Files

4.0 KiB
Raw Permalink Blame History

AI PaaS 商业平台 - 需求描述

商业目标

我需要设计一套 AI PaaS 商业平台的完整架构。面向个人用户提供 AI 能力服务,包括但不限于:

  • Agent(智能体):用户可以创建、部署、管理自己的 AI Agent
  • MCP(Model Context Protocol):支持 MCP 协议的 AI 服务接入
  • Skills(技能市场):用户可以发布、购买、使用 AI 技能
  • IMBot(即时通讯机器人):支持微信、QQ、钉钉等平台的 AI 机器人
  • CLI(命令行工具):开发者友好的命令行接口
  • ACP(Agent Communication Protocol):Agent 间通信协议
  • AI 产品交易平台:为个人用户提供 AI 产品的交易市场

技术需求

1. 平台底座

需要一个完整的 Web 系统作为平台基础,包含:

  • 用户认证与授权(OAuth、JWT)
  • 多租户架构(每个用户/团队独立空间)
  • 用户 Dashboard(使用统计、账单、配置管理)
  • 管理后台(用户管理、系统监控、内容审核)

2. 订阅计费系统

支持灵活的计费模式:

  • 订阅制收费:月度/年度订阅,包含不同等级的套餐
  • Token 计费:基于 API 调用次数/Token 消耗量计费
  • 混合模式:基础订阅 + 超出部分按量计费
  • 支持多种支付方式(支付宝、微信支付、Stripe)

3. 标准化中间件(核心需求)

这是平台的核心竞争力,需要能够:

能力注册中心

  • 每个 AI 项目(Agent、MCP、Skills 等)注册为一个 Capability
  • 标准化的接口规范:发现 / 调用 / 计费 / 版本管理
  • 支持动态注册和注销
  • 能力元数据管理(描述、标签、版本、依赖关系)

API Gateway

  • 统一入口:所有 AI 能力通过统一 API 网关暴露
  • 认证鉴权:JWT/API Key 多种认证方式
  • 限流熔断:保护后端服务
  • 请求路由:根据能力类型、用户等级路由到不同后端
  • 协议转换:支持 REST、WebSocket、gRPC 等多种协议

LLM Provider Router

  • 多平台模型对接:DeepSeek、千问、豆包、百度、元宝、智谱、本地 Ollama
  • 统一 OpenAI 兼容格式:POST /v1/chat/completions
  • 模型路由:根据用户选择、成本、性能自动路由
  • 故障转移:主模型不可用时自动切换备用模型

用量追踪与计费

  • 实时记录每个用户的 API 调用量
  • Token 消耗统计
  • 按能力、按模型、按时间维度统计
  • 与订阅计费系统联动

4. AI 能力层

各 AI 项目通过标准化接口接入,每个项目做自己最擅长的事:

  • Agent 编排:可视化工作流编排(类似 LangFlow)
  • MCP Server:MCP 协议服务管理与发现
  • Skills 市场:技能发布、审核、交易、版本管理
  • IM Bot:多平台即时通讯机器人(微信、QQ、钉钉)
  • 知识库:文档上传、向量化检索、RAG 问答
  • LLM Provider:多模型统一接入与管理

5. 平台验证

需要能在多个 LLM 平台上验证和运行:

  • DeepSeek
  • 千问(阿里云)
  • 豆包(字节跳动)
  • 百度文心一言
  • 腾讯元宝
  • 智谱 GLM
  • 本地 Ollama

约束条件

许可证合规

所有使用的开源项目必须允许商业化多租户 SaaS 部署。注意:

  • ❌ Dify:Modified Apache 2.0,禁止多租户 SaaS 商业化
  • ❌ FastGPT:Modified Apache 2.0,禁止多租户 SaaS 商业化
  • ✅ Sovra:MIT,允许商业化
  • ✅ CoAI/ChatNIO:Apache 2.0,允许商业化
  • ✅ LangFlow:MIT,允许商业化
  • ✅ LangBot:Apache 2.0,允许商业化

部署环境

  • 服务器:Linux (Ubuntu/CentOS)
  • 容器化:Docker + Docker Compose
  • 数据库:PostgreSQL + Redis
  • 存储:支持本地存储和对象存储 (S3/MinIO)

商业化考量

  • 快速验证 MVP:2-3 个月内上线基础版本
  • 长期商业化:架构可扩展,支持多租户、多计费模式
  • 核心竞争力:标准化中间件层,而非底层 AI 能力