update readme

README.md

@@ -9,6 +9,8 @@
 [![License](https://img.shields.io/badge/license-MIT-blue.svg)](LICENSE)
 [![Java](https://img.shields.io/badge/Java-21+-orange.svg)](https://www.oracle.com/java/)
 [![Spring Boot](https://img.shields.io/badge/Spring%20Boot-3.4.1-brightgreen.svg)](https://spring.io/projects/spring-boot)
+[![Spring AI](https://img.shields.io/badge/Spring%20AI-1.0.0--M5-green.svg)](https://spring.io/projects/spring-ai)
+[![Spring AI Alibaba](https://img.shields.io/badge/Spring%20AI%20Alibaba-1.0.0--M6.1-orange.svg)](https://java2ai.com)
 [![React](https://img.shields.io/badge/React-18.x-61dafb.svg)](https://reactjs.org/)
 [![TypeScript](https://img.shields.io/badge/TypeScript-5.x-blue.svg)](https://www.typescriptlang.org/)
 
@@ -32,9 +34,9 @@ PaiAgent-one 是一个**企业级的 AI 工作流可视化编排平台**，让 A
 
 - **🎯 零代码编排**：可视化拖拽界面，无需编程即可构建复杂 AI 工作流
 - **🚀 高性能引擎**：自研轻量级 DAG 引擎，支持拓扑排序和智能循环检测
-- **🔌 多模型统一**：统一接入 OpenAI、DeepSeek、通义千问等主流大模型
+- **🔌 多模型统一**：基于 Spring AI 框架，统一接入 OpenAI、DeepSeek、通义千问等主流大模型
 - **🛠️ 灵活扩展**：基于插件化设计，轻松开发自定义节点满足个性化需求
-- **🐛 实时调试**：内置调试面板，可视化执行过程，快速定位问题
+- **🐛 实时调试**：内置调试面板，支持 SSE 流式输出，可视化执行过程
 - **📦 开箱即用**：完整的前后端解决方案，快速部署到生产环境
 
 ## ✨ 核心特性
@@ -43,10 +45,14 @@ PaiAgent-one 是一个**企业级的 AI 工作流可视化编排平台**，让 A
 基于 ReactFlow 构建的专业流程图编辑器，支持节点拖拽、连线配置、参数编辑等完整功能。
 
 ### 多大模型节点支持
-- **OpenAI 节点**：GPT-3.5/GPT-4 等模型支持
-- **DeepSeek 节点**：国产大模型接入
-- **通义千问节点**：阿里云千问系列模型
-- **更多模型**：持续集成中...
+
+基于 **Spring AI + Spring AI Alibaba** 框架统一接入：
+
+- **OpenAI 节点**：GPT-3.5/GPT-4 等模型（Spring AI OpenAI 接口）
+- **DeepSeek 节点**：国产大模型（OpenAI 兼容接口）
+- **通义千问节点**：阿里云千问系列（Spring AI Alibaba DashScope 原生支持）
+- **智谱 AI 节点**：GLM 系列模型（OpenAI 兼容接口）
+- **AIPing 节点**：第三方模型代理（OpenAI 兼容接口）
 
 ### 工具节点生态
 - **TTS 音频合成**：超拟人语音生成
@@ -79,7 +85,7 @@ PaiAgent-one 是一个**企业级的 AI 工作流可视化编排平台**，让 A
 │  React 18 + TypeScript + ReactFlow + Ant Design         │
 │  • 可视化编辑器  • 节点面板  • 调试工具                    │
 └────────────────────┬────────────────────────────────────┘
-                     │ REST API / WebSocket
+                     │ REST API / SSE
 ┌────────────────────┴────────────────────────────────────┐
 │                    应用层 (Backend)                       │
 │              Spring Boot 3.4.1 + Java 21                │
@@ -94,6 +100,13 @@ PaiAgent-one 是一个**企业级的 AI 工作流可视化编排平台**，让 A
 └────────────────────┬────────────────────────────────────┘
                      │
 ┌────────────────────┴────────────────────────────────────┐
+│                  AI 模型层 (Spring AI)                    │
+│  • Spring AI: OpenAI/DeepSeek/智谱 等兼容接口             │
+│  • Spring AI Alibaba: 通义千问 DashScope 原生支持         │
+│  • ChatClientFactory: 统一的 ChatClient 动态工厂          │
+└────────────────────┬────────────────────────────────────┘
+                     │
+┌────────────────────┴────────────────────────────────────┐
 │              数据层 (Data & Storage)                     │
 │  • MySQL: 工作流配置、执行记录                             │
 │  • MinIO: 文件存储 (可选)                                 │
@@ -157,6 +170,16 @@ PaiAgent-one 是一个**企业级的 AI 工作流可视化编排平台**，让 A
 <td>增强版 ORM 框架</td>
 </tr>
 <tr>
+<td>Spring AI</td>
+<td>1.0.0-M5</td>
+<td>AI 模型统一调用框架</td>
+</tr>
+<tr>
+<td>Spring AI Alibaba</td>
+<td>1.0.0-M6.1</td>
+<td>通义千问 DashScope 原生支持</td>
+</tr>
+<tr>
 <td>MySQL</td>
 <td>8.0+</td>
 <td>关系型数据库</td>
@@ -172,7 +195,7 @@ PaiAgent-one 是一个**企业级的 AI 工作流可视化编排平台**，让 A
 <td>对象存储服务</td>
 </tr>
 <tr>
-<td rowspan="3"><b>核心引擎</b></td>
+<td rowspan="5"><b>核心引擎</b></td>
 <td>自研 DAG 引擎</td>
 <td>-</td>
 <td>工作流编排核心</td>
@@ -187,6 +210,16 @@ PaiAgent-one 是一个**企业级的 AI 工作流可视化编排平台**，让 A
 <td>-</td>
 <td>防止工作流死锁</td>
 </tr>
+<tr>
+<td>Spring AI ChatClient</td>
+<td>-</td>
+<td>统一 AI 模型调用接口</td>
+</tr>
+<tr>
+<td>ChatClientFactory</td>
+<td>-</td>
+<td>动态创建不同模型客户端</td>
+</tr>
 </table>
 
 ## 📁 项目结构
@@ -199,15 +232,22 @@ PaiAgent-one/
 │   │   │   ├── engine/          # 🎯 DAG 工作流引擎（核心）
 │   │   │   │   ├── WorkflowEngine.java       # 工作流编排引擎
 │   │   │   │   ├── dag/DAGParser.java        # 拓扑排序+循环检测
+│   │   │   │   ├── llm/                     # LLM 调用层（Spring AI）
+│   │   │   │   │   ├── ChatClientFactory.java     # ChatClient 动态工厂
+│   │   │   │   │   ├── PromptTemplateService.java # 提示词模板处理
+│   │   │   │   │   └── LLMNodeConfig.java         # LLM 节点配置
 │   │   │   │   ├── executor/                # 节点执行器
 │   │   │   │   │   ├── NodeExecutor.java    # 执行器接口
 │   │   │   │   │   ├── NodeExecutorFactory.java  # 工厂模式
 │   │   │   │   │   └── impl/               # 具体实现
+│   │   │   │   │       ├── AbstractLLMNodeExecutor.java  # LLM 抽象基类
 │   │   │   │   │       ├── InputNodeExecutor.java
 │   │   │   │   │       ├── OutputNodeExecutor.java
 │   │   │   │   │       ├── OpenAINodeExecutor.java
 │   │   │   │   │       ├── DeepSeekNodeExecutor.java
 │   │   │   │   │       ├── QwenNodeExecutor.java
+│   │   │   │   │       ├── ZhiPuNodeExecutor.java
+│   │   │   │   │       ├── AIPingNodeExecutor.java
 │   │   │   │   │       └── TTSNodeExecutor.java
 │   │   │   │   └── model/                   # 数据模型
 │   │   │   ├── controller/      # REST API 接口层
@@ -372,15 +412,23 @@ npm run dev
 - ✅ 用户认证系统（Token 认证 + 拦截器）
 - ✅ 可视化流程编辑器（ReactFlow 集成）
 - ✅ DAG 工作流引擎（拓扑排序 + 循环检测）
+- ✅ **Spring AI 框架集成**（v1.0.0-M5）
+  - 统一的 ChatClient 调用接口
+  - 支持 OpenAI 兼容协议（OpenAI/DeepSeek/智谱/AIPing）
+- ✅ **Spring AI Alibaba 集成**（v1.0.0-M6.1）
+  - 通义千问 DashScope 原生支持
+  - 阿里云 Qwen 系列模型接入
 - ✅ 多大模型节点支持
   - OpenAI 节点（GPT 系列）
   - DeepSeek 节点
   - 通义千问节点
+  - 智谱 AI 节点
+  - AIPing 节点
 - ✅ 工具节点实现
   - 输入/输出节点
   - TTS 音频合成节点
   - 音频播放器组件
-- ✅ 实时调试功能（调试抽屉 + 日志输出 + 结果展示）
+- ✅ SSE 实时流式输出（调试抽屉 + 日志输出 + 结果展示）
 - ✅ 工作流 CRUD 管理
 - ✅ 执行记录查询
 
@@ -451,12 +499,15 @@ npm run dev
 public interface NodeExecutor {
     Map<String, Object> execute(WorkflowNode node, Map<String, Object> input);
 }
+
+// LLM 节点通过 Spring AI ChatClient 统一调用
+ChatClient chatClient = chatClientFactory.createClient(nodeType, apiUrl, apiKey, model, temperature);
+String response = chatClient.prompt().user(prompt).call().content();
 ```
 
 ### 节点扩展开发
 
-开发自定义节点只需三步：
-
+**方式一：开发普通工具节点**
 1. **实现 NodeExecutor 接口**
 ```java
 public class CustomNodeExecutor implements NodeExecutor {
@@ -473,6 +524,18 @@ public class CustomNodeExecutor implements NodeExecutor {
 NodeExecutorFactory.register("custom", new CustomNodeExecutor());
 ```
 
+**方式二：开发 LLM 节点（推荐）**
+```java
+// 继承 AbstractLLMNodeExecutor，自动获得 Spring AI 能力
+@Component
+public class CustomLLMNodeExecutor extends AbstractLLMNodeExecutor {
+    @Override
+    protected String getNodeType() {
+        return "custom_llm";
+    }
+}
+```
+
 3. **前端添加节点定义**
 ```typescript
 const customNode = {
@@ -482,6 +545,21 @@ const customNode = {
 };
 ```
 
+## 💼 项目亮点（简历版）
+
+**项目名称**：PaiAgent - 企业级 AI 工作流编排平台
+
+**项目描述**：基于可视化流程编辑器的 AI Agent 工作流平台，支持用户通过拖拽方式编排多种大模型（DeepSeek、通义千问等）和工具节点，使用自研 DAG 引擎按拓扑顺序执行工作流，实现复杂 AI 任务的自动化编排与执行。
+
+**技术栈**：Java 21、Spring Boot 3.4.1、Spring AI 1.0.0
+
+**核心职责**：
+
+- 基于 Spring AI 框架重构 LLM 通信层，采用工厂模式+模板方法模式设计 ChatClientFactory 动态工厂和 AbstractLLMNodeExecutor 抽象基类，将 5 个 LLM 节点执行器的重复代码从 800+行精简至 75 行
+- 设计动态 ChatClient 创建机制，支持运行时根据工作流节点配置（apiKey/apiUrl/model）动态实例化不同厂商的 ChatClient，实现多租户场景下每个节点独立配置的能力
+- 抽取 PromptTemplateService 公共服务，统一处理 `{{variable}}` 模板变量替换和上下游节点参数引用映射，支持 input 静态值和 reference 动态引用两种参数类型
+- 基于 Spring AI 的 Flux 响应式流实现 LLM 流式输出，通过 SSE 实时推送生成进度到前端，配合现有 ExecutionEvent 事件机制，用户可实时查看 AI 生成过程
+
 ## 🤝 贡献指南
 
 我们欢迎所有形式的贡献，包括但不限于：

backend/pom.xml

@@ -31,7 +31,7 @@
 		<mybatis-plus.version>3.5.5</mybatis-plus.version>
 		<springdoc.version>2.3.0</springdoc.version>
 		<spring-ai.version>1.0.0-M5</spring-ai.version>
-		<spring-ai-alibaba.version>1.0.0.2</spring-ai-alibaba.version>
+		<spring-ai-alibaba.version>1.0.0-M6.1</spring-ai-alibaba.version>
 	</properties>
 
 	<dependencyManagement>
@@ -102,12 +102,18 @@
 			<artifactId>minio</artifactId>
 			<version>8.5.7</version>
 		</dependency>
-		<!-- Spring AI OpenAI (支持OpenAI、DeepSeek和通义千问的OpenAI兼容接口) -->
+		<!-- Spring AI OpenAI (支持OpenAI、DeepSeek等OpenAI兼容接口) -->
 		<dependency>
 			<groupId>org.springframework.ai</groupId>
 			<artifactId>spring-ai-openai-spring-boot-starter</artifactId>
 			<version>${spring-ai.version}</version>
 		</dependency>
+		<!-- Spring AI Alibaba DashScope (用于通义千问原生支持) -->
+		<dependency>
+			<groupId>com.alibaba.cloud.ai</groupId>
+			<artifactId>spring-ai-alibaba-starter</artifactId>
+			<version>${spring-ai-alibaba.version}</version>
+		</dependency>
 		<dependency>
 			<groupId>org.springframework.boot</groupId>
 			<artifactId>spring-boot-starter-test</artifactId>

backend/src/main/java/com/paiagent/engine/llm/ChatClientFactory.java

@@ -1,5 +1,8 @@
 package com.paiagent.engine.llm;
 
+import com.alibaba.cloud.ai.dashscope.api.DashScopeApi;
+import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatModel;
+import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatOptions;
 import lombok.extern.slf4j.Slf4j;
 import org.springframework.ai.chat.client.ChatClient;
 import org.springframework.ai.chat.model.ChatModel;
@@ -19,8 +22,8 @@ public class ChatClientFactory {
     /**
      * 根据节点类型和配置创建ChatClient
      *
-     * @param nodeType    节点类型 (openai/deepseek/qwen)
-     * @param apiUrl      API端点URL
+     * @param nodeType    节点类型 (openai/deepseek/qwen/zhipu/ai_ping)
+     * @param apiUrl      API端点URL (DashScope模式下忽略)
      * @param apiKey      API密钥
      * @param model       模型名称
      * @param temperature 温度参数
@@ -32,7 +35,8 @@ public ChatClient createClient(String nodeType, String apiUrl, String apiKey,
                 nodeType, apiUrl, model, temperature);
 
         ChatModel chatModel = switch (nodeType) {
-            case "openai", "deepseek", "qwen" -> createOpenAICompatibleModel(apiUrl, apiKey, model, temperature);
+            case "openai", "deepseek", "zhipu", "ai_ping" -> createOpenAICompatibleModel(apiUrl, apiKey, model, temperature);
+            case "qwen" -> createDashScopeModel(apiKey, model, temperature);
             default -> throw new IllegalArgumentException("不支持的节点类型: " + nodeType);
         };
 
@@ -41,7 +45,7 @@ public ChatClient createClient(String nodeType, String apiUrl, String apiKey,
 
     /**
      * 创建OpenAI兼容的ChatModel
-     * 支持OpenAI、DeepSeek和通义千问（通过OpenAI兼容接口）
+     * 支持OpenAI、DeepSeek、ZhiPu、AIPing等OpenAI兼容接口
      */
     private ChatModel createOpenAICompatibleModel(String apiUrl, String apiKey, 
                                                    String model, Double temperature) {
@@ -56,4 +60,39 @@ private ChatModel createOpenAICompatibleModel(String apiUrl, String apiKey,
 
         return new OpenAiChatModel(openAiApi, options);
     }
-}
+
+    /**
+     * 创建DashScope ChatModel（用于通义千问）
+     * 使用阿里云 DashScope 原生 API，通过 Spring AI Alibaba 框架调用
+     * 
+     * @param apiKey      阿里云 DashScope API Key
+     * @param model       模型名称，如 qwen-turbo, qwen-plus, qwen-max 等
+     * @param temperature 温度参数，控制输出随机性 (0.0-2.0)
+     * @return DashScopeChatModel 实例
+     * 
+     * @apiNote 已知问题: spring-ai-alibaba 1.0.0.2 版本存在 requestOptions bug
+     *          可能在某些场景下抛出 "requestOptions cannot be null" 异常
+     *          建议后续升级到更高版本以获得完整修复
+     * @see <a href="https://github.com/alibaba/spring-ai-alibaba/issues/3300">GitHub Issue #3300</a>
+     */
+    private ChatModel createDashScopeModel(String apiKey, String model, Double temperature) {
+        log.info("【DashScope模式】创建ChatModel - 模型: {}, 温度: {}", model, temperature);
+
+        // 创建 DashScope API 客户端
+        DashScopeApi dashScopeApi = new DashScopeApi(apiKey);
+        log.debug("DashScopeApi 实例创建成功");
+
+        // 配置模型选项
+        DashScopeChatOptions options = DashScopeChatOptions.builder()
+                .withModel(model)
+                .withTemperature(temperature)
+                .build();
+        log.debug("DashScopeChatOptions 配置完成 - model: {}, temperature: {}", model, temperature);
+
+        // 创建并返回 DashScopeChatModel
+        DashScopeChatModel chatModel = new DashScopeChatModel(dashScopeApi, options);
+        log.info("【DashScope模式】DashScopeChatModel 创建成功");
+
+        return chatModel;
+    }
+}

backend/src/main/resources/application.yml

@@ -17,6 +17,9 @@ spring:
       # 占位配置，实际使用时通过节点配置动态指定
       api-key: ${OPENAI_API_KEY:sk-placeholder}
       base-url: https://api.openai.com
+    # DashScope配置（用于通义千问原生支持）
+    dashscope:
+      api-key: ${DASHSCOPE_API_KEY:sk-placeholder}
 
 # MyBatis-Plus 配置
 mybatis-plus: