ruoyi-ai

Java 生态里快速搭建企业级 AI Agent，统一管理大模型和知识库

ruoyi-ai 是一个基于 Java 的企业级 AI 应用开发框架，旨在帮助开发者快速构建生产级 AI Agent。它解决了企业在集成多家大模型、构建安全知识库、编排复杂工作流以及协调多 Agent 协作时的技术痛点。核心能力包括：统一管理多家大模型供应商（如 OpenAI、通义千问等），提供高精度检索的企业级知识库，支持可视化工作流编排，以及兼容主流 Agent Skill 标准（如 MCP、Function Call）以实现多 Agent 协同。该框架基于若依（RuoYi）生态，继承了其成熟的权限管理和开发规范，让 Java 团队能够低门槛地进入 AI 应用开发。

开源 free 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 5719

维护状态活跃

是否开源是

定价模式 free

项目数据

分类搜索知识

开发团队ageerle

所属国家

官网地址https://doc.ruoyiai.chat

GitHubhttps://github.com/ageerle/ruoyi-ai

定价模式free

价格说明开源框架，MIT 许可证，可免费使用和部署。

访问状态

是否开源是

开源协议MIT

主要语言Java

技术栈/模型agent,ai,knowledge,mcp,rag

GitHub 星标★ 5719

30天Star增速

HF 下载量

上线时间2024-01-16 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

难度：入门约 20 分钟部署方式：Docker 6 步

环境要求

已安装 Docker 与 Docker Compose（Docker 部署方式）
可访问 GitHub 拉取源码，并可拉取 GHCR 公共镜像（无需 docker login）
源码构建方式需自备 Java/Node 构建环境（README 未列明具体版本）
服务器或本机需开放管理端与用户端访问端口（README 未给出本地端口）

安装与启动步骤

1克隆项目代码

下载源码后进入项目根目录，后续所有 Docker 命令都基于该目录下的相对路径执行。
```
git clone https://github.com/ageerle/ruoyi-ai.git
cd ruoyi-ai
```
2复制环境配置

由 .env.example 生成 .env 文件；Linux/macOS 用 cp，Windows PowerShell 用 Copy-Item。
```
cp docs/docker/ruoyi-ai/.env.example docs/docker/ruoyi-ai/.env
```
3锁定镜像版本

把 .env 中的 RUIYI_VERSION 固定为具体版本，避免跟随 latest 漂移；Windows 可手动改这一行。
```
sed -i 's/^RUIYI_VERSION=.*/RUIYI_VERSION=v3.1.0/' docs/docker/ruoyi-ai/.env
```
4检查环境配置

查看生成的 .env 内容，确认镜像版本等环境变量填写正确后再启动。
```
Get-Content docsdocker
uoyi-ai.env
```
5一键 Docker 部署

README 的 Method 1 为一键部署方式，但节选中未给出启动命令，请按官网文档在该目录执行启动。
6源码构建部署

Method 2 分三步：部署后端服务、部署管理后台、部署用户前端（可选），README 节选未给出具体命令。

关键配置

配置项	必填	说明	示例
`RUIYI_VERSION`	是	指定拉取的镜像版本，锁定版本可避免版本漂移	`v3.1.0`
`.env`	是	由 .env.example 复制生成，存放 Docker 部署所需环境变量	`docs/docker/ruoyi-ai/.env`

如何确认成功

README 未给出本地端口；部署后打开管理端/用户端页面，用默认账号 admin / admin123 能登录即成功。

常见问题

Q：拉取 GHCR 镜像需要先 docker login 吗？

A：不需要。README 明确说明公开 GHCR 镜像无需 docker login，直接拉取即可。

Q：默认登录账号是什么？

A：README 中 Demo 环境的管理端与用户端默认账号均为 admin / admin123，生产环境请务必修改。

Q：源码构建方式的具体命令是什么？

A：README 只列出三步名称：部署后端服务、部署管理后台、部署用户前端（可选），具体命令请查阅官方文档 https://doc.ruoyiai.chat。

Q：支持哪些模型和知识库方案？

A：模型支持 DeepSeek/Zhipu/MIMO/Bailian/OpenAI 并集成 Coze/DIFY/FastGPT/RAGFlow；知识库支持本地 RAG 与 Milvus/Weaviate/Qdrant 向量库。

注意事项

务必把 RUIYI_VERSION 固定为具体版本（如 v3.1.0），不要使用浮动的 latest。
所有 Docker 部署命令需在项目根目录执行，因为路径为 docs/docker/ruoyi-ai 相对路径。
README 节选缺少一键启动与源码构建的具体命令，实际操作请以官网文档 doc.ruoyiai.chat 为准。
示例中的 129.226.199.247 地址与 admin/admin123 仅为官方 Demo，勿直接用于生产环境。

核心亮点

统一接入多家大模型，切换成本低，避免供应商锁定
内置高精度检索的企业知识库，保障数据安全
可视化工作流编排，降低多 Agent 协作的复杂度

不足之处

文档/社区待观察
项目尚在成长中，生态和第三方插件不如 LangChain 丰富

适用场景

企业内部知识库问答助手
多 Agent 协同的复杂业务自动化流程
基于私有数据的高精度检索增强生成（RAG）应用

替代项目

LangChain、Spring AI、Dify

项目介绍

ruoyi-ai 是开发框架领域的开源项目，由 ageerle 开发，2024 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（5,719）位列前 8%，在开发框架分类的 803 个项目里位列前 9%。

近 41 天，它的 GitHub 星标从 5,622 增加到 5,719，净增 97。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。MIT 许可证，可免费使用和部署。

它主要面向的使用场景是：企业内部知识库问答助手。同类可对比的替代方案包括 LangChain、Spring AI、Dify。

上一篇：UltraRAG

下一篇：TaskingAI