一句话主张
做企业级 AI 应用,先有一个安全、高性能、可扩展的微服务底座——QuickBlue 向导式安装,10 分钟从零跑起来。
为什么底座是 AI 的前置条件
企业做 AI,常见的误区是先追模型、追算法,却忽略了承载 AI 的那层基础设施。真正落地时会发现:
- 安全不过关:服务间调用无鉴权、数据链路无加密,AI 能力一接入就暴露风险
- 性能扛不住:推理请求一并发,服务响应就雪崩,业务体验直接崩盘
- 扩展跟不上:业务量涨了、模型换了、服务要加,架构却改不动
所以,AI 之前,底座必须先立住。安全、性能、扩展性,是企业级 AI 应用的三条底线,也是 QuickBlue 作为“AI 落地应用底座”要解决的第一件事。
向导式安装:把“立底座”变成 10 分钟的事
传统微服务底座搭建,往往意味着:环境准备、依赖安装、配置编排、服务注册、网关接入、权限初始化……一套流程走下来,动辄数天。
QuickBlue 的向导式安装,把这套流程收敛为一条引导路径:
第一步:环境检测 —— 自动识别运行环境与依赖,给出就绪状态
第二步:配置引导 —— 按向导填写关键参数,无需手写复杂编排文件
第三步:一键部署 —— 底座服务自动拉起、注册、连通
第四步:验证就绪 —— 自动完成健康检查,确认底座可承载 AI 服务
10 分钟,从零到一套可运行的 AI 微服务底座。
底座立住之后,AI 才跑得稳
向导式安装交付的不只是一个“能跑”的环境,而是一套开箱即具备企业级底线的底座:
- 安全:服务鉴权、链路加密、权限初始化在安装阶段即完成
- 性能:微服务架构与运行时参数按企业级场景预置
- 扩展:服务注册与发现机制就绪,后续加服务、加模型、加节点无需重构
底座稳,AI 才能快。先花 10 分钟把底座跑起来,再把精力留给真正创造价值的 AI 业务。
开源框架那么多,为什么真正"跑起来"的没几个?
技术选型会上,几乎每个团队都经历过这样的场景:架构师 PPT 讲得漂亮,仓库 README 徽章一片绿,会后有人兴冲冲 clone 下来,结果半天过去,还卡在"Nacos 配置第 7 项该填什么"。
这不是人的问题,是交付方式的问题。
一、开源框架的真实门槛,藏在 README 之外
大多数后端开源框架给的是"零件",不是"整机"。你要自己完成一条链路:建库 → 建账号 → 授权 → 按编号导入五六个 SQL 脚本 → 往配置中心手工粘贴十几条 YAML → 逐个改各模块的 yml → 启动 → 看日志猜哪里错了。
任何一步顺序错了,都是一个下午。
| 你需要做的事 | 常见翻车点 |
|---|---|
| 建库、建账号、最小权限授权 | 漏授权导致启动后报 Access denied |
| 按序导入建表脚本 | 顺序错了外键报错,回滚重来 |
| 手工往 Nacos 粘贴十几个配置 | 少一个 Data ID,服务起不来但报错信息毫不相关 |
| 换环境要挨个改 yml | 5 个服务 5 份配置,改漏一个排查半天 |
| 出错后排查 | 只能翻日志,靠猜 |
企业选型最怕的就一句话:"PPT 很好,跑不起来。"
二、QuickBlue 的做法:把安装本身做成一个产品
QuickBlue 是一款面向生产环境的原生 AI 微服务快速开发平台(JDK 21 + Spring Cloud 2025 + Vue 3.5 / Vite 8)。它在这一点上与多数开源框架不同——内置了浏览器安装向导,把上面那条链路固化成了 10 步表单。
你只需要启动两个进程:
# 1. 网关(向导的全部后端接口都在网关里)
cd QuickBlue-MicroAI
mvn clean package -DskipTests
java -jar QuickBlue-gateway/target/QuickBlue-gateway-4.0.0.jar # 8080
# 2. 前端
cd ../QuickBule-MicroAI-web
npm install && npm run dev # 5173
然后打开 http://localhost:5173,系统会自动检测安装状态并直接进入向导(也可访问 http://localhost:5173/#/install)。
向导共 10 步:环境检查 → 数据库 → Redis → 服务端口 → Nacos → 文件存储 → 管理员 → 开始安装 → 完成。每一步都有"测试连接"按钮,填错当场发现,不用等到启动失败再回头猜。
三、点下"开始安装"后,它到底替你做了什么
这不是一个好看的进度条动画,后端 QuickBlue-gateway 里有实打实的执行逻辑——InstallController(/install/**)与 InstallServiceImpl:
| 向导动作 | 对应实现 |
|---|---|
| 环境自检 | /install/check-environment:检查 Java 版本、数据库、Redis、磁盘空间、网络 |
| 连通性测试 | /install/test-db-connection、/test-redis-connection、/test-nacos-connection、/test-cloud-storage |
| 端口冲突检测 | /install/check-port(默认 8080~8084、9090) |
| 执行安装 | /install/start,按任务序列自动执行 |
| 实时进度 | /install/progress,前端轮询展示进度条与可展开日志 |
| 配置留档 | /install/download-config,生成可下载的配置文件 |
InstallServiceImpl.executeInstall() 内部按任务链依次完成:建 4 个库 + 4 个最小权限专用账号 → 按 01~05 顺序导入建表脚本 → 初始化数据 → 生成并导入 Nacos 共享配置与各服务配置 → 创建超级管理员。
也就是说,手工时代最容易出错的那几步(脚本顺序、Nacos Data ID、账号授权),全部由代码保证。
安装完成后,三个入口立刻可验:
- 管理后台:
http://localhost:8080/admin - API 文档中心:
http://localhost:8080/doc.html(Knife4j 聚合了 system / business / support / ai 全部接口)
- 监控中心:
http://localhost:9090(Spring Boot Admin)
四、为什么这件事值得单独拿出来说
因为**"能不能跑起来"是企业选型的第一个筛子**,排在功能之前。
一个框架如果第一天就要消耗团队半天到两天去拼装环境,那它在内部推广时就天然处于劣势:想用它的人还没看到业务价值,就先在环境上耗尽了耐心。而当安装被向导化之后,事情就变了——新人入职十分钟自己装好一套,架构师不用再当人肉运维,选型会上也可以直接现场演示,而不是放录屏。
更重要的是,QuickBlue 并没有因为"向导化"而牺牲可控性。想要逐步掌控时,仍然可以走手动部署:执行 QuickBlue-MicroAI/database/mysql/ 下编号 01~05 的脚本、从 .env.example 复制出 .env、按《Nacos 配置手册》导入 nacos_config/ 下的配置。向导只是把这套标准流程自动化,而不是把它黑盒化。
五、先跑起来,再决定
如果你正在为企业 AI 应用选型,建议的顺序是:先在线体验完整功能,再本地十分钟装一套,最后才读架构文档。
- 在线体验:ide.budaos.com
- (账号>
admin,密码nq963369#),包含系统管理、RBAC 权限、监控大盘、AI 模型 / 知识库 / 应用编排 - 本地搭建:README 快速搭建章节,5 步搞定
**模型是发动机,底座是底盘。**发动机随时可以换,底盘必须自己有——而一个能十分钟装好的底盘,才谈得上被团队真正用起来。