springboot-openai-chatgpt
springboot-openai-chatgpt 是一款基于 Spring Cloud 微服务架构打造的“超级 AI 大脑”开源项目,旨在为开发者提供一套功能完备的多模态 AI 应用解决方案。它成功整合了全球主流的大模型能力,不仅无缝对接了 GPT-3.5、GPT-4.0 以及百度文心一言等文本对话模型,还集成了 Stable Diffusion 和 Midjourney 强大的 AI 绘图功能,实现了从智能聊天到“文生图”创作的一站式服务。
该项目有效解决了企业在构建自有 AI 平台时面临的技术栈复杂、多模型接入困难以及多端适配成本高等痛点。通过提供标准化的微服务架构,它支持 Web、Android、iOS 及 H5 全平台运行,让用户能够快速部署属于自己的智能助手或创意绘画工具。
springboot-openai-chatgpt 特别适合后端开发人员、系统架构师以及希望深入理解微服务与 AI 结合场景的技术团队使用。其独特的技术亮点在于基于成熟的 Bladex 框架开发,拥有清晰的架构图和丰富的视频教程,既可作为生产级的快速开发底座,也是学习微服务治理与 AI 接口集成的绝佳实践案例。无论是想搭建内部知识库助手,还是探索 AIGC 商业应用,这个项目都能提供坚实的技术支撑。
使用场景
某中型电商公司的技术团队正计划为其自营商城 App 及微信小程序集成智能客服与营销素材生成功能,以应对大促期间激增的用户咨询和海报设计需求。
没有 springboot-openai-chatgpt 时
- 多模型接入繁琐:开发团队需分别研究 OpenAI、百度文心一言及 Midjourney 的独立 API 文档,编写大量重复的 HTTP 请求代码,联调周期长达数周。
- 多端适配成本高:为了同时支持 Web、Android 和 iOS 端,后端需为不同客户端定制多套接口逻辑,前端也需各自实现聊天界面,维护难度极大。
- 架构扩展性差:原有单体架构难以承载高并发对话请求,缺乏微服务治理能力,一旦流量高峰到来,系统极易崩溃且难以横向扩容。
- 功能迭代缓慢:每次新增一种 AI 能力(如从纯文本对话扩展到 AI 绘图),都需要重构核心代码,导致业务响应市场变化的速度严重滞后。
使用 springboot-openai-chatgpt 后
- 一站式模型集成:基于 Spring Cloud 微服务架构,项目已预置 GPT-4、文心一言及 Stable Diffusion 等主流模型接口,团队只需配置密钥即可立即调用,开发效率提升 80%。
- 全渠道无缝覆盖:利用其成熟的多端适配方案,一套后端服务即可同时支撑 Web、H5、Android 及 iOS 应用,统一了对话与绘图接口,大幅降低运维成本。
- 高可用微服务支撑:依托成熟的微服务治理体系,系统可轻松应对大促期间的百万级并发请求,确保智能客服在高峰期依然稳定流畅。
- 敏捷功能拓展:内置的文生图与智能对话模块开箱即用,运营人员可直接通过后台配置营销活动海报生成策略,新功能上线时间从“周”缩短至“小时”。
springboot-openai-chatgpt 通过提供标准化的微服务 AI 中台解决方案,帮助企业将原本复杂的异构模型整合工作转化为简单的配置操作,实现了智能业务的快速落地与弹性扩展。
运行环境要求
- 未说明
未说明
未说明

快速开始
🕙 分享是一种美德,右上随手点个 🌟 Star,谢谢
温馨提醒
- 亲,动动您发财的手为我们点一颗star,是对我们最好的鼓励和支持,也是我们前进的动力
- 本项目是一个微服务全栈项目,认真刻苦的掌握它,你会对微服务有深刻理解
- 发现有问题?添加下方微信客服一起探讨,或者直接提Issues
- 演示环境
超级AI大脑产品架构图
项目关系
| 项目 | Star | 简介 |
|---|---|---|
| springboot-openai-chatgpt | 基于 Spring Boot 单体架构 | |
| springcloud-openai-chatgpt | 基于 Spring Cloud 微服务架构 | |
| springboot-openai-chatgpt | 基于 Spring Boot 单体架构 | |
| springcloud-openai-chatgpt | 基于 Spring Cloud 微服务架构 | |
| springboot-openai-chatgpt | 基着 Spring Boot 单体架构 |
温馨提示:
本项目基于Bladex开源版本3.7.1.RELEASE开发
演示环境
在线体验
Web端在线体验地址(点击图片可访问):http://www.mj.ink
微信关注超级AI大脑公众号及手机扫码下载App
| 微信公众号 | Android | IOS |
|---|---|---|
![]() |
![]() |
![]() |
| 微信公众号 | Android | IOS |
- 新用户第一次登录即为注册,可微信进行登录。如图:

1.项目简介
本git地址为超级AI大脑的开源代码地址,可下载运行。超级AI大脑已经上线,PC端和APP端都可以体验完整的功能。欢迎使用! 超级AI大脑使用gpt技术,能快速生成语言内容,例如文案、情书和题目。用户只需输入关键词,可提高工作效率和创造力。超级AI大脑能够结合gpt的强大的问答系统和知识图谱,为用户提供全面、准确的答案。不仅能够回答简单问题,还能够针对复杂的问题给出详细的解答。问超级AI大脑支持编程全能,利用gpt生成代码,帮助用户减少编程工作量。此外,超级AI大脑能随着地球数据增长不断强化自身能力,提供更优秀的智能应用。
1.1App前台展示
![]() |
![]() |
![]() |
![]() |
1.2PC端界面展示
聊天页
绘画广场
PC端绘画界面
PC端绘画生成
## 2.主要功能点展示
2.1 AI聊天工具箱
在AI大脑的首页界面,有可以看到AI大脑提供的工具按钮,AI大脑提供了人工智能在人们生活中的不同场景下的应用工具,工具板块可大致分为教师、百科、生活、娱乐等领域,每个领域下面还会有不同的划分。功能如图所示:
![]() |
![]() |
![]() |
2.2 AI绘图
AI大脑软件中的绘图板块是一项非常吸引人和有趣的功能。它使用了高级人工智能技术,让用户能够轻松地将他们的想象力转化为艺术品。绘图板块为用户提供了丰富的实用功能,用户可基于功能随心所欲生成您想要的各种各样的图片,如果您有创意,那么AI绘画将是您很好的创意实现工具!
绘图板块分为创作、社区、我的,下面对绘图板块三部分分别展开进行介绍:
创作部分,用户可基于文字描述生成图片或者基于用户上传的图片再根据用户选择的图片风格生成类似的图片。用户基于文生图时,用户可输入文字描述、选择图片比例、图片生成数量、AI大脑提供的不同类别风格为用户生成精美的图片。功能展示如图:
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
我的部分,用户可在此部分进行签到获取积分以及查看历史作品、发布作品、点赞作品等
2.3 AI画廊展馆
P1分类:通用 风格:自定义 比例:1:1 尺寸:512*512 生成数量:3张
文字描述:杰作 高质量 少女
![]() |
![]() |
![]() |
P2分类:通用 风格:自定义 比例:1:1 尺寸:512*512 生成数量:3张
文字描述:卡通少女
![]() |
![]() |
![]() |
P3分类:通用 风格:漫画 比例:1:1 尺寸:512*512 生成数量:3张
文字描述:卡通猫咪
![]() |
![]() |
![]() |
P4分类:通用 风格:写实主义 比例:1:1 尺寸:512*512 生成数量:3张
文字描述:鲜花
![]() |
![]() |
![]() |
P5分类:中国风 风格:国画 比例:1:1 尺寸:512*512 生成数量:3张
文字描述:中国山水画
![]() |
![]() |
![]() |
P6分类:场景 风格:史诗大片 比例:1:1 尺寸:512*512 生成数量:3张
文字描述:机器人
![]() |
![]() |
![]() |
P7分类:场景 风格:赛博朋克 比例:1:1 尺寸:512*512
文字描述:赛博朋克世界的人
![]() |
![]() |
![]() |
2.4后台数据
![]() |
2.5后台展示
用户管理、微信机器人、商品管理、更多好玩管理
![]() |
![]() |
![]() |
![]() |
3.低代码开发平台
使用本系统的朋友们,在这里需要重点提及一下,在后台里的研发模块为MJ科技提供的一个低代码开发平台,旨在简化表单开发、表单设计,开发人员可专注于业务逻辑实现、提高开发效率。
3.1 online在线开发
表单开发,其作用为在线生成表单,项目中所有涉及到的业务表的新增或修改需要在此菜单中统一进行。并且代码中有提供专门的工具类操作数据库,参考以下步骤熟悉后可自由进行开发。
操作示例图:
![]() |
![]() |
![]() |
![]() |
3.2 App在线开发
研发模块中的表单设计:拖曳式快速生成App。
示例图:
![]() |
![]() |
![]() |
4.开源项目完整运行步骤
4.1 开源项目后端代码运行步骤
4.1.1 环境配置
运行环境:JDK1.8
开发工具: Idea、Maven
默认已启动中间件:Nacos2.0.0++、Mysql8.0、Redis
如果觉得以上麻烦,推荐使用宝塔集成了Mysql,Redis:宝塔
4.1.2 后端代码运行
Cloud版本代码运行:
| 第一步:下载BLade 3.7.1.RELEASE |
| 第二步:拉取超级AI大脑mng项目 |
| 第三步:把超级AI大脑的mng覆盖Blader3.7.1 |
| 第四步:刷新maven再compile编译,运行Blader3.7.1 |
通过git拉取代码到本地后,项目结构如图:
![]() |

复制后的项目结构:

总共有5个服务需要启动,为GateWayApplication,AuthApplication,SystemApplication,UserApplication,MjkjApplication,其他服务可选择删除。
Naco下载
链接:https://pan.baidu.com/s/1TC89DNq2-w7u7Fr6r6BoYw?pwd=mjkj
![]() |
如图:(在这里关于部分中间件的地址于yaml文件中已有示例,具体还需与个人本地的地址相对应进行配置)
![]() |
关于blade.yaml文件、blade-dev.yaml文件以及相关工具包请阅读本项目中的doc文件夹。
在配置完成后,根据下图提示配置本地项目中nacos地址,使项目加入nacos管理,如图:
![]() |

至此,后端Cloud版本代码运行成功!
Boot版本代码运行:
| 第一步:下载SpringBLade-Boot 3.7.1.RELEASE |
| 第二步:打开超级AI大脑chatgpt-boot项目 |
| 第三步:把超级AI大脑的chatgpt-boot覆盖SpringBlade-boot-3.7.1 |
| 第四步:刷新Maven,再进行Complie编译,启动SpringBlade-boot项目 |
![]() |
![]() |
![]() |
![]() |
4.2 开源项目前端代码运行步骤
4.2.1 项目前端前台代码运行
运行环境: node12.13.0
开发工具:VsCode
通过git拉取代码chatgpt_pc到本地,在配置好node.js环境的前提下,使用VsCode打开文件夹,运行命令npm i, npm run serve启动项目,如图:
![]() |
![]() |
4.2.2 项目前端后台代码运行
后台运行环境: node12.13.0
开发工具: VsCode
| 第一步:下载Saber3.7.1 |
| 第二步:拉取超级AI大脑mng_web项目 |
| 第三步:把超级AI大脑的mng_web项目覆盖Saber3.7.1 |
| 第四步:运行Saber3.7.1 |
把图片中选中的文件复制到Saber项目中,选择覆盖操作。

通过git拉取代码到本地,在配置好node.js环境的前提下,使用vs打开文件夹,运行命令npm i, npm run serve启动项目,如图:

成功运行:

客服微信与技术讨论群(广告勿扰):



常见问题
相似工具推荐
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
funNLP
funNLP 是一个专为中文自然语言处理(NLP)打造的超级资源库,被誉为"NLP 民工的乐园”。它并非单一的软件工具,而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点,funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具,还独特地收录了丰富的垂直领域资源,如法律、医疗、金融行业的专用词库与数据集,甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性,从基础的字典词典到前沿的 BERT、GPT-2 模型代码,再到高质量的标注数据和竞赛方案,应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师,还是从事人工智能研究的学者,都能在这里找到急需的“武器弹药”。对于开发者而言,它能大幅减少寻找数据和复现模型的时间;对于研究者,它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神,极大地降低了中文自然语言处理的开发与研究成本,是中文 AI 社区不可或缺的宝藏仓库。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
































































