跳到主要内容

GitHub项目

官方项目​

1. BISHENG毕昇主项目​

项目地址: https://github.com/dataelement/bisheng

毕昇平台的核心代码仓库，包含完整的前后端代码和部署脚本。

项目结构​

bisheng/
├── src/
│   ├── backend/          # 后端Python代码
│   │   ├── bisheng/      # 核心业务逻辑
│   │   ├── components/   # 工作流组件
│   │   ├── api/          # API接口
│   │   └── utils/        # 工具函数
│   └── frontend/         # 前端React代码
│       ├── src/
│       ├── public/
│       └── package.json
├── docker/               # Docker配置文件
├── deploy/               # 部署脚本和配置
├── docs/                 # 文档目录
└── tests/                # 测试用例

技术栈​

  • 后端: Python 3.9+, FastAPI, SQLAlchemy, Celery
  • 前端: React, TypeScript, Ant Design, React Flow
  • 数据库: PostgreSQL, Redis, Milvus
  • 容器化: Docker, Docker Compose

贡献指南​

  • Fork项目到个人账户
  • 创建功能分支: git checkout -b feature/your-feature
  • 提交更改: git commit -am 'Add some feature'
  • 推送分支: git push origin feature/your-feature
  • 创建Pull Request

2. BISHENG RT推理服务​

项目地址: https://github.com/dataelement/bisheng-rt

毕昇平台的模型推理服务，支持多种大语言模型的高性能推理。

主要特性​

  • 支持多种模型格式（HuggingFace、ONNX、TensorRT）
  • GPU加速推理
  • 动态批处理
  • 模型热更新
  • 监控和告警

支持的模型​

  • ChatGLM系列: ChatGLM-6B, ChatGLM2-6B, ChatGLM3-6B
  • Qwen系列: Qwen-7B, Qwen-14B, Qwen-72B
  • Baichuan系列: Baichuan-7B, Baichuan-13B
  • LLaMA系列: LLaMA-7B, LLaMA-13B, LLaMA-30B
  • InternLM系列: InternLM-7B, InternLM-20B

3. BISHENG Unstructured文档解析​

项目地址: https://github.com/dataelement/bisheng-unstructured

专门针对中文优化的文档解析服务，支持多种文档格式的智能解析。

支持的文档格式​

  • PDF: 包括扫描件和文本型PDF
  • Office文档: Word(.docx), Excel(.xlsx), PowerPoint(.pptx)
  • 图片: PNG, JPEG, TIFF, BMP
  • 其他: HTML, Markdown, 纯文本

解析能力​

  • OCR文字识别（支持中英文混合）
  • 表格结构识别
  • 版面分析
  • 图片内容提取
  • 元数据提取

4. BISHENG Knowledge知识库​

项目地址: https://github.com/dataelement/bisheng-knowledge

企业级知识库管理系统，提供知识图谱构建和智能检索功能。

核心功能​

  • 知识图谱构建
  • 实体关系抽取
  • 智能标签生成
  • 语义检索
  • 知识推荐

相关开源项目​

LLM基础框架​

1. LangChain​

项目地址: https://github.com/langchain-ai/langchain

毕昇平台基于LangChain构建，提供了LLM应用开发的基础框架。

主要贡献者: Harrison Chase, Ankush Gola 语言: Python, TypeScript Stars: 87.2k+

2. LangFlow​

项目地址: https://github.com/logspace-ai/langflow

可视化LLM工作流构建工具，毕昇平台在其基础上进行了企业级增强。

主要贡献者: Logspace AI Team 语言: Python, TypeScript Stars: 23.1k+

模型推理框架​

1. vLLM​

项目地址: https://github.com/vllm-project/vllm

高性能LLM推理框架，毕昇RT基于此构建。

特性:

  • PagedAttention算法
  • 连续批处理
  • 优化的CUDA内核
  • 支持多种模型架构

2. FastChat​

项目地址: https://github.com/lm-sys/FastChat

分布式聊天机器人训练和部署平台。

特性:

  • 多模型支持
  • 分布式训练
  • Web界面
  • API服务

3. Text Generation Inference​

项目地址: https://github.com/huggingface/text-generation-inference

HuggingFace开发的高性能文本生成推理服务器。

特性:

  • 张量并行
  • 动态批处理
  • 优化的注意力机制
  • 支持流式输出

向量数据库​

1. Milvus​

项目地址: https://github.com/milvus-io/milvus

毕昇平台推荐的向量数据库，提供高性能向量检索能力。

特性:

  • 万亿级向量数据
  • 毫秒级查询响应
  • 高度可扩展
  • 云原生架构

2. Qdrant​

项目地址: https://github.com/qdrant/qdrant

用Rust编写的高性能向量搜索引擎。

特性:

  • 内存安全
  • 高并发支持
  • 丰富的过滤功能
  • REST API

3. ChromaDB​

项目地址: https://github.com/chroma-core/chroma

轻量级嵌入式向量数据库。

特性:

  • 简单易用
  • 本地部署
  • Python原生
  • 自动索引

文档处理​

1. Unstructured​

项目地址: https://github.com/Unstructured-IO/unstructured

通用文档解析库，毕昇在此基础上针对中文进行了优化。

支持格式:

  • PDF, DOCX, PPTX, HTML
  • 邮件格式
  • 图片中的文本
  • 表格数据

2. PyMuPDF​

项目地址: https://github.com/pymupdf/PyMuPDF

高性能PDF处理库。

特性:

  • 快速PDF解析
  • 文本和图像提取
  • 注释处理
  • 格式转换

3. PaddleOCR​

项目地址: https://github.com/PaddlePaddle/PaddleOCR

百度开源的OCR工具包，支持80+语言识别。

特性:

  • 超轻量级模型
  • 多语言支持
  • 高精度识别
  • 产业级应用

工具和插件​

开发工具​

1. BISHENG CLI​

项目地址: https://github.com/dataelement/bisheng-cli

毕昇平台的命令行工具，用于项目管理和部署。

功能:

# 创建新项目
bisheng create my-project

# 启动开发服务器
bisheng dev

# 构建生产版本
bisheng build

# 部署到云端
bisheng deploy

# 管理组件
bisheng component list
bisheng component create my-component

2. BISHENG VSCode Extension​

项目地址: https://github.com/dataelement/bisheng-vscode

VSCode扩展，提供语法高亮、智能提示和调试功能。

特性:

  • 工作流文件语法高亮
  • 组件代码片段
  • 调试器集成
  • 项目模板

监控和运维​

1. BISHENG Monitor​

项目地址: https://github.com/dataelement/bisheng-monitor

专门为毕昇平台设计的监控系统。

监控指标:

  • 工作流执行状态
  • 模型推理性能
  • 系统资源使用
  • 用户行为分析

2. BISHENG Operator​

项目地址: https://github.com/dataelement/bisheng-operator

Kubernetes Operator，用于在K8s环境中管理毕昇集群。

功能:

  • 自动部署和扩缩容
  • 配置管理
  • 故障恢复
  • 滚动更新

社区项目​

示例和模板​

1. BISHENG Examples​

项目地址: https://github.com/dataelement/bisheng-examples

官方示例项目集合，展示各种应用场景的实现。

包含示例:

  • 智能客服系统
  • 文档问答助手
  • 代码生成工具
  • 数据分析助手
  • 内容创作工具

2. BISHENG Templates​

项目地址: https://github.com/dataelement/bisheng-templates

工作流模板库，提供可重用的业务模板。

模板分类:

  • 客户服务类
  • 内容创作类
  • 数据分析类
  • 办公自动化类
  • 教育培训类

第三方插件​

1. BISHENG Integrations​

项目地址: https://github.com/bisheng-community/integrations

社区维护的第三方服务集成插件。

集成服务:

  • 钉钉、企业微信
  • Slack、Microsoft Teams
  • Jira、Confluence
  • Salesforce、HubSpot
  • 各类数据库连接器

2. BISHENG Custom Components​

项目地址: https://github.com/bisheng-community/custom-components

社区贡献的自定义组件库。

组件类型:

  • 数据处理组件
  • 机器学习组件
  • 可视化组件
  • 通知组件
  • 文件操作组件

学习资源​

教程项目​

1. BISHENG Tutorial​

项目地址: https://github.com/dataelement/bisheng-tutorial

官方教程项目，从基础到高级的完整学习路径。

教程内容:

  • 快速入门指南
  • 工作流设计教程
  • 组件开发指南
  • 部署和运维教程
  • 最佳实践案例

2. BISHENG Workshop​

项目地址: https://github.com/dataelement/bisheng-workshop

技术研讨会材料，包含实践练习和案例研究。

研讨会主题:

  • 企业级AI应用架构
  • 大规模知识库构建
  • 多模态应用开发
  • 性能优化实践

文档和资源​

1. Awesome BISHENG​

项目地址: https://github.com/bisheng-community/awesome-bisheng

精选的毕昇相关资源列表。

资源分类:

  • 官方文档和教程
  • 第三方工具和插件
  • 博客文章和视频
  • 社区项目和案例
  • 学习资源和书籍

2. BISHENG Cookbook​

项目地址: https://github.com/dataelement/bisheng-cookbook

实用的代码示例和解决方案集合。

内容包括:

  • 常见问题解决方案
  • 性能优化技巧
  • 集成指南
  • 故障排查方法

贡献指南​

如何贡献​

1. 代码贡献​

# 1. Fork官方仓库
# 2. 克隆到本地
git clone https://github.com/your-username/bisheng.git
cd bisheng

# 3. 创建开发分支
git checkout -b feature/your-feature-name

# 4. 安装开发依赖
pip install -r requirements-dev.txt
npm install

# 5. 进行开发并测试
pytest tests/
npm test

# 6. 提交更改
git add .
git commit -m "Add your feature description"
git push origin feature/your-feature-name

# 7. 创建Pull Request

2. 文档贡献​

文档改进同样重要：

  • 修正错误和不准确的信息
  • 添加缺失的文档
  • 改进现有文档的清晰度
  • 翻译文档到其他语言

3. 社区贡献​

  • 回答GitHub Issues中的问题
  • 参与技术讨论
  • 分享使用经验和最佳实践
  • 组织和参与社区活动

开发规范​

代码风格​

  • Python代码遵循PEP 8标准
  • TypeScript代码使用ESLint和Prettier
  • 使用有意义的变量和函数名
  • 添加适当的注释和文档字符串

测试要求​

  • 新功能必须包含单元测试
  • 确保所有测试都能通过
  • 测试覆盖率应该保持在80%以上
  • 添加集成测试验证端到端功能

提交规范​

使用约定式提交格式：

type(scope): description

[optional body]

[optional footer]

类型包括：

  • feat: 新功能
  • fix: 错误修复
  • docs: 文档更新
  • style: 代码格式调整
  • refactor: 重构
  • test: 测试相关
  • chore: 其他杂项

许可证信息​

开源许可证​

大多数毕昇相关项目使用以下开源许可证：

  • Apache License 2.0: 主要项目许可证
  • MIT License: 部分工具和插件
  • BSD License: 某些第三方集成

商业许可​

对于企业用户，还提供商业许可选项：

  • 技术支持服务
  • 定制开发服务
  • 企业级功能扩展
  • SLA保障

贡献者许可协议​

在贡献代码之前，需要签署贡献者许可协议（CLA），确保：

  • 代码知识产权清晰
  • 项目可以持续维护
  • 避免法律纠纷

联系方式​

官方渠道​

社区渠道​

通过参与开源项目，您不仅能学习到最新的AI技术，还能为推动整个AI生态的发展做出贡献。欢迎加入毕昇开源社区！

相关文档