SparkX：企业级 AI 智能体开发平台，开箱即用、模型任选、灵活编排-矩阵键Matrikey

SparkX 是一个采用“大语言模型 + 可视化编排”构建的企业级 AI 智能体开发平台，覆盖从知识库入库、检索增强、智能体对话到工作流编排的完整链路。项目由 SparkShop 团队开发，已在 Gitee 上开源。

一、为什么需要 SparkX？

企业落地 AI 智能体，通常会遇到三个真实痛点：

1. 模型不稳定，挂了怎么办？
线上不可能只依赖一个模型供应商。网络抖动、限流、服务降级随时发生。如果系统只接了一家，它一挂，整个智能体就哑火。

2. 知识库问答不准，幻觉满天飞
直接把原始文档塞给模型，回答质量看天吃饭。真正的 RAG 系统要考虑：文档怎么切分最合理？混合检索怎么融合排序？召回结果怎么去重精排？每一环都是工程决策。

3. 单轮问答不够用，复杂场景怎么搞？
很多业务不是一问一答能解决的——查订单要带用户信息、走审批要调多个接口、处理工单要按步骤来。单纯的 RAG 智能体搞不定。

SparkX 正是为解决这些问题而设计：模型路由 + 三态熔断解决稳定性，自研多路检索管线解决 RAG 质量，可视化工作流编排解决复杂场景。

二、核心能力

SparkX 具备以下核心能力：

• 模型任选：基于 LangChain4j 统一封装，接入 OpenAI 兼容标准接口，覆盖市面上几乎所有主流大模型——不限于官方服务，也支持 Ollama 等自建模型。
• RAG 索引增强：自研多路检索管线，向量 + 关键词混合检索，多通道 RRF 融合 + 父子分块扩展 + MMR 去冗余 + 重排精排，有效消除大模型幻觉。
• 知识图谱增强：原生集成 Neo4j 知识图谱，文档入库时自动抽取实体与关系；检索支持实体子图扩展、社区摘要等多模式，擅长回答「A 与 B 有何关系」这类问题。
• 意图理解 & 智能路由：内置可配置的意图树，规则快速路径零成本判定问候/闲聊，低温 LLM 精准归类到业务节点。
• 样例记忆命中：高频问题可预先写入样例库，用户提问向量命中即零 LLM 直返答案，典型问题不再消耗推理资源。
• 会话记忆：双层记忆抗长对话 token 爆炸——L1 滑动窗口保留最近 N 轮消息，L2 话题摘要把更早的对话压缩成话题索引。
• 灵活编排：基于 AntV X6 可视化流程引擎，让多个 Agent 按节点图协同工作。
• 模型容错：多模型路由 + 三态熔断器 + 首包探测 + 优先级降级链，单个模型供应商故障不影响业务。
• MCP 无限扩展：原生集成 MCP 协议（langchain4j-mcp），让 AI 自由调用外部业务工具。

三、技术架构

SparkX 采用前后端分离架构：

后端：Java 17 + Spring Boot 3.4 + MyBatis-Plus + LangChain4j 1.18 + PostgreSQL(vector) + Redis(Redisson) + MinIO + SSE

前端：Vue 3 + TypeScript + Vite + Naive UI + Alova(HTTP) + AntV X6(编排)

AI 能力：LangChain4j（模型统一封装）+ langchain4j-mcp（MCP 协议）+ langchain4j-community-neo4j（知识图谱）+ Apache Tika/PDFbox/POI（文档解析）+ HanLP（中文分词）

项目结构清晰：

spark-x/
├── admin/      # Vue3 + Naive UI 管理后台
├── server/     # Spring Boot 3.4 后端
└── docker/     # 一键编排（backend + frontend + PgSQL + Redis + MinIO）

四、完整控制台

SparkX 提供完整的可视化管理后台，覆盖智能体开发的全生命周期：

• 智能体管理：配置知识库范围、对话模型、提示词、检索参数、重排参数、兜底策略
• 知识库管理：文档上传、分块管理、命中测试、问答对管理、入库流水线监控
• AI 模型配置：统一管理对话/向量/重排/视觉四类模型
• MCP 工具管理：配置 MCP 服务，让 AI 自由调用外部业务工具
• 可视化编排：基于 AntV X6 的流程编排引擎
• 对话调试：实时 SSE 流式对话调试，查看引用来源和各阶段耗时

五、快速开始

Docker 一键启动：

git clone https://gitee.com/shop-sparker/spark-x.git
cd spark-x/docker
docker compose up -d

访问 http://localhost:8189，账号 admin，密码 123456。

完整使用文档：https://x.sparkshop.cn/

六、项目概况

SparkX 在 Gitee 上已有 549 Stars、240 Forks，采用 Java（57.4%）+ Vue（30.4%）技术栈，共有 11 位贡献者。

一句话总结：生产落地智能体会踩的坑，这里都有对应方案。一套经过真实场景锤炼的工程实践，系统覆盖 RAG / Agent / MCP / 编排等核心能力。