一、总体准备思路

你的目标不是做 AI 平台，而是在现有 Spring Boot 系统上增加这些能力：

• AI 待办
• AI 文件事务
• AI 流程
• 语义识别
• 文件检索

所以准备重点应放在：

Spring Boot 现有能力
+ AI 接入层
+ 文档处理
+ 向量检索
+ 语义理解
+ 流程/待办/文件业务对接
+ 权限审计
+ 异步任务与存储

原则：

• 能复用现有组件的，不重复建设
• 能先用云 API 的，不先自建模型
• 能单机部署的，不先上复杂集群
• 先做内部试点，不一开始全公司推广

二、你需要掌握的知识体系

1. Spring Boot 传统后台必备知识

这些是你现有项目大概率已经具备的，但要确认团队是否熟练：

如果你现有后台已经稳定运行，这部分通常不是瓶颈。

2. AI 接入必须补的知识

这部分是传统 Spring Boot 开发最容易缺的。

A. 大模型基础概念

你需要理解这些概念，但不需要会训练模型：

B. RAG 检索增强

文件检索场景必学：

C. 文档处理知识

D. 语义识别知识

E. AI 工程化知识

这部分很关键，决定能不能真正上线：

3. 建议团队掌握的技能分工

内部项目不一定需要算法工程师，会 Spring Boot 工程化接入 AI 的后端就能主导。

三、你需要准备哪些组件

下面按 必选、建议选、可暂缓 给你列清单。

四、核心组件清单

1. 应用层组件

建议：

• 第一阶段不单独拆微服务，先在 Spring Boot 项目内加ai-module
• 稳定后再拆ai-service

2. AI 能力组件

3. 中间件与基础设施

4. 文档与检索相关组件

5. 监控与治理组件

内部项目哪怕简单，也至少要有：

• AI 调用日志
• 文件处理任务日志
• 失败重试机制
• 每日调用量统计

五、推荐技术选型方案

方案 A：最低成本试点版

适合：内部试点、文档量不大、想快速验证

方案 B：稍稳妥的内部生产版

适合：部门级使用、文件持续累积、流程较多

你当前更适合：方案 A 起步，跑通后升级到方案 B。

六、环境配置要求

下面给你一份比较实际的内部部署环境建议。

1. 服务器规划

最小试点环境

如果预算紧，也可以 2 台合并：

正式内部使用环境

2. 操作系统与基础软件

3. 网络与安全配置

内部项目也必须提前准备：

4. 端口建议

5. 存储要求

文档检索场景要重点估的是：

• 原始文件大小
• 解析后的文本量
• 切块后的片段数量
• 向量数据占用

经验上：10 万份普通办公文档以内，单机向量库通常够用。

七、你需要提前准备的环境账号与资源

1. 模型平台账号

至少准备 1 家，建议备 1 家：

需要申请：

• API Key
• 调用额度
• 计费账号
• 内网出网白名单

2. 云服务或内部资源

如果是纯内网环境，还要确认：

• 能不能访问公网模型 API
• 如果不能，是否要走私有化模型
• 文件存储是否必须完全内网

这会直接影响成本和技术路线。

3. 内部系统对接清单

实施前先把这些现有系统摸清楚：

AI 不是孤立功能，接入成本很大程度取决于你原系统接口是否规范。

八、按场景分别要准备什么

场景 1：AI 待办

知识：

• 意图识别
• 实体抽取
• 时间语义理解
• 人工确认流程

组件：

• 大模型 API
• Prompt 模板
• 待办业务 API
• Redis 缓存
• 审计日志

环境：

• 普通应用服务器即可
• 无需向量库

场景 2：AI 处理文件事务

知识：

• 文档解析
• 文件分类
• 字段抽取
• 业务规则映射

组件：

• 文件存储
• 文档解析器
• OCR
• MQ 异步任务
• 大模型 API
• 业务单据接口

环境：

• 较大文件上传带宽
• 文件存储空间
• 异步任务队列
• 解析任务监控

场景 3：AI 流程

知识：

• 意图识别
• 流程模板映射
• 表单字段抽取
• 审批摘要生成

组件：

• 流程引擎
• 大模型 API
• 流程模板配置表
• 业务 API

环境：

• 与现有流程系统同环境即可
• 注意接口超时和事务一致性

场景 4：语义识别

知识：

• 分类
• 意图识别
• 实体抽取
• 规则 + 模型混合判断

组件：

• 大模型 API
• 统一 NLU 服务
• 分类规则表
• 日志与样本库

环境：

• 普通应用环境
• 建议沉淀识别样本，方便后续优化

场景 5：文件检索

知识：

• RAG
• Embedding
• 向量检索
• 权限过滤
• 引用溯源

组件：

• 文档解析
• Embedding 服务
• 向量数据库
• 大模型 API
• 文件权限系统
• 检索日志

环境：

• 向量库服务器
• 足够文件存储
• 异步入库任务环境
• 重建索引机制

九、数据库与配置项准备

虽然不写代码，但你要提前规划这些表和配置。

1. 建议新增的数据表

2. 建议提前准备的配置项

十、团队实施前要准备的文档

建议你先产出这 6 份文档，后面会省很多时间：

例如文件检索验收标准可以是：

• 能回答公司制度问题
• 回答带原文出处
• 无权限文件检索不到
• 响应时间可接受

十一、分阶段准备计划

第一阶段：环境与底座准备（1~2 周）

目标： 把底座搭起来，不接复杂业务

准备内容：

• Spring Boot 新加ai-module
• 申请模型 API
• 准备 MySQL / Redis / MQ / MinIO
• 准备向量库
• 打通文档上传与解析
• 建立 AI 调用日志

交付标准：

• 能调通大模型
• 能上传文件
• 能把文档切片入库
• 能做简单语义检索

第二阶段：核心场景准备（2~4 周）

目标： 做出 3 个可演示场景

准备内容：

• 文件检索 RAG
• AI 待办
• 一种文件事务场景，如发票/合同
• 人工确认页
• 权限过滤
• 调用审计

交付标准：

• 用户能问文件
• 用户能一句话建待办
• 用户上传文件后能生成业务草稿

第三阶段：流程与治理准备（按需）

准备内容：

• AI 流程发起
• 审批摘要
• 调用成本统计
• 失败重试
• 索引重建
• 部门知识库

十二、最低配准备清单

如果你想先以最小成本启动，下面这份就是“最低配开工包”。

知识

• Spring Boot 接口开发
• Prompt 基础
• RAG 基础
• 文档解析基础
• 权限与审计意识

组件

• Spring Boot 现有项目
• 大模型 API
• Embedding API
• MySQL
• Redis
• RabbitMQ
• MinIO
• PostgreSQL + pgvector
• Tika / POI

环境

• 2~3 台 4核8G 服务器
• JDK 17/21
• Docker
• 出网访问模型 API
• 文件存储 200GB 起

业务准备

• 待办接口
• 文件上传接口
• 流程模板
• 权限规则
• 1~2 个试点部门

十三、常见坑提前规避

十四、给你的最终建议

如果你现在就要开工，按这个顺序准备最稳：

第一步：准备环境和组件

• Spring Boot 项目加ai-module
• MySQL / Redis / RabbitMQ / MinIO
• 向量库：PostgreSQL + pgvector
• 大模型 API：先选 1 家
• Embedding API：先选云厂商

第二步：补关键知识

• Prompt
• RAG
• 文档解析
• 权限审计
• 异步任务

第三步：先做一个场景

优先：文件语义检索

因为：

• 组件复用率最高
• 对 AI 待办、文件事务、流程都有帮助
• 最容易看到价值

第四步：再接业务

• AI 待办
• AI 文件事务
• AI 流程

十五、一句话结论

基于传统 Spring Boot 做内部 AI，最该准备的是：AI 接入层、文档处理链路、向量检索环境、权限审计体系，以及现有待办/文件/流程接口对接能力。

最低成本路线就是：

Spring Boot + 国内大模型 API + Embedding + pgvector + MinIO + RabbitMQ + 文档解析 + 人工确认