AI RAG 知识库产品系统Vibe Coding

主要行业场景
1. 企业级 AI 应用开发
- 提供 AI 模型（LLM）集成框架，支持多模型服务商（阿里 DashScope、Ollama 等）
- 内置 AI 服务商、模型、模型配置管理模块
2. 智能问答与对话系统
- 多用户聊天会话管理（ChatSession、ChatMessage）
- Token 拦截认证（TokenInterceptor）
- 支持私有知识库问答（RAG 模块）
3. 代码智能助手
- 代码生成：自动生成 Java 类模板、REST Controller、单元测试
- 代码分析：复杂度分析、设计模式识别
- 问题排查：错误诊断、性能问题诊断
4. RAG（检索增强生成）系统
- 知识库管理（KnowledgeBase、KnowledgeDocument、KnowledgeChunk）
- Chroma 向量数据库集成
- 支持 PDF、文档解析和向量化
5. 技能（Skill）Agent 框架
- 可扩展的技能注册机制，支持动态添加技能
- 技能分类：CREATION（生成）、ANALYSIS（分析）、DIAGNOSIS（诊断）
- 场景化技能推荐

LLM Weaving 是一个基于 Spring Boot 3.2 + LangChain4j 的企业级 AI 应用开发框架，专注于为开发者提供 LLM 集成、RAG 知识库问答和代码智能辅助能力。核心功能：AI 模型管理（支持 DashScope、Ollama 等多服务商）、智能聊天会话管理、RAG 私有知识库问答、代码生成/分析/问题排查技能。技术栈：Spring Boot + MyBatis-Plus + Chroma 向量库 + Vue3，可快速构建智能问答助手、代码Copilot、知识库机器人等应用。

1. LLM Weaving 采用 Maven 多模块架构，共划分为 lw-app、lw-common、lw-agent、lw-rag、lw-file 五个子模块。其中 lw-app 作为主应用模块，通过 Spring Boot 启动并提供所有 HTTP API 入口；lw-common作为公共基础模块，被其他所有模块依赖，集中管理实体、Service、Mapper 和工具类；lw-agent 负责实现可扩展的技能注册与调用机制；lw-rag 处理知识库的文档解析、分块与向量检索；lw-file 则集成阿里云 OSS 实现文件上传下载功能。
2. 在 AI 模型管理方面，项目通过 AIModelService 提供服务商、模型、服务配置三类实体的完整 CRUD 操作，每个 Mapper 继承 MyBatis-Plus 的 BaseMapper，并配合 @MapperScan 自动注入到 Spring 容器，控制器层通过 RESTful API 对外暴露 /api/ai/providers、/api/ai/models、/api/ai/services 三组接口。聊天会话管理由 ChatSessionService 和 ChatMessageService 两个服务类支撑，通过 TokenInterceptor 实现认证拦截，会话按 userId 隔离存储，支持分页查询和历史消息回溯。
3. 技能框架是项目的核心亮点之一。SkillRegistry 在应用启动时通过 @PostConstruct 从 Spring 容器中扫描所有实现 Skill 接口的 Bean 并注册到内存注册表，目前已实现 CodeGenerationSkill（代码生成）、CodeAnalysisSkill（代码分析）、TroubleshootingSkill（问题排查）三个技能。