手把手搭建开源 AI 中台：多模型聚合 + 画布 DAG 调度 + 数字人口播 pipeline（附完整源码）

AI 智能体爆火！三千AI智能体系统源码：10 分钟搭建自媒体 AI 中台（架构拆解 + 源码解析）

—— 基于 Nuxt 4 + NestJS + Postgres + BullMQ，聚合 15+ 主流大模型，Docker 一键部署

一、AI 中台正在成为自媒体的"水电煤"

2026 年，大模型应用已经进入"智能体工作流（Agentic Workflow）"深水区。业界调研显示,采用 Agentic Workflow 的企业，自动化任务准确率比单纯 Prompt 方案平均高 65% 以上。

对自媒体 / MCN / 代运营团队而言，痛点很明确：

• 工具碎片化：ChatGPT / Claude / 豆包 / 可灵 / 剪映 / 数字人平台 各自为战
• 部署复杂：Dify / FastGPT 对媒体节点支持弱，自建中台成本高
• 数据风险：敏感内容、IP 人设、客户资产通过第三方流转，品牌护城河无从谈起

三千AI智能体系统 就是针对这些痛点做的开源方案，集成 GPT / Claude / Gemini / Kimi / 深度求索 / 智谱 / Grok / 豆包 / 通义 / 文心 等 15+ 主流模型，支持：

✅ Docker 10 分钟极速部署：docker compose up -d 一把梭 ✅ 多模型统一网关：7+ 家 LLM 统一 OpenAI-format 接口 ✅ License 绑域名防破解：私有化部署 + RSA 签名校验

本文拆解三个核心模块的设计：多模型聚合网关、画布 DAG 工作流引擎、License 绑域名。代码片段可直接抠去复用。

源码 + 演示站 挂在文末"仓库 + 免费资料"一节,读完一站式拿。

二、整体架构

用户 → Nginx (SSL) → Docker Compose
  ├── NestJS API     :4090   (PM2 cluster)
  ├── Nuxt 4 SSR/SPA :3000   (PM2 cluster)
  ├── PostgreSQL 17.6 + pgvector + zhparser
  └── Redis 8.2.2 + BullMQ

选型 TL;DR：

层	选型	为什么
前端	Nuxt 4 + Vue 3 + TS	SSR 友好 · Server Routes 省一个 BFF
后端	NestJS + TS	模块化 + DI · 10+ provider 好管理
数据库	PostgreSQL 17.6 + pgvector + zhparser	关系 + 向量 + 中文检索一把梭
队列	Redis + BullMQ	长任务必须
部署	Docker Compose	4C8G 一键起

服务器最低 4 核 · 8 GB RAM · 40 GB 磁盘，Linux / macOS 都行。

---

三、核心模块 1：多模型聚合网关

3.1 Provider 抽象

每家 LLM 的 SDK 参数都不一样，前端切模型不能让用户感知差异，网关层做统一：

// src/providers/llm-provider.interface.ts
export interface LLMProvider {
  readonly id: string
  readonly supportedModelTypes: ModelType[]
  chat(params: ChatParams): AsyncIterable<ChatChunk>
  image(params: ImageParams): Promise<ImageResult>
  video(params: VideoParams): Promise<VideoJob>
}

3.2 Provider 实现（DeepSeek 为例）

@Injectable()
export class DeepseekProvider implements LLMProvider {
  readonly id = 'deepseek'
  readonly supportedModelTypes: ModelType[] = ['llm']

  async *chat(params: ChatParams): AsyncIterable<ChatChunk> {
    const res = await fetch('https://api.deepseek.com/v1/chat/completions', {
      method: 'POST',
      headers: {
        'Authorization': `Bearer ${this.apiKey}`,
        'Content-Type': 'application/json',
      },
      body: JSON.stringify({
        model: params.model,
        messages: params.messages,
        stream: true,
      }),
    })
    yield* parseSSE(res.body!)
  }
}

兼容 OpenAI 协议的家（Kimi / 智谱 / 通义百炼 / 文心）模板一致，只改 endpoint + key。

3.3 算力计费表

每家模型的算力消耗由运营方后台自定义：

CREATE TABLE ai_model_rates (
  provider_id TEXT NOT NULL,
  model TEXT NOT NULL,
  rate NUMERIC NOT NULL,
  rate_unit TEXT NOT NULL,     -- 'call' | 'token' | 'second'
  enabled BOOLEAN DEFAULT TRUE
);

预扣 + 实扣 diff 结算：

1. 校验余额 → 不足拒
2. 按 rate 预扣
3. 流式累计真实 token
4. 结束 diff 多退少补
5. 失败回滚

用户永远不会"跑完才发现钱不够"。

---

四、核心模块 2：画布 DAG 工作流引擎

4.1 20 个内置节点

覆盖图像 / 视频 / 数字人 / 音频全链路：

类别	节点
图像（9）	图像生成 · 局部重绘 · 画面扩展 · 超分 · 白底图 · 自动蒙版 · 局部替换 · 写实化 · 融合
视频（6）	文生视频 · 视频剪辑 · 视频合成 · 分镜串联 · 首尾帧 · 去水印
数字人（2）	口型同步 · 虚拟数字人生成
其他（3）	音频处理 · 文本处理 · 数据回流

4.2 节点结构

interface CanvasNode {
  id: string
  type: NodeType
  inputs: Record<string, ValueOrRef>  // 字面量或引用上游输出
  outputs: Record<string, any>
  provider?: string
  retries?: number
}

interface Canvas {
  nodes: CanvasNode[]
  edges: { from: NodeId, to: NodeId, fromOutput: string, toInput: string }[]
}

4.3 拓扑调度

async function runCanvas(canvas: Canvas, ctx: Context) {
  const topo = topologicalSort(canvas)       // Kahn 算法
  const groups = groupParallelizable(topo)   // 按依赖深度分组
  for (const group of groups) {
    await Promise.all(
      group.map(n =>
        queue.add('node-run', { nodeId: n.id, ctx }, {
          attempts: n.retries ?? 2,
        })
      )
    )
  }
}

同层级节点扔 BullMQ 并发，worker concurrency: 4 消费。视频合成走单独 video-queue(concurrency=1) 防抖动。

4.4 ZIP / CROSS 两种批量模式

• ZIP：多参考图拉链式配对，一次产 N 个变体
• CROSS：A × B 笛卡尔积，10 提示 × 5 图 = 50 次生成

实现上是调度器外套 fan-out，把虚拟节点展开成 N 个真实节点丢队列。

4.5 一条脚本 → 成片的典型链路

文本 → 分段 → 文生图(每段) → TTS
                             ↓
分段图 → 口型同步 ← 配音音频
          ↓
   分镜串联 → 视频合成 → MP4

---

五、核心模块 3：License 绑域名防破解

@Injectable()
export class LicenseService implements OnModuleInit {
  async onModuleInit() {
    const { domain, expire, signature } = JSON.parse(
      await readFile(process.env.LICENSE_FILE!, 'utf-8')
    )
    const payload = `${domain}:${expire}`
    const ok = crypto
      .createVerify('RSA-SHA256')
      .update(payload)
      .verify(PUBLIC_KEY, Buffer.from(signature, 'base64'))
    if (!ok || new Date(expire) < new Date())
      throw new Error('License invalid or expired')
    if (domain !== process.env.SERVING_DOMAIN)
      throw new Error('Domain mismatch')
  }
}

只绑域名不绑 IP，VPS 迁移友好，换域名走公钥重签。

---

六、口播 IP 工作台 · 内容飞轮 SOP

画布解决"单次生成"，IP 工作台解决"长期运营"：

• 灵感爆发：14+ 社媒平台爆款抓取 → 选题推荐
• 文案工坊：12+ 风格标签 + 脚本质量评分
• 数据回流：发布后数据追踪 + 评论区提炼下一期选题
• 定位引擎：IP 人设建档 + "立权威 / 建信任 / 做转化" 三轮配比
• 知识图谱：观点 / 案例 / 金句沉淀

数据回流 → 选题 这条闭环是最有商业价值的 —— 上月有条"自律的 3 个层次"评论区刷屏问"那躺平算第几层"，AI 第二天推"躺平是自律失败还是大智慧"给我当下一期，完播率 46%。

七、踩坑 6 条（必看）

1. pgvector 维度：1536→1024 必须 DROP INDEX + REINDEX
2. BullMQ 内存：长任务 payload 存 OSS，队列只传引用，内存降 10 倍
3. Nuxt 4 SSR hydration：画布编辑器必须 <ClientOnly> 包
4. 多模型流式：各家 SSE 协议不一，网关层统一转 openai-format
5. 中文分词：pg 默认 simple 对中文没用，zhparser + GIN 是刚需
6. License 时钟：新 VPS 启动前必 chronyd 同步时间

---

八、压测数据

ECS 4C8G + RDS 2C4G + Redis 2G 环境：

场景	QPS	P50	P95
对话流式（通义-turbo）	80	240ms 首 token	520ms
对话流式（DeepSeek）	65	310ms 首 token	680ms
画布简单链路（3 节点）	12 并发	4.2s	7.1s
画布口播链路（6 节点）	3 并发	580s	720s
向量检索（topK=10）	420	38ms	95ms
中文全文检索	380	42ms	120ms

---

九、对比同类开源方案

方案	适用	缺
Dify	通用 LLM App Builder	媒体节点弱，无视频/数字人 pipeline
FastGPT	知识库 QA	工作流轻，媒体节点少
Coze / 扣子	托管 Agent	无私有化选项，数据不归己
n8n	通用自动化	AI 节点生态薄
三千AI智能体	AI 中台 + 私有化 + 自媒体专用	画布 + 多模型 + 媒体 pipeline 一体,License 绑域名

对内容团队 + 需要私有化 + 数字人 pipeline 的场景，通用平台覆盖不全，自己搭或基于现成骨架二开更合适。

---

十、三档授权方案（商业化建议）

如果你直接要上线商用，源码提供三档：

档位	原价	说明
授权	¥2980（现 ¥2280）	仅授权，不含源码，用自己服务器部署发行包
包搭建	¥3980	授权 + 代为远程搭建上线
开源源码	¥13800	全部源码开放，可二次开发、换品牌、做 SAAS 分站

共同权益：绑域名不绑服务器 · 并发不限 · 后续版本更新免费 · 1 小时远程部署 · 7×24 技术响应

---

十一、FAQ

Q：模型 API 费用怎么算？ API Key 填你自己的，费用自担。好处是每个模型的算力消耗由你后台自定义，按成本和毛利定价，利润空间完全可控。

Q：支持国产大模型吗？ 深度求索 / 智谱 GLM / Kimi / 豆包 / 通义 / 文心 全支持，后台加 API Key 即可。

Q：换品牌？ DIY 装修中心改 LOGO / 主题色 / 域名 / 导航，源码级定制走开源档位。

Q：数据安全？ 全部数据在你自己的服务器和数据库上，License 只校验域名，不上传任何业务数据。

Q：4C8G 服务器能跑多少用户？ 对话流式 60-80 QPS，日活 1000-2000 个自媒体创作者稳定不拥塞。

---

十二、仓库 + 免费资料

源码仓库：

• GitHub: github.com/2961799660/…
• Gitee: gitee.com/a2961799660…

演示站：ai1.zijie.lol/login（账号 demo / 密码 Demo123456）

免费资料包（评论区留言或 GitHub Issue 领）：

• 📦 自媒体 AI 工作流画布模板（10 条口播视频链路 JSON）
• 📝 12 种风格口播脚本 Prompt 模板包
• 📊 每日跨平台爆款选题抓取脚本（Python）
• 📚 部署踩坑指南 + AIGC 合规白皮书

---

写这篇的目的是把几个通用模块（多模型网关 / 画布 DAG / License 绑域名）的设计思路分享出来，任何做 AI 应用层的同行都能抠着用。

觉得有用的，三连一下（点赞 / 收藏 / 关注），下次找起来方便。下一篇写《多模型聚合网关的错误码归一化 + 自动降级方案》，技术同行欢迎关注。

评论区聊聊：你现在项目里多模型路由是怎么做的？跨 provider 错误码归一化有没有更优雅的方案？

AI 智能体爆火！三千AI智能体系统源码：10 分钟搭建自媒体 AI 中台（架构拆解 + 源码解析）

—— 基于 Nuxt 4 + NestJS + Postgres + BullMQ，聚合 15+ 主流大模型，Docker 一键部署

一、AI 中台正在成为自媒体的"水电煤"

2026 年，大模型应用已经进入"智能体工作流（Agentic Workflow）"深水区。业界调研显示,采用 Agentic Workflow 的企业，自动化任务准确率比单纯 Prompt 方案平均高 65% 以上。

对自媒体 / MCN / 代运营团队而言，痛点很明确：

• 工具碎片化：ChatGPT / Claude / 豆包 / 可灵 / 剪映 / 数字人平台 各自为战
• 部署复杂：Dify / FastGPT 对媒体节点支持弱，自建中台成本高
• 数据风险：敏感内容、IP 人设、客户资产通过第三方流转，品牌护城河无从谈起

三千AI智能体系统 就是针对这些痛点做的开源方案，集成 GPT / Claude / Gemini / Kimi / 深度求索 / 智谱 / Grok / 豆包 / 通义 / 文心 等 15+ 主流模型，支持：

✅ Docker 10 分钟极速部署：docker compose up -d 一把梭 ✅ 多模型统一网关：7+ 家 LLM 统一 OpenAI-format 接口 ✅ License 绑域名防破解：私有化部署 + RSA 签名校验

本文拆解三个核心模块的设计：多模型聚合网关、画布 DAG 工作流引擎、License 绑域名。代码片段可直接抠去复用。

源码 + 演示站 挂在文末"仓库 + 免费资料"一节,读完一站式拿。

---

二、整体架构

用户 → Nginx (SSL) → Docker Compose
  ├── NestJS API     :4090   (PM2 cluster)
  ├── Nuxt 4 SSR/SPA :3000   (PM2 cluster)
  ├── PostgreSQL 17.6 + pgvector + zhparser
  └── Redis 8.2.2 + BullMQ

选型 TL;DR：

层	选型	为什么
前端	Nuxt 4 + Vue 3 + TS	SSR 友好 · Server Routes 省一个 BFF
后端	NestJS + TS	模块化 + DI · 10+ provider 好管理
数据库	PostgreSQL 17.6 + pgvector + zhparser	关系 + 向量 + 中文检索一把梭
队列	Redis + BullMQ	长任务必须
部署	Docker Compose	4C8G 一键起

服务器最低 4 核 · 8 GB RAM · 40 GB 磁盘，Linux / macOS 都行。

---

三、核心模块 1：多模型聚合网关

3.1 Provider 抽象

每家 LLM 的 SDK 参数都不一样，前端切模型不能让用户感知差异，网关层做统一：

// src/providers/llm-provider.interface.ts
export interface LLMProvider {
  readonly id: string
  readonly supportedModelTypes: ModelType[]
  chat(params: ChatParams): AsyncIterable<ChatChunk>
  image(params: ImageParams): Promise<ImageResult>
  video(params: VideoParams): Promise<VideoJob>
}

3.2 Provider 实现（DeepSeek 为例）

@Injectable()
export class DeepseekProvider implements LLMProvider {
  readonly id = 'deepseek'
  readonly supportedModelTypes: ModelType[] = ['llm']

  async *chat(params: ChatParams): AsyncIterable<ChatChunk> {
    const res = await fetch('https://api.deepseek.com/v1/chat/completions', {
      method: 'POST',
      headers: {
        'Authorization': `Bearer ${this.apiKey}`,
        'Content-Type': 'application/json',
      },
      body: JSON.stringify({
        model: params.model,
        messages: params.messages,
        stream: true,
      }),
    })
    yield* parseSSE(res.body!)
  }
}

兼容 OpenAI 协议的家（Kimi / 智谱 / 通义百炼 / 文心）模板一致，只改 endpoint + key。

3.3 算力计费表

每家模型的算力消耗由运营方后台自定义：

CREATE TABLE ai_model_rates (
  provider_id TEXT NOT NULL,
  model TEXT NOT NULL,
  rate NUMERIC NOT NULL,
  rate_unit TEXT NOT NULL,     -- 'call' | 'token' | 'second'
  enabled BOOLEAN DEFAULT TRUE
);

预扣 + 实扣 diff 结算：

1. 校验余额 → 不足拒
2. 按 rate 预扣
3. 流式累计真实 token
4. 结束 diff 多退少补
5. 失败回滚

用户永远不会"跑完才发现钱不够"。

---

四、核心模块 2：画布 DAG 工作流引擎

4.1 20 个内置节点

覆盖图像 / 视频 / 数字人 / 音频全链路：

类别	节点
图像（9）	图像生成 · 局部重绘 · 画面扩展 · 超分 · 白底图 · 自动蒙版 · 局部替换 · 写实化 · 融合
视频（6）	文生视频 · 视频剪辑 · 视频合成 · 分镜串联 · 首尾帧 · 去水印
数字人（2）	口型同步 · 虚拟数字人生成
其他（3）	音频处理 · 文本处理 · 数据回流

4.2 节点结构

interface CanvasNode {
  id: string
  type: NodeType
  inputs: Record<string, ValueOrRef>  // 字面量或引用上游输出
  outputs: Record<string, any>
  provider?: string
  retries?: number
}

interface Canvas {
  nodes: CanvasNode[]
  edges: { from: NodeId, to: NodeId, fromOutput: string, toInput: string }[]
}

4.3 拓扑调度

async function runCanvas(canvas: Canvas, ctx: Context) {
  const topo = topologicalSort(canvas)       // Kahn 算法
  const groups = groupParallelizable(topo)   // 按依赖深度分组
  for (const group of groups) {
    await Promise.all(
      group.map(n =>
        queue.add('node-run', { nodeId: n.id, ctx }, {
          attempts: n.retries ?? 2,
        })
      )
    )
  }
}

同层级节点扔 BullMQ 并发，worker concurrency: 4 消费。视频合成走单独 video-queue(concurrency=1) 防抖动。

4.4 ZIP / CROSS 两种批量模式

• ZIP：多参考图拉链式配对，一次产 N 个变体
• CROSS：A × B 笛卡尔积，10 提示 × 5 图 = 50 次生成

实现上是调度器外套 fan-out，把虚拟节点展开成 N 个真实节点丢队列。

4.5 一条脚本 → 成片的典型链路

文本 → 分段 → 文生图(每段) → TTS
                             ↓
分段图 → 口型同步 ← 配音音频
          ↓
   分镜串联 → 视频合成 → MP4

画布上 6 个节点接好，60 秒成片端到端 8-12 分钟。

---

五、核心模块 3：License 绑域名防破解

@Injectable()
export class LicenseService implements OnModuleInit {
  async onModuleInit() {
    const { domain, expire, signature } = JSON.parse(
      await readFile(process.env.LICENSE_FILE!, 'utf-8')
    )
    const payload = `${domain}:${expire}`
    const ok = crypto
      .createVerify('RSA-SHA256')
      .update(payload)
      .verify(PUBLIC_KEY, Buffer.from(signature, 'base64'))
    if (!ok || new Date(expire) < new Date())
      throw new Error('License invalid or expired')
    if (domain !== process.env.SERVING_DOMAIN)
      throw new Error('Domain mismatch')
  }
}

只绑域名不绑 IP，VPS 迁移友好，换域名走公钥重签。

---

六、口播 IP 工作台 · 内容飞轮 SOP

画布解决"单次生成"，IP 工作台解决"长期运营"：

• 灵感爆发：14+ 社媒平台爆款抓取 → 选题推荐
• 文案工坊：12+ 风格标签 + 脚本质量评分
• 数据回流：发布后数据追踪 + 评论区提炼下一期选题
• 定位引擎：IP 人设建档 + "立权威 / 建信任 / 做转化" 三轮配比
• 知识图谱：观点 / 案例 / 金句沉淀

数据回流 → 选题 这条闭环是最有商业价值的 —— 上月有条"自律的 3 个层次"评论区刷屏问"那躺平算第几层"，AI 第二天推"躺平是自律失败还是大智慧"给我当下一期，完播率 46%。

---

七、踩坑 6 条（必看）

1. pgvector 维度：1536→1024 必须 DROP INDEX + REINDEX
2. BullMQ 内存：长任务 payload 存 OSS，队列只传引用，内存降 10 倍
3. Nuxt 4 SSR hydration：画布编辑器必须 <ClientOnly> 包
4. 多模型流式：各家 SSE 协议不一，网关层统一转 openai-format
5. 中文分词：pg 默认 simple 对中文没用，zhparser + GIN 是刚需
6. License 时钟：新 VPS 启动前必 chronyd 同步时间

---

八、压测数据

ECS 4C8G + RDS 2C4G + Redis 2G 环境：

场景	QPS	P50	P95
对话流式（通义-turbo）	80	240ms 首 token	520ms
对话流式（DeepSeek）	65	310ms 首 token	680ms
画布简单链路（3 节点）	12 并发	4.2s	7.1s
画布口播链路（6 节点）	3 并发	580s	720s
向量检索（topK=10）	420	38ms	95ms
中文全文检索	380	42ms	120ms

---

九、对比同类开源方案

方案	适用	缺
Dify	通用 LLM App Builder	媒体节点弱，无视频/数字人 pipeline
FastGPT	知识库 QA	工作流轻，媒体节点少
Coze / 扣子	托管 Agent	无私有化选项，数据不归己
n8n	通用自动化	AI 节点生态薄
三千AI智能体	AI 中台 + 私有化 + 自媒体专用	画布 + 多模型 + 媒体 pipeline 一体,License 绑域名

对内容团队 + 需要私有化 + 数字人 pipeline 的场景，通用平台覆盖不全，自己搭或基于现成骨架二开更合适。

---

十、三档授权方案（商业化建议）

如果你直接要上线商用，源码提供三档：

档位	原价	说明
授权	¥2980（现 ¥2280）	仅授权，不含源码，用自己服务器部署发行包
包搭建	¥3980	授权 + 代为远程搭建上线
开源源码	¥13800	全部源码开放，可二次开发、换品牌、做 SAAS 分站

共同权益：绑域名不绑服务器 · 并发不限 · 后续版本更新免费 · 1 小时远程部署 · 7×24 技术响应

---

十一、FAQ

Q：模型 API 费用怎么算？ API Key 填你自己的，费用自担。好处是每个模型的算力消耗由你后台自定义，按成本和毛利定价，利润空间完全可控。

Q：支持国产大模型吗？ 深度求索 / 智谱 GLM / Kimi / 豆包 / 通义 / 文心 全支持，后台加 API Key 即可。

Q：换品牌？ DIY 装修中心改 LOGO / 主题色 / 域名 / 导航，源码级定制走开源档位。

Q：数据安全？ 全部数据在你自己的服务器和数据库上，License 只校验域名，不上传任何业务数据。

Q：4C8G 服务器能跑多少用户？ 对话流式 60-80 QPS，日活 1000-2000 个自媒体创作者稳定不拥塞。

---

十二、仓库 + 免费资料

源码仓库：

• GitHub: github.com/2961799660/…
• Gitee: gitee.com/a2961799660…

演示站：ai1.zijie.lol/login（账号 demo / 密码 Demo123456）

免费资料包（评论区留言或 GitHub Issue 领）：

• 📦 自媒体 AI 工作流画布模板（10 条口播视频链路 JSON）
• 📝 12 种风格口播脚本 Prompt 模板包
• 📊 每日跨平台爆款选题抓取脚本（Python）
• 📚 部署踩坑指南 + AIGC 合规白皮书

---

写这篇的目的是把几个通用模块（多模型网关 / 画布 DAG / License 绑域名）的设计思路分享出来，任何做 AI 应用层的同行都能抠着用。

觉得有用的，三连一下（点赞 / 收藏 / 关注），下次找起来方便。下一篇写《多模型聚合网关的错误码归一化 + 自动降级方案》，技术同行欢迎关注。

评论区聊聊：你现在项目里多模型路由是怎么做的？跨 provider 错误码归一化有没有更优雅的方案？