GitHub 地址：https://github.com/BidingCC/BuildingAI

简介

BuildingAI​ 被开发者称为“AI 时代的 WordPress”，是东半球首个开源的积木式 AI 应用搭建系统。它定位为企业级的智能体平台，旨在让非技术人员也能通过可视化配置（DIY），像搭积木一样快速构建属于自己的 AI 应用系统。

不同于仅聚焦对话的 Bot 框架，BuildingAI 提供了从底层模型调度、RAG 知识库到上层会员订阅、计费支付的全栈能力。无论是构建企业智能体系统、AI 客服还是内容生成平台，你无需从零编写代码，只需在界面上拖拽配置，即可拥有一个功能完备的“私有化 Coze”或“增强版 Dify”。

主要功能

1. 核心 AI 能力矩阵

• 智能体（Agents）：创建具备记忆、目标和工具使用能力的自主 Agent。支持设定系统角色、温度参数，并可绑定知识库或 MCP 工具，实现复杂的多步任务自动化。

• 知识库与 RAG：支持文档（TXT、PDF、Word）上传与自动向量化，内置混合检索（关键词+向量），为 AI 回答提供精准的企业私有知识支撑，避免“胡说八道”。

• 模型聚合与管理：统一接口接入 OpenAI、Anthropic、智谱、通义千问等主流模型，支持 API 与本地部署模型混用，并内置 Token 消耗统计。

2. 可视化编排与扩展

• 零代码配置：通过图形化界面配置工作流、触发条件和响应逻辑，无需编写代码即可完成 AI 应用的逻辑搭建。

• MCP 工具集成：原生支持 Model Context Protocol，可接入外部数据源（如数据库、API）作为 Agent 的工具，极大扩展了 AI 的行动边界。

• 插件扩展机制：支持安装官方及第三方扩展（Extensions），如博客系统、客服模块，实现功能的模块化热插拔。

3. 企业级运营底座

• 用户与权限：内置完整的用户注册、登录及角色权限管理（RBAC），支持团队协作空间。

• 计费与商业化：这是其区别于其他开源框架的杀手级功能。内置会员订阅、按次计费、套餐管理等模块，支持对接 Stripe 及国内支付渠道，让你搭建的 AI 应用能直接面向客户收费。

• 数据隔离：支持多租户数据隔离，确保不同团队或客户的数据互不干扰。

安装与配置

环境要求

• 硬件：CPU ≥ 2 核，内存 ≥ 4 GB，磁盘空间 ≥ 5 GB。

• 软件：必须已安装 Docker 和 Docker Compose。

Docker 一键部署（推荐）

这是官方最稳定、最简单的部署方式，适合绝大多数场景：

1. 克隆项目：

   git clone https://github.com/BidingCC/BuildingAI.git buildingai
   cd buildingai

2. 配置环境：复制环境变量文件并修改关键配置（如域名、数据库密码）。

   cp .env.example .env
   # 编辑 .env，设置 APP_DOMAIN=your-domain.com（生产环境必改）

3. 启动服务：

   docker compose up -d

   首次启动会自动构建前端并初始化数据库，耗时约 5-10 分钟。可通过 docker logs查看构建进度。

4. 安装向导：服务启动后，浏览器访问 http://localhost:4090/install（或你的域名），跟随向导完成超级管理员账号设置及系统初始化。

其他部署方式

对于宝塔面板用户或需要深度定制的开发者，官方也提供了 PM2 源码部署指南，但 Docker 仍是首选。

如何使用

第一步：搭建知识底座

1. 创建知识库：在管理后台点击“知识库”，新建一个库（如“公司产品手册”）。

2. 上传文档：将 PDF 产品说明书拖入上传，系统自动进行切片和向量化处理。

3. 测试检索：在“调试”界面提问，验证 AI 是否能从文档中准确提取答案。

第二步：配置 AI 智能体

1. 新建应用：进入“智能体”模块，创建新应用（如“智能客服助手”）。

2. 绑定知识库：在应用设置中关联上一步创建的“公司产品手册”。

3. 设定人格：编写系统 Prompt，例如“你是一名专业的售前客服，回答需基于提供的知识库，严禁编造未知信息”。

第三步：发布与运营

1. 设置计费：在“计费管理”中创建套餐（如“99元/月，1000次问答”），并配置支付网关。

2. 分享应用：将智能体的对话链接或嵌入代码集成到官网或钉钉/飞书。

3. 查看数据：在仪表盘查看用户使用量、Token 消耗及营收统计。

应用场景实例（无代码）

场景一：中小企业的“24小时 AI 客服中心”

痛点：初创公司没有预算购买昂贵的 SaaS 客服系统，且希望将内部产品文档转化为客服知识。

BuildingAI 方案：

1. 在内网服务器部署 BuildingAI。

2. 上传所有产品 FAQ 和手册 PDF 构建知识库。

3. 创建一个名为“产品客服”的智能体，绑定该知识库，并设置回复风格为“亲切、简洁”。

4. 将智能体对话窗口嵌入公司官网“帮助中心”页面。

5. 价值：实现了 7×24 小时自动解答 80% 的常见问题，零持续 SaaS 订阅费用。

场景二：知识付费作者的“AI 导师平台”

痛点：编程讲师希望将自己的课程内容做成一个能答疑的 AI 助手，并向学员收取订阅费。

BuildingAI 方案：

1. 在云服务器部署 BuildingAI，配置域名和 SSL 证书。

2. 将课程视频的文本稿、代码示例上传为知识库。

3. 创建“编程导师”智能体，开启“仅依据知识库回答”模式。

4. 在后台设置付费套餐：“免费试用 10 次”、“月度会员 50 元”。

5. 将平台链接分享给学员。

6. 价值：将静态课程转化为交互式 AI 服务，创造了除卖课外的第二收入曲线。

场景三：企业内网的“合规问答助手”

痛点：金融或医疗机构的合规文档更新频繁，员工难以快速查找最新条款。

BuildingAI 方案：

1. 在企业内网隔离环境部署 BuildingAI，确保数据不出域。

2. 定期同步合规部门的 Word 文档到指定知识库。

3. 构建智能体，设定规则“所有回答必须引用文档章节号”。

4. 集成到企业微信工作台。

5. 价值：大幅提升合规查询效率，且所有问答记录留痕，满足审计要求。

总结

BuildingAI 的强大之处在于“全”且“易”。它不像很多开源项目只提供引擎而缺省商业化组件，而是将 AI 能力、用户管理和支付系统打包成了一个完整的“创业工具箱”。对于想快速验证 AI 产品 idea 的创业者，或希望将 AI 能力私有化落地的企业 IT 部门，它是目前极佳的低成本起点。

GitHub 地址：https://github.com/BidingCC/BuildingAI