这是一个基于Spring AI和Vue.js构建的智能旋转机械故障诊断系统，专门用于风机、泵、轴承、齿轮箱、电机等旋转设备的故障诊断和预测性维护。系统集成了先进的AI技术、RAG（检索增强生成）知识库、向量数据库和多种诊断工具，为工业设备维护提供智能化的解决方案。

• 框架: Spring Boot 3.4.9 + Java 21
• AI框架: Spring AI + 阿里云DashScope AI
• 数据库: PostgreSQL + PgVector (向量数据库)
• 文档处理: iText PDF + Markdown解析
• 工具库: Hutool AI + JSoup网页抓取
• API文档: Knife4j (Swagger)

• 框架: Vue 3 + Vite
• 路由: Vue Router 4
• HTTP客户端: Axios
• 实时通信: Server-Sent Events (SSE)

• MCP搜索器: 独立的MCP (Model Context Protocol) 搜索服务
• RAG系统: 基于向量数据库的知识检索增强
• 工具集: 多种AI工具集成

路径: /app

专业的旋转机械故障诊断专家，具备以下能力：

• 正常运行状态: 建立振动基线、温度监控、噪声分析、电流监测
• 早期故障状态: 轴承点蚀、轻微不对中、齿轮磨损、电机断条检测
• 严重故障状态: 轴承损坏、主轴裂纹、齿轮断齿、紧急停机判断

• 振动频谱分析（FFT、包络谱分析）
• 温度异常监测
• 噪声特征识别
• 电流频谱分析
• 油液分析建议

1. 状态评估: 根据用户描述判断设备当前状态
2. 信息收集: 引导用户提供关键参数（振动、温度、频率等）
3. 专业分析: 基于专业知识库进行故障分析
4. 处理建议: 提供针对性的维修和预防措施

路径: /manus

通用AI助手，集成多种工具，能够：

• 文件操作（读取、写入、搜索）
• 网络搜索和信息抓取
• PDF报告生成
• 终端命令执行
• 资源下载和管理

系统内置了完整的旋转机械故障诊断知识库：

1. paper1.md: 正常运行状态诊断

   • 振动基线建立方法
   • 风机正常频谱特征
   • 轴承温度监控标准
   • 齿轮箱声音判断
   • 电机电流分析

2. paper2.md: 早期故障诊断

   • 轴承早期点蚀检测
   • 轻微不对中识别
   • 齿轮早期磨损判断
   • 电机断条检测

3. paper3.md: 严重故障诊断

   • 轴承严重损坏紧急信号
   • 主轴裂纹检测方法
   • 齿轮断齿故障特征

• 向量存储: 使用PgVector存储文档向量
• 智能检索: 基于语义相似度的文档检索
• 上下文增强: 结合检索内容进行更准确的回答

• WebSearchTool: 网络搜索和信息获取
• FileOperationTool: 文件系统操作
• PDFGenerationTool: 诊断报告生成
• WebScrapingTool: 网页内容抓取
• TerminalOperationTool: 系统命令执行
• ResourceDownloadTool: 资源下载管理

• 支持MCP协议的工具调用
• 可扩展的工具生态系统
• 标准化的工具接口

• Java 21+
• Node.js 16+
• PostgreSQL 12+
• Maven 3.6+

# 1. 配置数据库
# 修改 src/main/resources/application.yml 中的数据库连接信息

# 2. 配置AI API密钥
# 设置环境变量 api-key 为您的DashScope API密钥

# 3. 启动应用
mvn spring-boot:run

cd ai-agent-frontend
npm install
npm run dev

cd mcp-searcher
mvn spring-boot:run

• GET /ai/app/chat/sync - 同步诊断对话
• GET /ai/app/chat/sse - 流式诊断对话
• GET /ai/manus/chat - 超级智能体对话
• GET /health - 健康检查

访问 http://localhost:8123/api/swagger-ui.html 查看完整API文档

spring:
  application:
    name: ai-agent
  datasource:
    url: jdbc:postgresql://localhost:5432/ai_agent
  ai:
    dashscope:
      api-key: ${api-key}
    chat:
      options:
        model: qwq-plus

server:
  port: 8123
  servlet:
    context-path: /api

系统支持PgVector向量数据库，用于RAG功能：

• 索引类型: HNSW
• 距离度量: COSINE_DISTANCE
• 维度: 1536 (默认)

• 预防性维护: 基于设备状态预测维护需求
• 故障诊断: 快速定位设备故障原因
• 知识管理: 积累和传承诊断经验
• 培训支持: 为维护人员提供学习平台

1. 设备状态描述: 用户描述设备当前状态和异常现象
2. 参数收集: AI引导收集关键诊断参数
3. 智能分析: 基于知识库进行专业分析
4. 诊断报告: 生成详细的诊断报告和处理建议
5. 跟踪记录: 保存诊断历史，便于后续参考

ai-agent/
├── src/main/java/com/hp/aiagent/
│   ├── agent/              # AI代理实现
│   │   ├── BaseAgent.java  # 基础代理类
│   │   ├── YuManus.java    # 超级智能体
│   │   └── ToolCallAgent.java # 工具调用代理
│   ├── app/                # 应用核心
│   │   └── MyApp.java      # 故障诊断应用
│   ├── controller/         # REST控制器
│   ├── tools/              # 工具集成
│   ├── rag/                # RAG系统
│   ├── chatmemory/         # 对话记忆
│   └── config/             # 配置类
├── ai-agent-frontend/      # Vue前端
├── mcp-searcher/           # MCP搜索服务
└── src/main/resources/
    └── document/           # 知识库文档

• 项目维护者: HP
• 邮箱: hp92467@163.com
• 项目链接: (https://github.com/hp92467/ai-agent)