MMLM 平台主要面向中国商业银行的客户经理、风险管理团队与系统管理员，解决银行在引入大模型能力时面临的多模型碎片化管理、知识分散、权限体系复杂等核心痛点。
目标用户
客户经理（客户经理） — 利用 AI 工作台进行客户拜访准备、贷后跟进、撰写报告
风险合规团队 — 查询反洗钱（AML）法规、案例库，进行合规审查
系统管理员 — 管理用户/角色/权限，配置模型接入与参数，观测模型治理
典型场景
智能问答 — 客户经理通过自然语言查询银行产品信息、行业动态、企业画像
知识管理 — 统一管理产品库、企业画像、行业动态、反洗钱知识，支持批量导入/导出
模型治理 — 管理员统管 DeepSeek / OpenAI / 通义千问 / 千帆 / 智谱 / Ollama 等多模型接入
权限管控 — 基于 RBAC 的细粒度菜单权限、角色/岗位/公司多维组织架构
平台围绕"AI + 管理"双核心，提供六大功能模块：
💬 AI 智能工作台
基于 SSE 流式对话的 AI 问答界面，支持规则答疑与访问助理双 Agent 模式，集成待办事项与最近会话管理。
ChatViewWorkbenchView
📚 知识库管理
产品库、企业画像、行业动态、反洗钱知识库四个维度的知识管理，支持 XLSX 批量导入/导出、AI 辅助生成。
KnowledgeBaseAmlKnowledge
🤖 模型配置中心
统一管理六大模型供应商接入，支持语言模型/向量模型配置，参数配置覆盖生成/Prompt/检索/工具/安全五大类型。
AgentConfigParamConfig
🔐 RBAC 权限体系
完整的用户-角色-岗位-公司-菜单五维权限模型，支持树形菜单配置、Session 转移、用户状态管控。
UsersViewRolesViewMenusView
📊 模型治理中心
个人/平台模型管理、用量配额、Token 统计、月度趋势、告警管理，支持超管按用户/角色限模。
Governance
🔍 质量观测
Badcase 管理、回归评测、修复队列、观测认证、规则库，形成模型质量闭环。
双后端架构
系统采用独特双后端设计，前端通过 Vite 代理分发请求：
管理后端（Java, 端口 8017）— 用户管理、角色管理、菜单、公司、参数配置
AI 后端（Python FastAPI, 端口 8000）— LLM 对话、知识库 CRUD、SSE 流式响应、Session 管理
前端 SDK 层
14 个领域 API 模块封装在 src/api/ 目录下，通过统一的 http.js 核心层管理 Token 注入、请求/响应拦截、SSE 流式解析，实现 API 调用与业务逻辑解耦。
RBAC 权限模型
五维权限体系：公司 → 岗位 → 用户 → 角色 → 菜单。菜单以树形结构配置，每个角色可见菜单由超管分配，用户可关联多角色多岗位。
数据库
MySQL 8 数据库 aibank，通过 10 个增量 SQL 迁移脚本管理 schema 演进，覆盖用户、角色、菜单、公司、模型配置、反洗钱知识等全部业务表。
评论