作为长期评估企业内用 AI 平台的产品经理，我在选型时更看重三个维度：可控性（部署与合规）、可扩展性（接口与模块化）、以及对国内技术生态的适配程度。

近几个月测试了一款开源项目 AIFlowy，它并不试图成为“全能工具箱”，而是把企业级底座能力做扎实，在 Bot、RAG、工作流、权限、日志、素材管理等关键模块上提供相对完整的一体化实现，对比常见的 Dify、Coze 这类平台，AIFlowy的差异点更偏向“国产化落地”和“私有化易用”。

这篇文章从功能定位与使用体验展开，供有私有化与信创诉求的团队参考。

AIFlowy是什么？

AIFlowy 是开源的企业级 AI 应用开发平台，帮助企业快速构建和管理 AI 应用。

基于 Java 开发，支持智能对话机器人、私有知识库构建、AI 工作流编排和大模型管理等功能，提供完善的系统管理模块，满足企业级应用需求。

AIFlowy 采用 Apache-2.0 开源协议，要求保留版权信息和控制台内容。适合国内企业场景，注重实际落地。

产品概览与模块结构

AIFlowy的结构清晰，前后端分离，模块化可裁剪：

前端：React 18.2 + Ant Design + Zustand + Vite，支持国际化（locales 模块），页面模块划分为 AI 功能、系统管理、通用组件。

后端：SpringBoot 2.x + MyBatis-Flex（简化 CRUD）+ Sa-Token（权限）+ Redis（缓存）。提供 Agents-Flex 用于 AI Agent/工作流编排。

模块化后端：

• aiflowy-commons：缓存、文件存储、短信、验证码、Web 通用配置等。
• aiflowy-modules：AI、鉴权、系统、日志等业务模块。
• aiflowy-starter：聚合启动入口。

数据层：MySQL 8.x 为主库；提供数据中枢功能，支持自定义表结构，便于与既有业务系统集成。

AI 层：通过 Agents-Flex 实现智能体编排，支持多模型对接（包括本地部署模型；具体厂商与协议以适配插件为准）。

主要能力与差异化

权限与组织：用户、角色、菜单、部门、岗位等企业常见 RBAC 结构，含操作日志与审计。

Bot 应用：对话机器人创建与配置，支持接入 RAG 知识库与插件能力。

RAG 知识库：文档导入、分片与检索链路；默认基于数据库存储，可按需替换向量存储与嵌入服务（企业可自行接入向量库）。

工作流编排：节点化的智能体编排（Agents-Flex），支持自定义节点与分支条件，适合客服、内容生成、内部流程自动化等场景。

素材中心：文案、图片、音频等内容生成与管理，支持营销场景的批量产出流程。

扩展与裁剪：模块粒度清晰，按需移除如短信等非必需模块，便于定制。

国产化与信创适配：JDK 1.8+、MySQL 8.x、Maven 构建；前后端常见依赖在国内镜像源可直接获取。

开箱即用：提供完整 SQL 脚本与默认账号（admin/123456）。一键本地启动脚本与 Docker 友好。

与 Dify、Coze 的适配性对比

说明：具体模型支持范围、云端价格策略可能随版本调整，建议以各产品官方页面为准。AIFlowy为开源私有化优先，适合需要深度定制与合规可控的企业项目。

环境与部署参数

• 后端运行环境：JDK 1.8+、Maven、MySQL 8.x、Redis（可选）。
• 前端运行环境：Node.js 18+、pnpm；React 18.2、Ant Design、Zustand、Vite。
• 默认端口：后端 8080（可配置），前端开发模式默认连接本地后端。
• 初始化：导入 sql/ 目录下的数据库脚本；默认账号 admin/123456（请在生产环境立即修改）。
• Docker：支持容器化（需自行编写 docker-compose），对 Windows Docker 用户友好。
• 协议：Apache License 2.0，允许商用、修改与分发。

模型与接口适配（参考）

• 云端模型：可对接国内外主流推理与嵌入模型（例如通义、GLM、文心、Minimax 等），通过统一的模型接入层与插件配置完成。
• 本地模型：支持在内网部署的推理服务（如自建推理 API）；能与工作流编排结合，实现混合调用。
• 嵌入与向量：默认以数据库存储检索为主，企业可替换为专用向量数据库（如 Milvus、PGVector），需二次适配。
• 鉴权与限流：基于 Sa-Token 与后端拦截器实现，多租户与更细粒度策略可通过二次开发扩展。

提示：具体已内置的模型厂商、SDK 与向量库支持以项目仓库与文档为准，建议在落地前评估兼容清单。

上手体验：从克隆到第一个可用 Bot

克隆与构建：git clone 项目，后端执行 mvn clean package；前端进入 aiflowy-ui-react 执行 pnpm install、pnpm dev。

数据库：导入 sql/ 初始化脚本，配置数据库连接；启动后端，前端在开发模式下直连后端。

登录与基础设置：使用默认账号登录；配置模型供应商的密钥与推理参数（温度/最大长度/接口地址等）。

创建知识库：上传文档（制度、手册、FAQ），完成分片与索引；设置检索参数（TopK、阈值）。

搭建工作流：在 Agents-Flex 中添加节点（检索、调用模型、工具插件），设置分支与错误处理。

发布 Bot：绑定知识库与工作流至 Bot，设置可见范围与权限；联调日志追踪，观察调用链与错误信息。

灰度与运维：开启操作日志与审计；在 Redis 与数据库层设置基础监控与告警；对外开放需配反向代理与限流。

体验观察：

• 开发门槛：Java/React 团队上手快；权限与菜单等基础模块无需重复搭建。
• 定制灵活度：模块化可裁剪；自定义工作流节点满足企业内复杂流程的串并与异常处理。
• RAG效果：默认链路可用，但在大规模文档与高并发场景建议引入专业向量库与缓存策略。

适合的团队与场景

• 有私有化与合规要求的企业 IT/数据/应用开发团队。
• 希望快速搭建内部问答、客服自动化、内容生成、流程自动化并统一权限审计的团队。
• 具备 Java/React 技术栈的中小型研发组织，需要在现有系统之上叠加 AI 能力。

典型场景落地：

• 企业知识库问答：将制度、产品资料、售后知识集中管理，员工通过自然语言检索。
• 智能客服工作流：RAG + 插件（查订单、发短信），在常见问题与事务办理上自动闭环。
• 营销素材自动生成：将文案输入流程化，自动生成配图/音频并归档；支持批量生产。
• 数据中枢联动：工作流读写自定义业务表，实现与 CRM/ERP/工单系统的无缝集成。

限制与风险评估

• 生态成熟度：相比 Dify/Coze 的云生态与插件市场，AIFlowy 更适合“自建+定制”，对团队研发能力有要求。
• 向量与检索：默认数据库链路适合中等规模文档；大规模检索需引入专用向量库与召回优化。
• 模型兼容清单：需结合项目版本确认已适配的模型与 SDK；如需更广覆盖需要插件或二开。
• 多租户与细粒度治理：基础 RBAC已具备，但多租户隔离、计费与配额管理需二次开发设计。

价格与授权说明

• 开源授权：Apache License 2.0，允许商用与修改，授权风险低。
• 软件费用：开源版本零授权费；部署与运维成本由企业自担。
• 模型费用：按所接入模型厂商的调用与订阅计费（例如通义/GLM/文心等的 API 计费），不属于 AIFlowy 收费范畴。
• 云版/商业版：如需官方商业支持或云托管，需以官方渠道发布为准。

获取与文档

• 源码获取：可在 GitHub/Gitee 搜索 “AIFlowy” 查询最新仓库、版本与文档。
• 版本信息、支持矩阵与路线图：建议以官方仓库 README/Docs 为准，避免因版本迭代信息不一致。

结语

对于需要在内网快速上线 AI 应用、又要兼顾权限、安全与合规的团队，AIFlowy提供了一个相对完整的底座方案。

它的重点不在“花哨功能”，而在工程能力与国产化适配：权限、日志、工作流、RAG、素材、数据中枢形成体系，二次开发路径清晰。

与 Dify、Coze 相比，AIFlowy更适合私有化与深度定制场景；如果你的目标是云端生态与开箱集成，则可考虑后两者。

选型的关键是“适配度”：结合组织的技术栈、治理要求与交付目标，选一个能在两到四周内落地 MVP 的平台，后续再按业务增长扩展。

AIFlowy在这个路径上具备可行性，值得在企业内做一次验证落地。

项目地址：https://github.com/aiflowy/aiflowy

项目官网：https://aiflowy.tech/