企业级智能问答、运维 AI Agent 系统_系统开发案例-程序员客栈

技术信息

语言技术
Java、RocketMQ、Nginx、SpringMVC、Vue系统类型
Web行业分类
企业服务、工业互联网

作品详情

行业场景

为学习大模型工程化、AIOps运维Agent技术，业余自研一套AI自动化助手；基于 RAG 知识库、Multi-Agent
任务编排，模拟告警识别、根因分析、工具调用、报告输出完整业务闭环，验证大模型在运维场景落地可行性。

功能介绍

技术栈：Spring Boot 3、Spring AI Alibaba、DashScope（通义千问）、Milvus、MySQL、MinIO、MCP、SSE、
RAG、ReAct、Plan-Executor、Multi-Agent、Prometheus、Alertmanager、飞书 Webhook、RabbitMQ
职责与亮点：
• 独立完成 AI Agent 整体架构设计，基于 Spring AI Alibaba 搭建知识库 Agent、ReAct 对话 Agent、Plan-Executor
任务编排 Agent；基于 MCP 协议标准化封装日志查询、告警读取、数据库操作模拟工具，验证 Agent 调用异构系
统的适配方案。
• 实现 RAG 知识库模块，完成多格式文档解析、语义分片、多路召回 + Rerank 重排序，提升检索问答精度；引入
RabbitMQ 异步处理文档解析、向量生成这类 CPU 密集耗时任务，通过死信队列实现失败任务重试补偿。
• 针对 LLM 上下文溢出痛点实现对话摘要压缩策略，Token 占用降低 60%；基于会话 ID 做会话隔离，模拟支撑万
级并发对话场景，解决多用户上下文串扰问题。
• 实现 SSE 流式输出对话效果；集成令牌桶限流、告警冷却、多级降级机制；模拟 AIOps 告警处置完整链路、多渠道
通知能力；通过项目实践，沉淀大模型 Agent 落地工程经验。

项目实现

独立完成整套 AI 运维助手项目的需求分析、架构设计、编码开发与联调测试。基于 Spring AI Alibaba 搭建多 Agent 架构，拆分知识库 RAG Agent、ReAct 对话 Agent、Plan-Executor 任务编排 Agent；通过 MCP 协议封装日志查询、告警读取、数据库操作等工具能力，实现大模型自主调用工具。
接入 Milvus 向量库、MinIO 文件存储，集成 DashScope 通义千问大模型，对接 Prometheus+Alertmanager 监控告警源，使用 RabbitMQ 异步消息、SSE 流式输出，飞书 Webhook 推送告警。
难点解决：实现多 Agent 任务调度与上下文管理，优化 RAG 检索精度，解决大模型工具调用幻觉问题；完成告警识别、根因推理、自动执行、报告生成的完整闭环，验证 AI Agent 在运维场景落地能力。