# 🏗️ AI智能平台总体架构设计方案

> **版本**: v1.0  
> **日期**: 2026-07-31  
> **设计目标**: 构建企业级AI智能平台，集成AI助手、Hub集市、自进化系统三大核心能力

---

## 目录

1. [设计哲学与核心策略](#一设计哲学与核心策略)
2. [总体架构图](#二总体架构图三层架构)
3. [核心模块详细设计](#三核心模块详细设计)
4. [Hub集市系统设计](#四hub集市系统设计核心创新模块)
5. [全平台标准规范体系](#五全平台标准规范体系)
6. [安全与合规体系](#六安全与合规体系)
7. [实施路线图](#七实施路线图分三期)
8. [开发工具使用建议](#八开发工具使用建议trea--workbuddy--qoder)
9. [关键开源项目速查表](#九关键开源项目速查表)
10. [总结](#十总结平台核心差异化竞争力)

---

## 一、设计哲学与核心策略

### 1.1 核心设计原则

| 原则 | 说明 | 落地方式 |
|------|------|----------|
| **开源优先** | 不重复造轮子，站在巨人肩膀 | 核心底座直接采用Dify（AI应用平台）+ yudao-cloud（用户权限）+ Qdrant（向量库） |
| **协议驱动** | 全平台基于MCP（Model Context Protocol）统一互联 | 所有工具、技能、Agent均通过MCP协议暴露能力，实现"一次开发，全平台可用" |
| **数据主权** | 用户数据完全隔离，支持私有化部署 | 多租户架构 + 行级数据隔离 + 可选本地部署 |
| **渐进进化** | 平台越用越懂用户 | 对话历史自动提炼知识库 + 用户画像持续学习 + Skills自适应推荐 |

### 1.2 技术底座选型（可直接借鉴的开源项目）

| 模块 | 推荐开源底座 | 理由 | GitHub Stars |
|------|-------------|------|-------------|
| **AI应用引擎** | **Dify** | 企业级LLMOps平台，功能最全（RAG/Agent/工作流/API/版本管理），Apache协议可商用二次开发 | 75k+ |
| **知识库/RAG** | **RAGFlow** 或 **FastGPT** | RAGFlow文档解析最强（表格/扫描件）；FastGPT工作流编排更成熟 | 23k+ |
| **向量数据库** | **Qdrant** + **Milvus** | Qdrant性能极致（Rust编写）；Milvus支持超大规模分布式 | 各20k+ |
| **用户权限/SSO** | **yudao-cloud** | 国产最强后台框架，内置RBAC、多租户、SSO、工作流、支付 | 20k+ |
| **计费订阅** | **Lago** | 开源SaaS计费引擎，支持事件驱动、Token级精准计费 | 10k+ |
| **API网关** | **Kong** 或 **Tyk** | 企业级API管理，支持速率限制、认证、分析、开发者门户 | 30k+ |
| **Agent编排** | **LangGraph** + **CrewAI** | LangGraph用于复杂有状态流程；CrewAI用于多Agent角色协作 | 各30k+ |
| **MCP生态** | 官方MCP SDK | 2026年7月MCP协议已纳入Linux基金会，成为AI工具连接的事实标准 | - |

---

## 二、总体架构图（三层架构）

```
┌─────────────────────────────────────────────────────────────────────────────┐
│                           🎨 前端交互层 (Presentation)                        │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐  ┌─────────────────────┐ │
│  │  Web用户端   │  │  管理后台    │  │  Hub集市     │  │  Agent画布(可视化)  │ │
│  │  (React/Vue)│  │  (Ant Design)│  │  (独立商店)  │  │  (参考Dify/Flowise) │ │
│  └─────────────┘  └─────────────┘  └─────────────┘  └─────────────────────┘ │
├─────────────────────────────────────────────────────────────────────────────┤
│                           ⚙️ 业务中台层 (Business)                           │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐  ┌─────────────────────┐ │
│  │  AI助手引擎  │  │  Hub集市中心 │  │  用户中心    │  │  计费订阅中心       │ │
│  │  (基于Dify)  │  │  (自研核心)  │  │  (基于yudao)│  │  (基于Lago)        │ │
│  └─────────────┘  └─────────────┘  └─────────────┘  └─────────────────────┘ │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐  ┌─────────────────────┐ │
│  │  MCP网关     │  │  知识库引擎  │  │  进化学习引擎│  │  API网关           │ │
│  │  (协议中枢)  │  │  (RAG核心)   │  │  (自研壁垒)  │  │  (Kong/Tyk)        │ │
│  └─────────────┘  └─────────────┘  └─────────────┘  └─────────────────────┘ │
├─────────────────────────────────────────────────────────────────────────────┤
│                           🔧 基础设施层 (Infrastructure)                     │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐  ┌─────────────────────┐ │
│  │  向量数据库  │  │  关系数据库  │  │  缓存/消息   │  │  对象存储          │ │
│  │  Qdrant     │  │  PostgreSQL  │  │  Redis/Kafka │  │  MinIO/S3          │ │
│  └─────────────┘  └─────────────┘  └─────────────┘  └─────────────────────┘ │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐  ┌─────────────────────┐ │
│  │  大模型接入层│  │  模型推理服务│  │  容器编排    │  │  监控/日志         │ │
│  │  OneAPI/    │  │  vLLM/      │  │  Kubernetes   │  │  Prometheus/       │ │
│  │  LiteLLM    │  │  Ollama     │  │  (K8s)        │  │  Grafana/ELK       │ │
│  └─────────────┘  └─────────────┘  └─────────────┘  └─────────────────────┘ │
└─────────────────────────────────────────────────────────────────────────────┘
```

---

## 三、核心模块详细设计

### 3.1 模块一：AI助手引擎（解决"长文本存储+语义检索"）

#### 架构设计：RAG 2.0 + 长文本记忆系统

```
用户提问 → 意图识别 → 【短期记忆】对话历史(最近20轮)
                    → 【长期记忆】知识库检索(Qdrant向量库)
                    → 【全局记忆】用户画像(偏好/习惯/领域)
                    → 上下文组装 → LLM生成 → 答案输出
                         ↓
                    对话质量评估 → 自动提炼 → 更新知识库/用户画像
```

#### 技术实现方案

| 组件 | 技术方案 | 开源借鉴 |
|------|---------|---------|
| **文档解析** | 支持PDF/Word/Excel/PPT/网页/图片OCR | RAGFlow的DeepDoc解析引擎 |
| **文本分块** | 语义分块( Semantic Chunking ) + 重叠保留 | LangChain的RecursiveCharacterTextSplitter |
| **向量化** | BGE-M3（支持8192长文本，三合一检索） | 开源嵌入模型 |
| **向量存储** | Qdrant（高性能）+ Milvus（超大规模） | 双向量库策略 |
| **检索策略** | 混合检索(向量语义+BM25关键词) + Rerank重排 | BGE-Reranker模型 |
| **长文本处理** | 动态上下文窗口管理 + 关键信息摘要 | 自研"记忆压缩"算法 |

#### 关键创新：自进化知识库

```
对话历史 ──→ 自动摘要提取 ──→ 质量评分(相关性/准确性)
                              ↓
                    ┌─────────────────┐
                    │  高质量对话片段  │──→ 自动入库(用户私有知识库)
                    │  低质量/错误信息 │──→ 丢弃或标记待修正
                    └─────────────────┘
                              ↓
                    周期性知识图谱构建(实体-关系-实体)
                              ↓
                    用户画像更新(领域偏好/表达习惯/常用工具)
```

---

### 3.2 模块二：用户中心（解决"注册/管理/认证/数据隔离"）

#### 多租户数据隔离架构

基于 **yudao-cloud** 进行二次开发，其核心已包含：

| 功能 | 实现方式 | 说明 |
|------|---------|------|
| **统一认证** | OAuth 2.1 + JWT Token + SSO单点登录 | 支持企业微信/钉钉/飞书/LDAP接入 |
| **多租户隔离** | 行级数据隔离(Tenant ID) + 独立Schema可选 | 每个用户/企业的数据物理/逻辑隔离 |
| **RBAC权限** | 角色-菜单-按钮三级权限 + 数据权限范围 | 细粒度到API接口级别 |
| **用户画像** | 独立微服务，存储用户偏好/历史/技能树 | 为AI助手进化提供数据基础 |

#### 数据隔离策略

```
┌────────────────────────────────────────┐
│           平台超级管理员                │
├────────────────────────────────────────┤
│  租户A(企业) │  租户B(个人) │  租户C(企业) │
│  ├─ 用户A1   │  ├─ 用户B1   │  ├─ 用户C1   │
│  ├─ 用户A2   │  └─ 用户B2   │  └─ 用户C2   │
│  └─ 知识库A  │    知识库B   │    知识库C   │
│  └─ AgentA   │    AgentB    │    AgentC    │
│  └─ 数据完全隔离，其他租户不可见         │
└────────────────────────────────────────┘
```

---

### 3.3 模块三：进化学习引擎（解决"越用越快、越用越懂你"）

这是平台的**核心竞争壁垒**，必须自研：

#### 三层进化机制

| 层级 | 进化内容 | 触发条件 | 技术实现 |
|------|---------|---------|---------|
| **L1: 知识进化** | 对话历史自动提炼为结构化知识 | 每完成10轮高质量对话 | LLM自动摘要 + 向量入库 |
| **L2: 技能进化** | 根据使用频率自动优化Skills参数 | 技能调用超过50次 | A/B测试 + 参数自动调优 |
| **L3: 人格进化** | 形成用户专属的沟通风格与思维模式 | 累计对话超过1000轮 | 用户画像大模型微调(LoRA) |

#### 进化数据流

```
用户对话 ──→ 实时分析层(流处理Kafka) ──→ 特征提取
                                              ↓
                    ┌─────────────────────────────────────┐
                    │  用户画像向量(沟通风格/知识领域/偏好) │
                    │  技能调用图谱(常用工具/组合模式)      │
                    │  知识缺口图谱(频繁提问但未覆盖领域)   │
                    └─────────────────────────────────────┘
                                              ↓
                    周期性训练(每日/每周) ──→ 轻量级模型微调
                                              ↓
                    更新用户专属"影子模型"(LoRA适配器)
                                              ↓
                    下次对话时自动加载，实现个性化响应
```

---

## 四、Hub集市系统设计（核心创新模块）

### 4.1 集市架构

```
┌─────────────────────────────────────────────────────────────┐
│                        Hub 集市门户                          │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐  │
│  │ Skills   │  │ MCP服务  │  │ Agent模板 │  │ 独立应用 │  │
│  │ 技能市场  │  │ 工具市场  │  │ 画布市场  │  │ 应用商店 │  │
│  └──────────┘  └──────────┘  └──────────┘  └──────────┘  │
├─────────────────────────────────────────────────────────────┤
│                      平台服务层                              │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐  │
│  │ 创作工具  │  │ 发布审核  │  │ 版本管理  │  │ 交易结算  │  │
│  │(低代码IDE)│  │(AI+人工) │  │(SemVer)  │  │(Lago计费) │  │
│  └──────────┘  └──────────┘  └──────────┘  └──────────┘  │
├─────────────────────────────────────────────────────────────┤
│                      运行环境层                              │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐  │
│  │ 沙箱执行  │  │ 安全扫描  │  │ 资源隔离  │  │ 监控告警  │  │
│  │(Docker/   │  │(静态+动态)│  │(K8s命名空间)│  │(Prometheus)│  │
│  │  WebAssembly)│  │          │  │          │  │          │  │
│  └──────────┘  └──────────┘  └──────────┘  └──────────┘  │
└─────────────────────────────────────────────────────────────┘
```

### 4.2 四大市场详解

#### ① Skills 技能市场

| 属性 | 说明 |
|------|------|
| **形态** | 可复用的AI能力单元（如"PDF解析专家"、"合同审查员"） |
| **开发方式** | 可视化编排(Dify工作流) / 代码开发(Python/JS) |
| **标准格式** | 符合MCP协议，暴露Tools/Resources/Prompts |
| **版本管理** | SemVer语义化版本(major.minor.patch) |
| **交易模式** | 免费 / 按次付费 / 订阅制 / 分成模式 |

#### ② MCP Server/Client 市场

这是2026年**最重要的创新点**。MCP已成为AI工具连接的USB-C标准：

```
开发者提交MCP Server ──→ 平台自动检测协议合规性
                              ↓
                    安全扫描(代码审计 + 沙箱测试)
                              ↓
                    ┌─────────────────┐
                    │  通过审核        │──→ 上架市场，可被所有Agent调用
                    │  需修正          │──→ 返回开发者修改
                    │  高风险          │──→ 拒绝上架，记录黑名单
                    └─────────────────┘
```

**关键功能**：
- **GitHub一键部署**：输入GitHub URL，平台自动拉取、构建、部署为远程MCP Server
- **AI自开发**：用户描述需求，平台AI自动生成MCP Server代码并部署
- **多租户隔离**：每个用户的MCP调用独立鉴权，数据不串台

#### ③ Agent/多Agent/Agent画布市场

| 类型 | 说明 | 借鉴项目 |
|------|------|---------|
| **单Agent模板** | 预设角色的独立助手（如"法律顾问Agent"） | Dify应用模板 |
| **多Agent团队** | 多个Agent协作完成复杂任务（如"研报生成团队"） | CrewAI角色编排 |
| **Agent画布** | 可视化拖拽编排多Agent工作流 | LangFlow/Dify工作流 |

#### ④ 独立应用市场

以 **MuMuAINovel** 项目为例：

```
独立应用接入标准：
├─ 前端：遵循平台UI组件库 + 单点登录SDK
├─ 后端：通过平台API网关统一接入
├─ 大模型：调用平台统一模型库（无需自行对接）
├─ 用户：复用平台用户体系（免注册）
├─ 计费：接入平台Lago计费系统（自动Token计费）
├─ 数据：用户数据存储在平台隔离空间
└─ 发布：通过平台审核后上架，平台抽成20-30%
```

---

### 4.3 统一API对外服务

所有Hub集市的产出物，均通过 **API网关(Kong)** 统一暴露：

```
外部开发者 ──→ API网关(Kong) ──→ 认证鉴权(JWT/OAuth)
                                      ↓
                              速率限制(按套餐配额)
                                      ↓
                              路由分发 ──→ Skills API
                                        ──→ MCP Server API
                                        ──→ Agent API
                                        ──→ 独立应用 API
                                      ↓
                              计费打点(Lago事件驱动)
                                      ↓
                              监控分析(Prometheus/Grafana)
```

---

## 五、全平台标准规范体系

### 5.1 API格式统一标准

```yaml
# 平台统一API响应格式 (RESTful + JSON)
{
  "code": 200,           # 业务状态码
  "message": "success",  # 提示信息
  "data": { ... },       # 业务数据
  "traceId": "abc123",   # 全链路追踪ID
  "timestamp": 1722400000 # 时间戳
}

# 错误统一格式
{
  "code": 40001,         # 4位业务错误码
  "message": "知识库不存在",
  "detail": {            # 详细错误信息
    "field": "kbId",
    "value": "xxx"
  },
  "traceId": "abc123"
}
```

### 5.2 MCP协议作为内部"普通话"

全平台所有组件间通信，优先采用 **MCP协议**（2026年7月已纳入Linux基金会，成为事实标准）：

| 场景 | 协议/标准 |
|------|----------|
| AI助手 ↔ 工具/技能 | MCP (Model Context Protocol) |
| Agent ↔ Agent | MCP + A2A (Agent-to-Agent) |
| 外部API调用 | OpenAPI 3.0 + 平台统一封装 |
| 实时通信 | WebSocket + SSE (Server-Sent Events) |
| 事件驱动 | CloudEvents标准 + Kafka |

### 5.3 数据模型标准

| 实体 | 标准规范 |
|------|---------|
| **用户** | UUID主键 + Tenant ID隔离 + 扩展字段JSON |
| **知识库** | 统一Document/Chunk/Embedding三层模型 |
| **Skills** | MCP Tools定义(JSON Schema) + 版本 + 元数据 |
| **Agent** | 角色定义 + 工具清单 + 记忆配置 + 触发规则 |
| **应用** | 应用清单(manifest.json) + 权限声明 + 计费点 |

---

## 六、安全与合规体系

### 6.1 多层安全防护

```
┌─────────────────────────────────────────┐
│  第1层：内容安全                         │
│  - 输入过滤( Prompt Injection检测 )      │
│  - 输出审核( 敏感信息/有害内容过滤 )      │
│  - 模型层安全( 对齐训练/护栏 )           │
├─────────────────────────────────────────┤
│  第2层：应用安全                         │
│  - Skills沙箱执行( WebAssembly/Docker )  │
│  - MCP Server权限最小化( OAuth 2.1 )     │
│  - 代码审计( 静态扫描 + 动态沙箱 )       │
├─────────────────────────────────────────┤
│  第3层：数据安全                         │
│  - 传输加密(TLS 1.3)                    │
│  - 存储加密(AES-256)                    │
│  - 字段级脱敏( 手机号/身份证/银行卡 )    │
├─────────────────────────────────────────┤
│  第4层：合规审计                         │
│  - 操作日志全量记录( 不可篡改 )          │
│  - 数据访问审计( 谁/何时/访问了什么 )    │
│  - GDPR/个人信息保护法合规               │
└─────────────────────────────────────────┘
```

### 6.2 发布审核流程

```
开发者提交 ──→ 自动化预审(30秒内)
                  ├─ 代码静态扫描(SonarQube)
                  ├─ 依赖漏洞扫描(Snyk)
                  ├─ 敏感权限检测
                  └─ 沙箱行为测试
                        ↓
                  ├─ 通过 ──→ 人工抽检(高风险) ──→ 上架
                  └─ 不通过 ──→ 返回修改意见 ──→ 开发者修正
```

---

## 七、实施路线图（分三期）

### 第一期：MVP核心（2-3个月）

**目标**：跑通AI助手 + 基础用户体系 + 简单Hub

| 任务 | 技术方案 | 工作量 |
|------|---------|--------|
| 部署Dify开源版 | Docker Compose一键部署 | 1周 |
| 接入用户中心 | 基于yudao-cloud二次开发，对接Dify | 2周 |
| 向量库搭建 | Qdrant集群部署 + BGE-M3接入 | 1周 |
| 基础RAG | 文档上传 → 分块 → 检索 → 问答 | 2周 |
| 简单Skills市场 | 允许用户创建基础工作流并分享 | 2周 |
| 统一API封装 | Kong网关 + 统一响应格式 | 1周 |

### 第二期：平台化（3-4个月）

**目标**：Hub集市完整功能 + MCP生态 + 计费系统

| 任务 | 技术方案 |
|------|---------|
| MCP协议全面接入 | 所有工具通过MCP暴露 |
| Hub四市场上线 | Skills/MCP/Agent/应用 |
| 发布审核系统 | AI自动审核 + 人工复核 |
| 计费订阅系统 | 集成Lago，支持Token级计费 |
| 多Agent编排 | 集成LangGraph画布 |
| 进化学习V1 | 对话历史自动入库 |

### 第三期：智能化（3-4个月）

**目标**：自进化引擎 + 企业级特性 + 生态繁荣

| 任务 | 技术方案 |
|------|---------|
| 进化学习V2 | 用户画像LoRA微调 |
| AI自动开发MCP | 自然语言描述 → 自动生成MCP Server |
| 企业级特性 | SLA保障、审计报表、数据导出 |
| 开发者生态 | 完善的SDK、文档、分成体系 |
| 性能优化 | 缓存策略、模型路由优化、边缘部署 |

---

## 八、开发工具使用建议（Trea / WorkBuddy / Qoder）

作为非开发人员，您需要理解：**这些AI编程工具不是替代开发团队，而是让开发团队效率提升3-5倍的加速器**。

### 8.1 工具选型建议

| 工具 | 定位 | 适用场景 | 您的角色 |
|------|------|---------|---------|
| **Trea** | AI原生IDE（字节跳动） | 前端/全栈开发、设计稿转代码 | 产品经理验收、提需求 |
| **Qoder** | 阿里云AI编程平台 | Java/Go后端、微服务、云原生 | 架构设计评审、进度跟踪 |
| **WorkBuddy** | 企业微信集成AI助手 | 办公自动化、流程机器人 | 业务场景定义、效果验收 |

### 8.2 非技术负责人的参与方式

您不需要写代码，但需要掌握以下**"技术管理语言"**：

#### ① 用"需求文档 + 架构图"驱动AI工具

```
给Trea/Qoder的Prompt示例：
"基于Dify开源项目，我需要增加一个'用户进化画像'模块。
要求：
1. 在每次对话结束后，自动提取用户偏好关键词
2. 存储到PostgreSQL的user_profile表
3. 下次对话时，自动注入到System Prompt中
4. 参考yudao-cloud的租户隔离模式

请生成：数据库表设计 + API接口 + 前端配置页面"
```

#### ② 关键把控点（您必须审查的）

| 审查项 | 审查标准 | 工具辅助 |
|--------|---------|---------|
| **API设计** | 是否符合平台统一规范 | Trea自动生成Swagger文档 |
| **数据安全** | 是否有多租户隔离 | Qoder自动检测SQL注入 |
| **性能指标** | 响应时间<2s，并发>1000 | 自动压测报告 |
| **代码质量** |  SonarQube评分>80 | 自动代码审查 |

#### ③ 与开发团队的协作流程

```
您(产品/业务) ──→ 编写PRD需求文档(中文描述)
                      ↓
              架构师 ──→ 技术方案设计 + 开源项目选型
                      ↓
              开发工程师 ──→ 使用Trea/Qoder加速编码
                      ↓
              AI工具 ──→ 自动生成代码/测试/文档
                      ↓
              您 ──→ 功能验收 + 效果评估
                      ↓
              迭代优化
```

---

## 九、关键开源项目速查表

| 项目 | 地址 | 用途 | 协议 |
|------|------|------|------|
| **Dify** | github.com/langgenius/dify | AI应用平台底座 | Apache 2.0 |
| **FastGPT** | github.com/labring/FastGPT | 知识库问答增强 | Apache 2.0 |
| **RAGFlow** | github.com/infiniflow/ragflow | 文档解析引擎 | Apache 2.0 |
| **yudao-cloud** | github.com/YunaiV/yudao-cloud | 用户权限/多租户 | MIT |
| **Lago** | github.com/getlago/lago | 计费订阅系统 | AGPL |
| **Qdrant** | github.com/qdrant/qdrant | 向量数据库 | Apache 2.0 |
| **Milvus** | github.com/milvus-io/milvus | 大规模向量库 | Apache 2.0 |
| **Kong** | github.com/Kong/kong | API网关 | Apache 2.0 |
| **LangGraph** | github.com/langchain-ai/langgraph | Agent编排 | MIT |
| **CrewAI** | github.com/crewAIInc/crewAI | 多Agent协作 | MIT |
| **MCP SDK** | github.com/modelcontextprotocol | 工具协议标准 | MIT |

---

## 十、总结：平台核心差异化竞争力

| 市面现有产品 | 您的平台优势 |
|-------------|-------------|
| ChatGPT/Claude | 数据私有化 + 越用越懂你的进化能力 |
| Dify/Coze | 完整的Hub集市 + MCP生态 + 交易闭环 |
| 单一MCP工具 | 统一平台治理 + 安全审核 + 一键部署 |
| 传统知识库 | 对话驱动自动进化，无需人工维护 |

### 最终建议

1. **立即启动**：基于Dify + yudao-cloud搭建MVP，2周内出Demo
2. **快速验证**：邀请10-20个种子用户，验证"进化学习"效果
3. **生态建设**：优先吸引Skills开发者，建立早期供给
4. **持续迭代**：每月发布一个Major功能，保持 momentum

---

> **文档说明**：本方案基于2026年7月最新技术生态调研，采用"开源底座 + 自研核心"策略，最大化利用成熟开源项目降低研发风险，同时构建平台独特的竞争壁垒。