ReachAI 企业智能体开发平台
面向 Java 存量业务系统的企业级智能体底座，让 AI 在 OA、ERP、CRM 等原系统中查数据、填表单、办业务。
README 系统描述了最小权限与确认策略（READ 自动、PAGE_ACTION 需页面意图、WRITE 需一次确认、IRREVERSIBLE 默认拒绝；Capability 白名单、Tool ACL、短期 Token、后端最终鉴权、Trace 审计），并有 @ReachCapability 的 sideEffect/requiredRoles 注解示例作为代码佐证。扣分点：这些治理机制只有 README 描述与一个注解示例，核心 Guard/ACL/确认执行代码未在本次审查文件中，无法核实实际实现；敏感数据处理仅见 env 模板、生产禁用开发默认密钥的说明，代码未验；回滚/撤销仅有 Skill '撤销' 字样；发布者为未验证个人账号 w8123，仅 MIT 版权行可归属。
README 内部叙述大体自洽（五服务端口、表所有权、快速开始步骤一致），技术栈与版本号明确，基础设施有 docker compose 与 SQL 基线支撑可用性。扣分点：失败/异常的具体错误信息与降级行为仅在 RunOps 层面泛泛提及，无代码证据；测试文件仅见一个 OpenAPI 测试夹具，覆盖情况不明。
目标受众（OA/ERP/CRM 等存量 Java 企业系统）、三类角色与四场景描述充分，边界明确（JDK8 SDK / Spring Boot 2 Starter 接入、BETA 节点分级）。扣分点：触发精度依赖白名单与页面意图的描述，未见实现；环境适配限于 Java/Spring 技术栈，README 自述为当前主路径。
文档架构清晰（AGENTS.md、docs 导航、SQL 基线、服务边界文档），快速开始含环境要求与分步命令，'当前实现边界'明确承认未完备之处，扣分理由少；命名（五服务、端口、核心对象）稳定。扣分点：无 CHANGELOG/版本发布记录，维护责任仅有快速迭代自述与学习交流群，无明确治理路径；示例多为 README 示意而非可运行样例仓库。
产出可用性有 Trace/回放/EvalOps/验收证据链的设计支撑，相对 Dify/OpenClaw 的差异化定位清晰（面向存量系统改造）。扣分点：成本收益仅述 Token/耗时统计，无实际数据；全部能力未经验证执行，价值主张停留在设计描述。
README 主动区分 confirmedFact/technicalInference/openQuestion，并提供代码与文档指针（Page Bridge 源文件、服务表所有权文档），可追溯性设计好。扣分点：本次仅三个文件，README 的多数声明（截图、治理实现、验收流程）无法与其他源码交叉印证；测试夹具仅覆盖扫描器一处。
- 本次为静态审查，仅基于 README、LICENSE 和一个测试夹具；所有治理声明（Tool ACL、Guard、确认策略、短期 Token、后端鉴权）均未经代码核实，生产使用前应审计 reachai-runtime-service 与 reachai-control-service 的实际实现。
- 本地开发默认注入公开的加密/签名密钥并预填 admin/admin123，务必确认生产环境设置 REACHAI_LOCAL_AUTH_ENABLED=false、REACHAI_BOOTSTRAP_ADMIN_ENABLED=false 并从 Secret 注入独立密钥。
- 发布者为未验证个人账号，无变更日志与明确维护承诺，依赖前应评估长期维护风险。
- IRREVERSIBLE 默认拒绝、WRITE 需确认等策略为文档声明，接入真实业务系统前应验证其代码路径确实生效。
这个 Agent 能做什么，适合哪些场景？
ReachAI（仓库 w8123/EnterpriseAgentFramework）是一个 MIT 协议开源的企业智能体开发与运行平台，目标是快速、安全地把 AI 能力植入已有业务系统。它由五个 Spring Boot 服务组成：model-service（模型网关）、knowledge-service（知识库与 RAG）、control-service（公共 API 与身份）、runtime-service（Agent 与 Workflow 执行）、capability-service（能力目录）。业务系统通过 JDK 8 兼容的 Capability SDK / Spring Boot 2 Starter 注册业务能力，前端用 ReachAI Embed 和 Page Bridge 在原页面内嵌对话并显式登记页面动作。执行模型上，AgentScope Supervisor 负责意图理解与任务规划，从白名单中选择已发布的 Workflow-as-Tool，由 Runtime 按版本固定的 GraphSpec 执行，读写操作受 Tool ACL、风险级别和用户确认约束，全程记录 Trace 并可在 RunOps 回放。管理端为 Vue 3 + TypeScript 的运营控制台，覆盖系统扫描、改造推荐、AI Coding 任务、能力发布、验收与运行治理。
平台按两阶段工作。建设阶段：注册业务系统并扫描页面、路由、接口，形成能力地图；对选定页面做只读分析，输出带 confirmedFact、codeReferences 和 acceptanceCriteria 的改造清单；将改造需求封装为标准化任务交给 Codex、Trae、Cursor 或 Claude Code 执行并回传验收证据；通过 @ReachCapability 注解把 Java 接口沉淀为 Capability Catalog，并经字段级 diff 和人工 apply/ignore 评审。运行阶段：员工在原业务页面通过 Embed 对话发起请求，Supervisor 理解意图后选择 0/1/多个已授权 Workflow，GraphSpec Executor 按版本执行；READ 自动执行、PAGE_ACTION 需页面意图、WRITE 需一次确认、IRREVERSIBLE 默认拒绝；调用真实能力时携带业务用户短期 Token，由原后端做最终鉴权。平台还提供 Workflow Studio（可视化/AI 编排 GraphSpec）、Automation、EvalOps（版本化数据集与发布门禁）、MCP Hub 和 A2A 互联中心，将 Capability 与 Workflow 发布为 MCP Tool 或远程 Agent。
- 使用 OA 系统的企业：员工用自然语言汇总今日待办并打开最紧急项，无需切换系统
- eHR 团队：AI 查询本月异常考勤并筛出未处理记录
- 采购部门：AI 创建办公用品采购申请草稿，提交前由用户确认
- CRM 销售：AI 根据本周客户动态生成跟进计划
- 拥有大量缺少接口文档的存量 Java 系统的团队：用页面扫描和能力快照完成有代码证据的系统盘点
- 平台管理者：通过运营中心、EvalOps 和 RunOps 持续测评 Agent 版本表现并治理失败运行
这个 Agent 有哪些优点和局限？
- 差异化定位：不止于创建 AI 应用，而是覆盖存量系统扫描、改造推荐、AI Coding 实施、能力接入、真实验收和上线治理的完整闭环
- 治理证据链完整：Capability 白名单、Tool ACL、按风险分级（READ 自动 / WRITE 确认 / IRREVERSIBLE 拒绝）、业务身份 Token、全程 Trace 回放
- Agent 负责灵活规划、Workflow 按版本固定的 GraphSpec 稳定执行，兼顾新需求与高频任务的确定性
- 页面自动化基于显式登记的动作契约而非截图识别和鼠标模拟，可靠性更高
- 开放协议生态：通过 MCP Hub 和 A2A 互联中心对外发布受治理的能力与远程 Agent，模型接入为 OpenAI 兼容网关
- 项目自述处于快速迭代阶段，README 明确表示并非所有能力都达到生产完备状态，部分 Workflow 节点仍为 BETA
- 部署较重：需要 MySQL 8、Redis 7、Milvus 2.4 和五个 Java 服务，运维成本高于轻量级 Agent 框架
- 主要面向 Java/Spring 生态（JDK 8 SDK + Spring Boot 2 Starter），非 Java 存量系统只能靠扫描方式补充盘点
- 当前五服务共用一个 MySQL 实例，表所有权边界依赖 internal API 约束，架构演进可能带来迁移风险
- 自动化中心的截图环境执行引擎尚未启用；治理面（ACL、Guard、开放协议）仍在产品化中
如何安装或部署这个 Agent？
环境要求：JDK 17、Maven、Node.js 与 npm、Docker Compose。步骤：
- 复制凭据模板并启动基础设施：
cp deploy/.env.example deploy/.env
docker compose --env-file deploy/.env -f deploy/docker-compose.infra.yml up -d
mysql --default-character-set=utf8mb4 -h localhost -u root -p -e "source sql/initV2.sql"- 构建后端：
mvn clean install -DskipTests - 启动五个服务：可在 IntelliJ IDEA 中运行
.run/00-reachai-five-services.run.xml一键启动，或按顺序执行mvn spring-boot:run（model 18601、knowledge 18602、control 18603、runtime 18604、capability 18605）。本地开发模式自动注入开发专用密钥，无需配置各 SECRET 环境变量。 - 启动管理端：
cd ai-admin-front
npm ci
npm run dev本地开源模式默认提供预填的 admin / admin123 账号，仅限本地开发；生产环境必须设置 REACHAI_LOCAL_AUTH_ENABLED=false、REACHAI_BOOTSTRAP_ADMIN_ENABLED=false 并接入正式身份体系。
如何使用这个 Agent？
接入路径：将 Capability SDK / Spring Boot 2 Starter 加入可修改的 Java 系统，用 @ReachCapability 注解标记业务方法（含 name、domain、sideEffect、requiredRoles 等元数据），Starter 自动扫描注解方法和 Spring MVC 接口并完成心跳与签名上报；在 Capability Catalog 中对能力快照执行 apply/ignore 并授权。然后在管理端用 Workflow Studio 编排或让 AI 生成 GraphSpec，校验后发布；配置 Agent 的固定版本、使用范围和可调用的 Workflow-as-Tool 白名单。前端在业务页面集成 ReachAI Embed 与 eafPageBridge.ts，显式登记筛选、跳转和表单动作。上线后通过 Automation 按计划运行，通过 EvalOps 做版本对比，通过 RunOps 排查失败。详细参考：docs/reference/SDK接入与EmbedChat快速参考.md 与 docs/reference/Workflow-AI-Coding.md。
这个 Agent 与同类方案有什么区别？
README 直接对比了两个替代方案：Dify 等 AI 应用编排平台侧重创建和发布 AI 应用、Agent 与 Workflow；OpenClaw 等个人智能体侧重从聊天入口跨应用帮个人完成任务。ReachAI 的区别是面向已有企业业务系统，覆盖系统扫描、改造推荐、AI Coding 实施、能力接入、真实验收与生产级运行治理，且关键操作需确认、全程可追踪。