自然语言问一句各分类商品数统计90 秒后拿到一份带图表的 HTML 分析报告。说一句话帮我生成一个用户管理的 CRUD 页面10 分钟后页面就妥妥了。这不是演示视频里的魔法是两个开源项目组合出来的日常。企业 AI 落地的三个真实问题过去两年每个技术团队都在尝试把 AI 引入企业系统。但在实际落地中有三个问题反复出现问题一AI 怎么安全地碰数据库你不能把数据库连接直接给大模型——这不是技术问题是安全问题。大模型有幻觉会写出DELETE FROM user这样的 SQL。你需要一个中间层控制 AI 能做什么、不能做什么。问题二AI 怎么理解你的业务通用大模型不知道你的表结构、你的业务规则、你的数据关系。你需要一种机制让 AI 在回答之前先了解你的系统。问题三这些能力怎么组合RAG、MCP 工具调用、SQL 生成、低代码页面——每一个都有成熟的方案但拼在一起时接口对齐、协议适配、数据流转全是坑。JavaBrain 不是一个新项目它是 灵梭Spring AI Loom Agent 和 SQL 工坊SQL Forge 这两个开源项目的组合示例——展示了当 AI 编排层遇上数据操作层企业 AI 落地可以是什么样子。两个项目三层职责JavaBrain 的架构很清晰两个项目各管一层┌─────────────────────────────────────────────────────────┐ │ 用户浏览器 │ │ localhost:8080/spring/ai/loom │ └─────────────────────┬───────────────────────────────────┘ │ ┌─────────────────────▼───────────────────────────────────┐ │ 灵梭Loom Agent │ │ AI 编排层 · 聊天 UI · RAG · MCP · Skill │ │ Spring AI Spring Boot 自动配置 │ └─────────────────────┬───────────────────────────────────┘ │ MCP 协议stdio 子进程 ┌─────────────────────▼───────────────────────────────────┐ │ SQL 工坊 MCPSQL Forge MCP │ │ AI-to-Database 安全桥接层 │ │ 大模型不直接碰数据库通过 MCP 工具操作 │ └─────────────────────┬───────────────────────────────────┘ │ REST API ┌─────────────────────▼───────────────────────────────────┐ │ SQL 工坊SQL Forge │ │ 数据层 · JSON CRUD · SQL 模板 · Calcite 联邦查询 │ │ Amis 低代码 · Web Console 可视化管理 │ └─────────────────────────────────────────────────────────┘项目角色核心能力灵梭AI 编排层聊天界面、RAG 知识库、MCP 工具调用、Skill 技能库SQL 工坊数据层JSON CRUD API、SQL 模板引擎、Calcite 跨库联邦查询、Amis 低代码SQL 工坊 MCP 是 SQL 工坊的子模块作为安全桥接层让 AI 通过 MCP 工具调用安全操作数据库。关键设计大模型始终不直接接触数据库。用户输入自然语言 → 灵梭调度 Skill → Skill 通过 MCP 调用 SQL Forge → SQL Forge 执行 SQL → 结果原路返回。整个链路可审计、可控制。三个智能助手JavaBrain 最终交付给用户的是三个即用的智能助手助手一对话式 Agent最基础的形态。用户在聊天界面里用自然语言提问AI 调用工具回答。这不是简单的聊天机器人——通过 Skill 技能库AI 可以执行复杂的多步操作查询数据库、生成图表、操作文件、调用外部 API所有动作都在对话中完成。助手二数据分析助手这是最惊艳的能力。用户用自然语言描述分析需求比如各分类商品数统计或最近 30 天销售额趋势系统在 90 秒内理解用户的分析意图查询数据库获取表结构元数据生成 SQL 并执行基于结果生成 AntV 图表输出可下载的 HTML 分析报告自然语言 → SQL 查询 → 图表报告全程无需手写代码自动生成的 HTML 分析报告包含交互式图表背后的技术链路用户各分类商品数统计 → 灵梭触发 nl2sql Skill → Skill 通过 MCP 调用 sql-forge-mcp 的 get_table_metadata 工具 → 获取表结构生成 SQL → 通过 MCP 调用 execute_sql 执行查询 → 拿到结果后调用 AntV MCP 工具生成图表 → 组装成 HTML 报告返回给用户助手三智能低代码助手用户描述需求比如帮我生成一个用户管理的 CRUD 页面系统在 10 分钟内理解页面需求查询目标表结构生成 Amis 低代码 JSON Schema渲染出可操作的 CRUD 页面一句话描述需求AI 生成完整的 CRUD 页面配置生成的页面支持增删改查、搜索、分页直接可用这个能力基于 SQL Forge 的 Amis 模板管理。AI 不是在凭空生成前端代码而是基于已有的低代码框架生成配置 JSON——这意味着生成结果是可靠的、可维护的。技术架构详解JavaBrain 是一个双模块 Maven 项目模块说明loom-agentAI 编排模块引入灵梭 Starter提供聊天 UI 和 Agent 调度oms业务模块引入 SQL Forge Starter提供数据操作和业务逻辑技术栈层次技术AI 编排Spring AI 1.1.7 灵梭 1.1.30LLM阿里通义千问 Qwen 3.7-plusDashScope嵌入模型text-embedding-v4数据管理SQL Forge 1.6.1联邦查询Apache Calcite 1.41.0低代码百度 Amis数据库H2默认/ MySQL / PostgreSQL数据库迁移FlywayMCP 传输stdiojbang 启动 sql-forge-mcp 子进程MCP 工具注册灵梭通过mcp-servers.json配置 MCP 服务器{sql-forge-mcp:{command:jbang,args:[io.github.wb04307201:sql-forge-mcp:1.6.1],env:{SQL_FORGE_URL:http://localhost:8081}}}灵梭启动时会自动拉起 sql-forge-mcp 子进程通过 stdio 通信。不需要手动部署 MCP 服务器一切由灵梭管理。Skill 技能定义以 nl2sql 为例技能文件nl2sql.st定义了 AI 的工作流程--- name: nl2sql description: 自然语言转 SQL 查询并生成分析报告 --- 你是一个数据分析专家。用户会用自然语言描述分析需求你需要 1. 使用 get_table_metadata 工具获取相关表结构 2. 根据表结构和用户需求生成 SQL 3. 使用 execute_sql 工具执行查询 4. 根据查询结果使用 generate_chart 工具生成可视化图表 5. 组装成 HTML 报告返回AI 在对话中会自主匹配最合适的 Skill 执行不需要用户手动触发。为什么不把两个项目合成一个灵梭和 SQL 工坊保持独立是一个有意为之的架构决策。独立发布、独立使用。不是每个人都需要完整的 JavaBrain。有人只需要数据库操作框架SQL Forge有人只需要 AI Agent 框架灵梭只有需要完整方案的人才需要 JavaBrain。独立演进。两个项目可以各自升级只要 MCP 协议接口不变就不会互相影响。SQL Forge 可以加新的数据源支持灵梭可以加新的 LLM 适配JavaBrain 只需要更新版本号。组合灵活。JavaBrain 是灵梭 SQL Forge的一种组合方式但不是唯一的。你完全可以用灵梭搭配自己的数据层或者用 SQL Forge 搭配其他 AI 框架。快速开始前置条件JDK 17Maven 3.8阿里通义千问 API Key或其他 LLM启动# 克隆项目gitclone https://gitee.com/wb04307201/java-brain.git# 修改配置# 编辑 oms/src/main/resources/application.yml# 填入 DashScope API Key# 启动业务服务oms端口 8081cdoms mvn spring-boot:run# 启动 AI 服务loom-agent端口 8080cdloom-agent mvn spring-boot:run打开浏览器访问http://localhost:8080/spring/ai/loom即可开始使用。适合谁你是谁JavaBrain 帮你做什么企业技术负责人评估 AI 落地方案的参考架构Spring Boot 开发者学习 MCP Skill RAG 的实践案例内部工具开发者快速搭建带 AI 能力的后台管理系统数据分析师用自然语言做数据分析不用写 SQL全栈开发者理解AI 低代码如何落地写在最后JavaBrain 不是一个大而全的平台它是一个组合示例——把两个各自有用的开源项目拼在一起展示它们如何协同工作产生 112 的效果。如果你想在自己的项目里复用这套方案不需要直接依赖 JavaBrain而是分别引入灵梭和 SQL 工坊的 Starter按你的业务需求组合。JavaBrain 只是一个参考告诉你这两个项目可以这样搭配效果是这样的。企业 AI 落地不需要从零开始也不需要引入一整个商业平台。用好开源生态组合出适合自己业务的方案可能是更务实的路径。项目地址JavaBrain组合示例Gitee | GitHub灵梭Spring AI Loom Agent — AI 编排层SQL 工坊SQL Forge — 数据层
