI、PDFBox等开源工具可满足文档解析需求；Chroma等轻量向量库易于集成。
• 经济可行性：系统可基于开源技术栈构建，无需高昂授权费用，适合中小企业部署。
• 操作可行性：前端采用Vue实现直观交互，后端提供RESTful API，易于维护与扩展。
（二）已具备的条件
• 已掌握Java、Spring Boot、MySQL、Vue等核心技术；
• 熟悉大语言模型基本原理及RAG架构；
• 具备Linux开发环境与Docker容器化部署经验；
• 指导教师提供方向指导与资源支持；
• 学校实验室提供开发与测试所需软硬件环境。

七、参考文献
1. Spring AI 官方文档. https://spring.io/projects/spring-ai
2. Lewis P, et al. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. NeurIPS, 2020.
3. 张伟等. 基于RAG的智能问答系统设计与实现. 计算机工程与应用, 2024.
4. Apache PDFBox 官方文档. https://pdfbox.apache.org/
5. Chroma Vector Database Documentation. https://docs.trychroma.com/
6. 李航. 《自然语言处理导论》. 清华大学出版社, 2023.
7. Vaswani A, et al. Attention Is All You Need. NeurIPS, 2017.

技术选型

模块	推荐技术	对应报告需求点
后端核心	Spring Boot 3.5.11 + Java 21	基于 Spring 生态构建分层架构
AI 框架	Spring AI 1.1.2	整合 LLM、RAG、多模态解析，简化集成
大模型	国产大模型	智能问答、关键信息提取
向量库	PGVector	文档向量化存储、语义检索
关系库	MySQL	文档管理、权限控制、日志审计
前端框架	Vue 3 + TypeScript	响应式界面、文档拖拽、可视化展示
通信协议	WebSocket + Axios	智能问答实时响应、异步交互
文件存储	RustFS	多格式文档存储与管理

核心功能：
能支持文档（PDF、Word、图片）上传、解析、智能检索、内容提取的系统。用户可通过自然语言提问，系统自动从文档中提取答案（比如 “提取这份合同的甲方名称”“总结这篇论文的研究方法”），同时支持文档分类、关键词高亮、版本管理。

数据库

MySQL

SET NAMES utf8mb4;
SET FOREIGN_KEY_CHECKS = 0;

-- ----------------------------
-- 1. 用户表 (已确认)
-- ----------------------------
DROP TABLE IF EXISTS `user`;
CREATE TABLE `user` (
                        `id` bigint NOT NULL AUTO_INCREMENT                 COMMENT 'id',
                        `userName` varchar(256)                             NULL COMMENT '用户昵称',
                        `userAccount` varchar(256)                          NULL COMMENT '账号',
                        `avatarUrl` varchar(1024)                           NULL COMMENT '用户头像',
                        `gender` tinyint                                    NULL COMMENT '性别',
                        `userPassword` varchar(512)                         NOT NULL COMMENT '密码',
                        `userStatus` int DEFAULT '0'                        NULL COMMENT '状态 0-正常',
                        `createTime` datetime DEFAULT CURRENT_TIMESTAMP     NULL COMMENT '创建时间',
                        `updateTime` datetime DEFAULT CURRENT_TIMESTAMP     NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
                        `isDelete` tinyint  DEFAULT '0'                     NOT NULL COMMENT '是否删除',
                        `userRole` tinyint DEFAULT '0'                      NULL COMMENT '用户角色 0-管理员 1-普通用户 2-VIP 3-被封禁',
                        UNIQUE KEY `uk_user_account` (`userAccount`),
                        PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='用户表';

-- ----------------------------
-- 2. 文档元数据表 (核心业务)
-- 存储上传文件的原始信息、解析状态和AI摘要
-- ----------------------------
DROP TABLE IF EXISTS `document`;
CREATE TABLE `document` (
                            `id` bigint NOT NULL AUTO_INCREMENT                 COMMENT 'id',
                            `userId` bigint                                     NOT NULL COMMENT '上传用户ID',
                            `fileName` varchar(256)                             NOT NULL COMMENT '原始文件名',
                            `title` varchar(256)                                NOT NULL COMMENT '文档标题',
                            `filePath` varchar(1024)                            NOT NULL COMMENT '文件存储路径 (OSS/本地)',
                            `fileSize` bigint                                   NOT NULL COMMENT '文件大小 (字节)',
                            `fileType` varchar(64)                              NOT NULL COMMENT '文件类型 (pdf, docx, txt, md)',
                            `parseStatus` tinyint DEFAULT '0'                   NOT NULL COMMENT '解析状态 0-上传中 1-解析中 2-完成 3-失败',
                            `wordCount` int DEFAULT '0'                         NULL COMMENT '文档总字数',
                            `content` longtext                                  NULL COMMENT '文档内容',
                            `summary` text                                      NULL COMMENT 'AI生成的文档摘要',
                            `tags` varchar(512)                                 NULL COMMENT '自动提取的标签 (逗号分隔)',
                            `errorMessage` varchar(1024)                        NULL COMMENT '解析失败时的错误信息',
                            `createTime` datetime DEFAULT CURRENT_TIMESTAMP     NULL COMMENT '创建时间',
                            `updateTime` datetime DEFAULT CURRENT_TIMESTAMP     NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
                            `isDelete` tinyint DEFAULT '0'                      NOT NULL COMMENT '是否删除',
                            PRIMARY KEY (`id`),
                            KEY `idx_user_id` (`userId`),
                            KEY `idx_parse_status` (`parseStatus`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='文档元数据表';

-- ----------------------------
-- 3. AI 对话记录表 (核心业务)
-- 存储用户与AI关于文档的问答历史
-- ----------------------------
DROP TABLE IF EXISTS `chat_record`;
CREATE TABLE `chat_record` (
                               `id` bigint NOT NULL AUTO_INCREMENT                 COMMENT 'id',
                               `userId` bigint                                     NOT NULL COMMENT '用户ID',
                               `documentId` bigint                                 NULL COMMENT '关联文档ID (若为通用聊天则为NULL)',
                               `sessionId` varchar(64)                             NULL COMMENT '会话ID (用于多轮对话上下文)',
                               `question` text                                     NOT NULL COMMENT '用户提问',
                               `answer` text                                       NULL COMMENT 'AI回答',
                               `sourceChunks` text                                 NULL COMMENT '参考的文档片段ID列表 (JSON格式)',
                               `modelType` varchar(64) DEFAULT 'default'           NULL COMMENT '使用的模型类型',
                               `tokenUsage` int DEFAULT '0'                        NULL COMMENT '消耗Token数',
                               `createTime` datetime DEFAULT CURRENT_TIMESTAMP     NULL COMMENT '创建时间',
                               `updateTime` datetime DEFAULT CURRENT_TIMESTAMP     NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
                               `isDelete` tinyint DEFAULT '0'                      NOT NULL COMMENT '是否删除',
                               PRIMARY KEY (`id`),
                               KEY `idx_user_id` (`userId`),
                               KEY `idx_document_id` (`documentId`),
                               KEY `idx_session_id` (`sessionId`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='AI对话记录表';

-- ----------------------------
-- 4. 关键信息提取结果表 (特色功能)
-- 存储从文档中结构化提取的特定字段 (如合同金额、日期等)
-- ----------------------------
DROP TABLE IF EXISTS `extracted_info`;
CREATE TABLE `extracted_info` (
                                  `id` bigint NOT NULL AUTO_INCREMENT                 COMMENT 'id',
                                  `documentId` bigint                                 NOT NULL COMMENT '关联文档ID',
                                  `userId` bigint                                     NOT NULL COMMENT '用户ID',
                                  `fieldName` varchar(128)                            NOT NULL COMMENT '提取字段名 (如: contractAmount)',
                                  `fieldValue` text                                   NOT NULL COMMENT '提取的值',
                                  `confidence` decimal(5,2) DEFAULT '0.00'            NULL COMMENT 'AI置信度 (0-100)',
                                  `originalText` text                                 NULL COMMENT '原文片段',
                                  `createTime` datetime DEFAULT CURRENT_TIMESTAMP     NULL COMMENT '创建时间',
                                  `updateTime` datetime DEFAULT CURRENT_TIMESTAMP     NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
                                  `isDelete` tinyint DEFAULT '0'                      NOT NULL COMMENT '是否删除',
                                  PRIMARY KEY (`id`),
                                  KEY `idx_document_id` (`documentId`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='关键信息提取结果表';

-- ----------------------------
-- 5. 用户接口配额表 (运营/计费)
-- 控制不同角色用户的AI调用次数限制
-- ----------------------------
DROP TABLE IF EXISTS `user_quota`;
CREATE TABLE `user_quota` (
                              `id` bigint NOT NULL AUTO_INCREMENT                 COMMENT 'id',
                              `userId` bigint                                     NOT NULL COMMENT '用户ID',
                              `totalQuota` int DEFAULT '0'                        NOT NULL COMMENT '总配额次数',
                              `usedQuota` int DEFAULT '0'                         NOT NULL COMMENT '已使用次数',
                              `remainingQuota` int DEFAULT '0'                    NOT NULL COMMENT '剩余可用次数',
                              `resetTime` datetime                                NULL COMMENT '配额重置时间',
                              `createTime` datetime DEFAULT CURRENT_TIMESTAMP     NULL COMMENT '创建时间',
                              `updateTime` datetime DEFAULT CURRENT_TIMESTAMP     NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
                              `isDelete` tinyint DEFAULT '0'                      NOT NULL COMMENT '是否删除',
                              UNIQUE KEY `uk_user_id` (`userId`),
                              PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='用户接口配额表';

-- ----------------------------
-- 6. 系统公告表 (通用模块)
-- 发布系统通知或更新日志
-- ----------------------------
DROP TABLE IF EXISTS `notice`;
CREATE TABLE `notice` (
                          `id` bigint NOT NULL AUTO_INCREMENT                 COMMENT 'id',
                          `title` varchar(256)                                NOT NULL COMMENT '公告标题',
                          `content` text                                      NOT NULL COMMENT '公告内容',
                          `publisherId` bigint                                NOT NULL COMMENT '发布者ID (管理员)',
                          `status` tinyint DEFAULT '1'                        NOT NULL COMMENT '状态 0-下架 1-上架',
                          `priority` int DEFAULT '0'                          NULL COMMENT '优先级 (数字越大越靠前)',
                          `createTime` datetime DEFAULT CURRENT_TIMESTAMP     NULL COMMENT '创建时间',
                          `updateTime` datetime DEFAULT CURRENT_TIMESTAMP     NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
                          `isDelete` tinyint DEFAULT '0'                      NOT NULL COMMENT '是否删除',
                          PRIMARY KEY (`id`),
                          KEY `idx_status` (`status`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='系统公告表';

SET FOREIGN_KEY_CHECKS = 1;

PGVector

https://github.com/pgvector/pgvector

-- 确保已安装 pgvector 插件
CREATE EXTENSION IF NOT EXISTS vector;

-- 文档分块与向量表 (存储在 PostgreSQL)
DROP TABLE IF EXISTS document_chunk;
CREATE TABLE document_chunk (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    document_id BIGINT NOT NULL,          -- 关联 MySQL 中的 document.id
    chunk_content TEXT NOT NULL,          -- 文本分块内容
    embedding vector(1536),               -- 向量数据 (维度需与你的模型一致，如 1536, 768 等)
    chunk_index INT NOT NULL,             -- 分块顺序
    metadata JSONB,                       -- 额外元数据 (页码、标题等)
    create_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

-- 创建向量索引 (加速相似度搜索)
CREATE INDEX ON document_chunk USING ivfflat (embedding vector_cosine_ops) WITH (lists = 100);
CREATE INDEX idx_chunk_doc_id ON document_chunk(document_id);

后端-WGDocument

初始化

创建项目

选择功能:
Lombok + Spring Web + Spring Boot DevTools + Spring Configuration Processor + MySQL Driver
显示引入AOP

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-aop</artifactId>
</dependency>

引入 MyBatis-Plus

<!-- https://baomidou.com/getting-started/install/ -->
<dependency>
    <groupId>com.baomidou</groupId>
    <artifactId>mybatis-plus-spring-boot3-starter</artifactId>
    <version>3.5.15</version>
</dependency>

引入 commons-lang3 依赖

<!-- https://mvnrepository.com/artifact/org.apache.commons/commons-lang3 -->
<dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commons-lang3</artifactId>
    <version>3.20.0</version>
</dependency>

引入hutool

<!-- Source: https://mvnrepository.com/artifact/cn.hutool/hutool-all -->
<dependency>
    <groupId>cn.hutool</groupId>
    <artifactId>hutool-all</artifactId>
    <version>5.8.43</version>
    <scope>compile</scope>
</dependency>

文档解析

PDF 解析

<!-- Source: https://mvnrepository.com/artifact/org.apache.pdfbox/pdfbox -->
<dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>pdfbox</artifactId>
    <version>3.0.6</version>
    <scope>compile</scope>
</dependency>

Word 解析

<!-- POI 核心依赖 -->
<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi</artifactId>
<version>5.2.5</version>
<!-- Source: https://mvnrepository.com/artifact/org.apache.poi/poi-ooxml -->
<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-ooxml</artifactId>
    <version>5.5.1</version>
    <scope>compile</scope>
</dependency>

HTML 解析

<!-- jsoup HTML 解析库 -->
<!-- Source: https://mvnrepository.com/artifact/org.jsoup/jsoup -->
<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.22.1</version>
    <scope>compile</scope>
</dependency>

接口文档

<!-- 显式引入最新 springdoc -->
<dependency>
	<groupId>org.springdoc</groupId>
	<artifactId>springdoc-openapi-starter-webmvc-ui</artifactId>
	<version>2.8.16</version> <!-- 最新稳定版 -->
</dependency>

配置 application.yaml

# 接口文档配置
# 生产环境建议关闭 Springdoc 相关端点
springdoc:
  api-docs:
    enabled: true
    path: /v3/api-docs
  swagger-ui:
    path: /swagger-ui.html
    persistAuthorization: true

访问：
http://localhost:8080/swagger-ui.html

大模型

Spring AI 核心

<!-- Source: https://mvnrepository.com/artifact/org.springframework.ai/spring-ai-client-chat -->
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-client-chat</artifactId>
    <version>1.1.2</version>
    <scope>compile</scope>
</dependency>

Spring AI Alibaba

<!-- Source: https://mvnrepository.com/artifact/com.alibaba.cloud.ai/spring-ai-alibaba-agent-framework -->
<dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-agent-framework</artifactId>
    <version>1.1.2.0</version>
  </dependency>

  <!-- DashScope ChatModel 支持（如果使用其他模型，请跳转 Spring AI 文档选择对应的 starter） -->
<dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
    <version>1.1.2.0</version>
</dependency>

<!-- Markdown 文档解析器 -->
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-markdown-document-reader</artifactId>
    <version>1.1.2.0</version>
</dependency>

向量数据库

<!-- Source: https://mvnrepository.com/artifact/org.postgresql/postgresql -->
<dependency>
    <groupId>org.postgresql</groupId>
    <artifactId>postgresql</artifactId>
    <version>42.7.10</version>
</dependency>

<!-- Source: https://mvnrepository.com/artifact/org.springframework.ai/spring-ai-starter-vector-store-pgvector -->
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-vector-store-pgvector</artifactId>
    <version>1.1.2</version>
    <scope>compile</scope>
</dependency>

cos-RustFS

<dependency>
    <groupId>software.amazon.awssdk</groupId>
    <artifactId>s3</artifactId>
    <version>2.25.27</version>
</dependency>

配置application.yaml

spring:
  application:
    name: WGDocument
# 数据库连接池
  datasource:
    driver-class-name: com.mysql.cj.jdbc.Driver
    url: jdbc:mysql://localhost:3306/mydocument
    username: root
    password: 123456
# 文件上传
  servlet:
    multipart:
      enabled: true
      max-file-size: 100MB    # 单个文件最大 100MB
      max-request-size: 100MB # 整个请求最大 100MB

# Spring AI 配置
  ai:
    dashscope:
      api-key: #${AI_DASHSCOPE_API_KEY}

    # PGVector 配置 (通常会自动读取 spring.datasource，但需指定 vector store 类型)
    vectorstore:
      pgvector:
        index-type: hnsw

server:
  port: 8080
  servlet:
    session:
      timeout: 1800s

# MyBatisX 自动命名类似映射的冲突解决
mybatis-plus:
  configuration:
    map-underscore-to-camel-case: false
  mapper-locations: classpath*:/mapper/**/*.xml
  type-aliases-package: fun.wgfun.wgdocument.model.entity

# 接口文档配置
# SpringBoot 3.x 版本配置
springdoc:
  api-docs:
    enabled: true
    path: /v3/api-docs
  swagger-ui:
    path: /swagger-ui.html
    persistAuthorization: true

前端-WGDFrontend

初始化

Vue
npm create vue@latest @3.22.0
选择功能：
Typescript + Router + Pinia + Prettier
引入组件库 Element Plus 2.13.3
npm install element-plus --save

前端管理-WGDManagement

React + 组件库 Ant Design + Umi + Ant Design Pro
Ant Design Pro 官网