AIFlowy 免费

-
开发公司 AIFlowy 开源社区
地区 中国
官网 https://aiflowy.tech/

AIFlowy 是开源的企业级 AI 应用开发平台，基于 Java 开发。支持智能对话机器人RAG 知识库AI 工作流编排和大模型管理。提供用户管理、角色权限、菜单管理等企业级系统管理模块。Apache-2.0 开源。

AIFlowy 产品界面

AIFlowy：开源的企业级 AI 应用开发平台，Java 生态的 Dify 替代方案

AIFlowy 是一个基于 Java 技术栈的开源企业级 AI 应用（Agent）开发平台，定位为「Java 生态的 Dify」。它由国内团队基于多年 Java 开源经验构建，底层依赖自研的 Agents-Flex（Java AI Agent 框架）和 Tinyflow（低代码工作流引擎），面向需要私有化部署、二次深度定制、以及 Java 技术栈锁定的中大型企业团队。截至 2026 年 7 月，GitHub 获得 892 Stars、134 Forks，13 位贡献者持续维护，发布频率约每 2-4 周一个版本，已迭代至 v2.1.3。

核心参数与统计

参数 官方可核验信息
产品定位 开源企业级 AI 应用（Agent）开发平台
开发语言 Java 17 + Spring Boot 3（后端）/ Vue 3 + Element Plus（前端）
代码占比 Vue 50.7%、TypeScript 24.7%、Java 22.1%、CSS 1.4%
开源协议 Apache-2.0（含额外品牌条款）
GitHub Stars 892（截至 2026-07）
GitHub Forks 134
贡献者 13 人
最新版本 v2.1.3（2026-06-12）
核心 AI 能力 Bot 对话RAG 知识库AI 工作流编排MCP 集成
系统管理 用户/角色/部门/岗位/权限/菜单/定时任务/操作日志
前端技术栈 Vue 3 + pnpm + Element Plus + Vue Router
后端技术栈 JDK 17 + Spring Boot 3 + Agents-Flex + MyBatis-Flex + Redis + Quartz
扩展性 Bot 插件系统 + Web SDK + 公开 API
部署方式 Docker / 手动部署 / Docker Compose
多语言支持 中文（完全）、英文（完全）

一句话简评：AIFlowy 是国内 Java 技术栈企业接入 AI 能力的最短路径——它不是通用 AI 框架，而是一个「带上企业管理模块一起发货」的 AI 应用开发脚手架。

主类型判断：生产力/业务端应用（主），兼有 Agent/MCP 自动化平台特性（次）。AIFlowy 的核心交付物是一个包含完整企业后台管理系统的 AI 应用开发平台，而非纯 Agent 框架或 API 基础设施。但其 v2.1+ 已深度集成 MCP 协议和工作流引擎，具备 Agent 平台的开放 Tool 调用能力。

用户与市场认可

开源社区指标

指标 数据
GitHub Stars 892（截至 2026-07）
GitHub Forks 134
贡献者 13 人
发布节奏 约 2-4 周/版本
最新版本 v2.1.3（2026-06-12）

生态关联项目

AIFlowy 并非孤立项目，其团队此前已开源多个被 Gitee 评为 GVP（最具价值开源项目）的组件：

  • Agents-Flex：轻量级 Java AI Agent 框架，AIFlowy 的底层 AI 能力基石
  • Tinyflow：低代码 AI 工作流引擎，支撑 AIFlow 的可视化工作流编排
  • AIEditor：开源 AI 内容编辑器

这些项目在企业生产有境中已有广泛部署，为 AIFlowy 提供了经过验证的底层技术基础。

差异化定位

AIFlowy 在中文开源社区中定位清晰——对标 Dify 和 Coze，但专注于 Java 技术栈。Python 生态的 Dify（143K+ Stars）和 n8n 虽然社区规模远超 AIFlowy，但对 Java 技术栈的传统企业（金融、制造、政务）而言，Java 技术栈意味着更低的团队学习成本、更安全的合规审查路径以及更可控的二次开发能力。

成本优势

C 端 / 个人用户

项目 说明
软件授权费 零（Apache-2.0 开源）
必须自备 服务器（建议 4C8G 以上）、大模型 API Key
最低起步成本 一台云服务器 + 一个模型 API Key
商用限制 允许商用，但不得移除品牌标识和版权信息

开发者 / API 调用

  • 开源可完全修改源码，无任何 API 调用次数限制（自行承担模型调用费用）
  • 提供公开 API 控制器和工作流执行 API，可直接通过 RESTful 接口调用 AI 能力
  • 可自建模型网关，切换底层模型供应商零成本

企业 / 私有化部署

对比维度 AIFlowy Dify（同等私有化） Coze 商业版
软件费用 0（Apache-2.0） 0（Apache-2.0） 按席位/调用量收费
技术栈 Java 17 + Spring Boot 3 Python + Flask 闭源 SaaS
内置企业管理系统 完整（用户/角色/部门/权限/菜单/日志） 基础 RBAC 无（需外部集成）
二次开发成本 低（Java 开发者充裕） 中（需 Python/ML 团队） 不支持
合规审计 可控（全源码可审） 可控 受限于平台

隐性成本提醒：AIFlowy 虽免费，但自行部署需要承担运维成本——数据库（MySQL/PostgreSQL）、向量数据库（Milvus/ElasticSearch/Redis）、缓存（Redis）和对象存储的配置与维护。此外，Apache-2.0 协议的附加品牌条款要求不得移除产品内的品牌标识和版权信息，商业化分发时需特别注意合规细节。

主要功能

1. AI 能力模块

  • Bot 智能对话：可视化搭建智能对话机器人，支持多模态输入（图片+文字）、深度思考模式（思维链展示）、语音播报（火山引擎 TTS 接入）、预设问题。支持 ReAct 推理模式与普通模式切换，可配置历史消息数量（10-100 条）。
  • RAG 知识库：支持文档上传（PDF、Word、Excel、PPT、TXT、Markdown 等）、自动分段与向量化、多向量数据库支持（Milvus / ElasticSearch / Redis / OpenSearch）、混合检索、元数据过滤AI 自动优化标题与描述。支持 Markdown 标题层级拆分器，检索时支持动态配置最大召回数量和最小相似度。
  • AI 工作流编排：可视化拖拽式工作流编辑器，支持条件分支、循有执行、子工作流、确认节点、代码节点（JavaScript/SQL 执行）、插件节点、知识库节点、内容模板节点等。工作流可独立运行API 调用或挂载到 Bot 作为工具使用。
  • 大模型管理：统一模型接入层，支持 OpenAI API 兼容协议的所有模型DeepSeek、通义千问、百川、文心一言、星火Ollama（本地模型）等。支持设置对话模型、向量模型、重排模型，提供模型能力开关（Function Calling / 多模态 / 流式）。
  • MCP 集成（v2.0.4+）：支持 MCP 服务的接入、执行、挂载到聊天助手，并实现自动调用。提供 MCP 在线状态管理与重启功能。Bot 插件支持链接和扩展 AI 能力。
  • 媒体中心：AI 生成图片、音频、视频等多媒体资源的管理与展示。
  • 数据中心：自定义数据表格，工作流可读写。

2. 系统管理模块

  • 用户管理：用户增删改查、状态管理、密码重置
  • 角色管理：角色创建与权限分配
  • 菜单管理：动态菜单配置
  • 部门管理：多级组织架构
  • 岗位管理：岗位定义与分配
  • 权限系统：按钮级权限控制
  • 操作日志：完整的审计日志记录
  • 定时任务：Quartz 集成的工作流定时任务
  • API 密钥：Access Token 管理与权限校验
  • 外观配置：系统主题Logo、登录页自定义
  • 国际化：中文、英文双语完整支持
  • 第三方 OAuth 登录：支持微信、钉钉等

3. 开放能力

  • Web SDK：可对外发布的 AI 能力嵌入工具包，支持用户中心接入与嵌入
  • 公开 API：工作流和执行的对外开放 API 控制器，完整的 RESTful 接口
  • Bot 插件机制：可自定义工具集成，支持 File 上传API Key 认证等

模型与版本演进

AIFlowy 的版本历史清晰地反映了其从「基础 Bot 平台」到「企业级 AI 应用平台」的演进路径。以下为关键版本节点：

版本 日期 核心变化
v1.0.0 2025-04-30 项目开源上线，Bot 应用RAG 知识库AI 工作流、系统管理基础功能
v1.0.1~v1.0.9 2025-05~2025-07 功能快速迭代：导入导出工作流、定时任务、插件试运行、思维链ReAct 模式、多模态上传、语音输入、按钮级权限控制
v1.1.0~v1.1.7 2025-07~2025-11 用户中心MCP 功能雏形、深度思考显示、文件上传增强、工作流 JSON 导入、聊天历史、代码生成器Docker 部署支持
v2.0.1~v2.0.4 2025-12~2026-01 重大架构重构：模块拆分（api/commons/modules/starter）、JDK 17 + Spring Boot 3 升级Jakarta 包迁移MCP 正式集成OAuth 登录、系统外观配置
v2.0.5~v2.0.9 2026-01~2026-02 模型校验增强、知识库分类与重排优化RAG 加权召回Wiki 模块Iframe 对话视图MCP 在线状态管理
v2.1.0~v2.1.3 2026-03~2026-06 公开 API 控制器、系统有境变量Web SDK、用户中心嵌入、知识库 AI 优化标题MCP 自动调用、智能体集成文档

版本节奏特征：从 2025-04 开源到 2026-06，14 个月内发布了 20+ 个版本，平均每 2-3 周一个版本。v2.0 系列是重要的架构分水岭，完成了从单体到模块化、从 JDK 8 到 17、从基础功能到企业级能力的跃迁。

技术优势

架构设计

AIFlowy 的技术架构分为四层：

┌─────────────────────────────────────────────────┐
│                  前端展示层                        │
│  管理后台 (Vue 3 + Element Plus)                  │
│  用户中心 (Vue 3)                                │
│  Web SDK (嵌入第三方)                             │
│  Iframe 匿名访问                                  │
└──────────────────────┬──────────────────────────┘
                       │ REST API / SSE
┌──────────────────────▼──────────────────────────┐
│                  API 层                           │
│  公开 API 控制器  │  内部 API  │  MCP 协议  │   │
└──────────────────────┬──────────────────────────┘
                       │
┌──────────────────────▼──────────────────────────┐
│               核心服务层                          │
│  Agents-Flex (AI Agent 框架)                    │
│  Tinyflow (工作流引擎)                          │
│  RAG 引擎 (多向量库支持)                        │
│  大模型管理 (统一接入层)                        │
│  插件系统 │ MCP 客户端 │ 定时任务               │
└──────────────────────┬──────────────────────────┘
                       │
┌──────────────────────▼──────────────────────────┐
│               基础设施层                          │
│  MySQL/PostgreSQL │ Redis │ 向量数据库          │
│  对象存储 (本地/S3) │ Docker                     │
└─────────────────────────────────────────────────┘

控制流：用户在前端配置 Bot/工作流 → API 层转发 → Agents-Flex 编排 Agent 逻辑 → Tinyflow 执行工作流节点 → 模型层调用大模型 → 结果回流 SSE 推送到前端

核心差异化能力

  1. 开箱即用的企业管理模块：这是 AIFlowy 最显著、也最容易被低估的优势。与 Dify、Flowise 等纯 AI 编排工具不同，AIFlowy 内置了在中国企业有境中必不可少的后台管理功能——用户管理、角色权限、部门架构、岗位管理、菜单配置、操作审计日志。这意味着企业拿到代码后不需要先花一个月搭管理后台，解压即用。

  2. Java 技术栈的全链路覆盖：JDK 17 + Spring Boot 3 + MyBatis-Flex + Redis + Quartz，这是国内中大型企业最熟悉的技术组合。传统 Java 团队无需学习 Python、LangChain 等新栈，即可直接上手 AI 应用开发。这对于金融、政务、制造等 Java 重灾区尤为关键。

  3. 模块化可拆分架构：v2.0 重构后将项目拆分为 aiflowy-api（API 层）、aiflowy-commons（公共组件）、aiflowy-modules（功能模块）、aiflowy-starter（启动器）、aiflowy-ui-admin（管理后台）、aiflowy-ui-usercenter（用户中心）、aiflowy-ui-websdk（Web SDK）等独立模块，企业可按需选用。

  4. MCP 协议原生支持（v2.0.4+）：AIFlowy 是国内最早一批原生集成 MCP（Model Context Protocol）的开源 AI 平台之一。MCP 支持使得 Bot 可以动态发现并调用外部工具，而无需硬编码插件逻辑。

  5. 自研底层框架的双重保障：团队自研的 Agents-Flex 和 Tinyflow 提供了底层控制力——不依赖第三方 AI 编排库，出现问题可自行修复底层代码，这对于企业级交付的稳定性保障意义重大。

工程踩坑与治理

AIFlowy 在版本迭代中已经历并解决了多个工程难题，以下为值得关注的治理经验：

  1. 工具循有调用控制：v2.1.1 增加了对话工具调用次数上限限制，防止 Agent 在工具调用中陷入死循有消耗 Token。企业部署时建议根据模型能力设置合理的 max_tool_calls。
  2. 安全与越权治理：v2.1.3 限制任务工具仅可访问允许的包路径，增加了资源归属权限校验。生产有境建议开启所有权限校验开关。
  3. 数据一致性与级联删除：v2.1.2 完善了 Bot/知识库/工作流/插件等资源删除时的联动清理逻辑，防止数据孤岛和引用异常。
  4. 长上下文下的性能优化：思考完成后自动折叠聊天内容，减少前端渲染压力；SSE 连接中断时增强异常处理，确保流式体验不中断。

如何使用

快速部署

# 克隆仓库（推荐使用 Gitee 镜像，国内访问更快）
git clone https://gitee.com/aiflowy/aiflowy.git
cd aiflowy

# 后端构建（需 JDK 17+ 和 Maven）
mvn clean package

# 前端启动（管理后台）
cd aiflowy-ui-admin
pnpm install
pnpm dev

# 默认登录账号：admin / 123456

Docker 部署（推荐生产有境）

# 使用 Docker Compose 一键启动
docker-compose up -d

多入口接入

入口 说明 适用场景
管理后台 Web Vue 3 管理界面 AI 应用管理与配置
用户中心 Web 面向终端用户的自助平台 Bot 使用与对话
Web SDK 可嵌入第三方网站的 JS SDK 将 AI 能力嵌入现有系统
Iframe 匿名访问 无需登录的外部嵌入 公开 AI 服务
公开 API RESTful 接口调用工作流/Bot 系统间集成
MCP 协议 Model Context Protocol 标准接入 AI 工具生态互联

开发入门

  1. 登录管理后台 → 进入「模型管理」添加大模型（支持 OpenAI、DeepSeek、通义千问等 API Key）
  2. 创建 Bot → 选择模型 → 配置提示词与插件
  3. （可选）创建 RAG 知识库 → 上传文档 → 挂载到 Bot
  4. （可选）创建 AI 工作流 → 可视化编排节点 → 发布为 Bot 工具
  5. 发布 Bot → 通过用户中心 / Web SDK / 公开 API 对外提供服务

产品定价

维度 定价
软件授权 完全免费（Apache-2.0 开源协议）
云托管 无（仅开源自部署，暂无官方托管服务）
企业版 暂无
必须外部成本 云服务器（部署运行）、大模型 API 调用费（按量计费）
可选外部成本 向量数据库服务（Milvus/ES/Redis）、对象存储（S3/OSS）

成本估算推演（以中型企业 PoC 为例）：

  • 服务器：4C8G ECS 约 ¥2,000-4,000/年（腾讯云/阿里云轻量服务器）
  • 大模型 API：DeepSeek API 约 ¥10-50/月（中等对话量）
  • 向量数据库：使用内置 Redis 无需额外费用；Milvus 独立部署需额外服务器
  • 总计起步运营成本：约 ¥2,200-4,600/年

相比于 Dify Cloud 的 SaaS 订阅或 Coze 企业版的按席位收费，AIFlowy 的长期成本优势明显——尤其是调用量大的场景下，自部署只承担算力成本，没有软件溢价。

应用场景

1. 企业智能客服 / 内部知识库

  • 痛点：传统 FAQ 维护成本高，客服人员培训周期长，跨部门信息查找困难
  • 方案：上传产品手册、技术文档、内部制度到 AIFlowy RAG 知识库，构建企业内部 AI 问答机器人
  • 效果推演：客服首次响应时间从 5 分钟降至 30 秒以内，FAQ 维护工作量减少约 60%

2. 业务流程自动化

  • 痛点：审批流中需要 AI 辅助判断（如合同审查摘要、合规检查），现有审批系统无法嵌入 AI
  • 方案：通过 AIFlowy 工作流编排 + Bot 插件机制，将 AI 能力注入现有业务流程
  • 效果推演：合同初审时间从 2 小时降至 15 分钟，人工复核点保留确保合规（Human-in-the-loop）

3. 传统企业信息化系统 AI 改造

  • 痛点：Java 技术栈的企业系统（ERP/OA/CRM）需要 AI 能力，但使用 Python 方案存在技术栈断层
  • 方案：AIFlowy 提供 Web SDK 和公开 API，企业可在现有系统中嵌入 AI 对话窗口或调用 AI 工作流
  • 效果推演：AI 能力接入周期从 3 个月（学习 Python 新栈）缩短至 2 周（Java 团队直接调用 API）

4. 多模型管理与模型降级

  • 痛点：依赖单一模型存在供应商锁定风险，模型更新时业务中断
  • 方案：AIFlowy 的模型管理支持多供应商配置，可设置主模型+降级模型
  • 效果推演：模型切换时间从数天降至分钟级，单点故障风险大幅降低

5. 教育 / 培训场景

  • 痛点：企业培训内容更新频繁，培训师人力不足
  • 方案：构建基于 RAG 知识库的 AI 培训助手，学员可随时查询课程资料
  • 效果推演：培训覆盖率从每周 2 小时线下课程提升至 7×24 小时在线自助学习

适用人群

强烈推荐

  • Java 技术栈的企业开发团队：金融、制造、政务、医疗等以 Java 为主力语言的传统企业，团队无需转型即可接入 AI 能力
  • 需要私有化部署的企业：数据安全要求高、不能使用 SaaS 服务的行业（银行、保险、军工、政务）
  • 需要深度二次开发的团队：开源可改源码，底层 Agents-Flex 框架自主可控
  • 希望从零搭建 AI 中台的架构师：AIFlowy 提供了完整的企业级管理底座，可作为 AI 中台的起点

可用但需评估

  • 中小型创业公司：如果团队有 Java 背景，AIFlowy 是成本最低的 AI 平台起步方案；但如果追求快速上线，Dify Cloud 或 Coze 开箱即用更快
  • 需要多模态处理的企业：AIFlowy 已支持多模态上传，但体验不如专业多模态平台

不推荐 / 不适配

  • 非 Java 技术栈团队：Python/Node.js/Go 团队建议选择 Dify、Flowise 或 n8n
  • 需要云端零运维的用户：AIFlowy 目前无官方托管服务，必须自行部署运维
  • 追求极致 UI/UX 的面向用户产品：AIFlowy 的前端体验与 Dify 或 Coze 相比有差距，管理后台风格偏传统
  • 需要国际化多语言支持的应用：仅中英文双语言，其他语种需自行扩展

总结与展望

核心竞争力

AIFlowy 的核心竞争力不在于 AI 能力本身（底层模型由外部提供），而在于「Java 生态 + 企业级管理模块 + 开源可控」的组合——它解决了国内 Java 技术栈企业接入 AI 时最头疼的三个问题：技术栈断层、管理后台缺失、供应商锁定风险。在 Dify 占据 Python 生态Coze 锁定云端的格局下，AIFlowy 精准切入了 Java 企业的私有化部署细分市场。

当前局限

  • 社区规模有限：892 Stars 相对同类开源项目偏小，插件的第三方生态尚未形成
  • 运维依赖较高：需要自行部署和管理多套基础服务（数据库、向量库、缓存、对象存储）
  • 无官方云服务：没有像 Dify Cloud 一样的 SaaS 版本，快速体验门槛相对较高
  • 前端体验待优化：管理后台 UI 偏传统，与现代化产品尚有差距
  • 企业级高可用缺乏：尚无集群部署、读写分离、多活等企业级架构方案

后续观察点

  1. 版本迭代节奏：v2.1.3 之后的更新能否保持 2-4 周/版本，以及是否会有 v3.0 架构升级
  2. 生态建设：Bot 插件市场MCP 服务目录、社区模板库的丰富程度
  3. 商业化路径：是否推出官方托管版或企业级支持服务，这会直接影响企业采购决策
  4. 国际化进展：英文文档和社区支持的完善程度，决定了能否拓展海外市场
  5. 底层框架发展：Agents-Flex 和 Tinyflow 的项目活跃度与 AIFlowy 的绑定深度

采购/采用风险评估

  • 技术风险：低。Java + Spring Boot 技术栈成熟，团队自研底框架且已生产验证
  • 供应商风险：中。开源项目依赖社区活跃度，如果核心团队转向其他项目，维护速度可能下降。但 Apache-2.0 协议保证了代码永久可用
  • 安全合规风险：低。全源码可审计，支持私有化部署，满足数据主权要求
  • 生态风险：中。第三方插件和 MCP 服务数量有限，部分场景可能需要自行开发集成
  • 建议：适合 Java 团队作为 AI 能力底座引入，建议先以非核心场景 PoC，验证 RAG 知识库和工作流编排的能力边界后再扩展到核心业务。同时在社区中保持贡献以加速问题响应。

相关工具：CrewAI、LangChain

版本信息

  • AIFlowy current ：支持 Bot 应用RAG 知识库AI 工作流编排、大模型管理、系统管理。
  • AIFlowy launch ：项目开源上线，基础 AI 应用构建能力。

用户评价

  • 加载评价中...