← 开源
junkai-li

NetCoreKevin

🤖基于.NET搭建的企业级中台AI知识库智能体开源架构:AISkills技能管理、AI语音电话模式、智能体记忆、AI-Qdrant知识库、知识库重排模型、AI联网搜索、多智能体协同、聊天记录压缩策略、智能体权限管控、AgentFramework、RAG检索增强、本地Ollama AI模型调用、智能体技能可控加载、领域事件、一库多租户、Log4、Jwt、CAP、SignalR、Mcp、Hangfire、RabbitMQ、前端(Vue + Ant Design)

AI EngineeringGive agent knowledgeBuild agent workflow (SDK)C#
在 GitHub 打开
增长势头
+124 小时新增 Star+0.2%
530
Star
122
Fork
+4
本周
2
贡献者
创建于 2022-01-14 · 更新于 2026-10-15 · 今日第 6818 名
主要开发者
junkai-liadminruan

junkai-li/NetCoreKevin 排名第 6,818,有 530 个星标。

同类别比较

junkai-li/NetCoreKevin 排名第 6,818,此处有 8 个同类条目;oOo0oOo/lean-lsp-mcp 排名第 6,819。

同类别比较
名称排名指标
google/mcp-security6,803
语言:
Python
星标数:
535
分叉数:
149
specula-org/Specula6,806
语言:
Python
星标数:
535
分叉数:
60
简介:
Specula: An agentic tool for finding deep bugs in system code using TLA+
jihe520/social-push6,808
语言:
Shell
星标数:
534
分叉数:
79
简介:
🤖 AI social-media automation skill | Self-evolution workflows | AI 社交媒体自动化 skill | 自我进化工作流
42-evey/hermes-plugins6,814
语言:
Python
星标数:
531
分叉数:
59
oOo0oOo/lean-lsp-mcp6,819
语言:
Python
星标数:
530
分叉数:
85
简介:
Lean Theorem Prover MCP
typesense/typesense-instantsearch-adapter6,823
语言:
JavaScript
星标数:
528
分叉数:
82
简介:
A JS adapter library to build rich search interfaces with Typesense and InstantSearch.js
Ikalus1988/MisakaNet6,828
语言:
Python
星标数:
526
分叉数:
216
简介:
📚 A zero-dependency, git-backed micro-lesson library for AI Agents to asynchronously share and search verified debugging experience. | https://misakanet.org
ailev/FPF6,831
星标数:
525
分叉数:
93
简介:
FPF (First Principles Framework) Library: a library of methods and pattern languages for engineering, research, management and human development, used by people and AI agents. Includes FPF Core, domain frameworks (DPFs) and Suites.
关键参数与规格
关键参数与规格
参数值
语言C#
类别AI Engineering
子类别Give agent knowledge,Build agent workflow (SDK)
关键词Embeddings, LocalAI, MCP, Multi-model workflow
星标数530
分叉数122
贡献者2
创建日期2022-01-14
更新日期2026-10-15
1 天星标数1
7 天星标数4
排名6,818
上次排名17,439
排名变化10,621
7 天星标排名6,499
上次 7 天星标排名7,468
7 天星标排名变化969
总星标排名18,494
上次总星标排名18,510
总星标排名变化16
README 摘录

NET 9 构建的企业级 AI中台智能体 SaaS 前后端分离架构,集成了 AI 知识库智能体、多智能体协同、聊天记录压缩策略、Skill技能管理、本地离线AI模型调用、智能体技能可控加载、AI联网搜索、智能体权限管

控、一库多租户、分布式系统、微服务架构等核心能力。 NET 9** | 最新 LTS 版本,性能更优,支持更多新特性 | | **DDD 架构** | 领域驱动设计,模块化结构,便于维护扩展 | | **微服务架构** | 基于 Consul、CAP、Hangfire 实现服务解耦 | | **AI 集成** | AgentFramework 1

. 9、Skill 动态管理、Ollama 本地模型支持 | | **RAG 检索增强** | Qdrant 向量数据库实现知识库问答 | | **多租户支持** | 一库多租户架构,数据隔离,接口层强制租户过滤 | | **分布式缓存** | Redis 缓存层,支持多种缓存策略,内置请求级响应

缓存过滤器 | | **安全加固** | 时序安全密钥校验、密码哈希防重、权限安全默认策略 | | **日志系统** | log4net 日志框架,支持多级别日志,内置慢查询告警 | 🚀 快速开始 环境要求 . 启动前端(可选,管理后台)** 前端开发服务器已

将 反向代理到后端 ,无需额外配置跨域。 Ollama 对硬件要求不高,旨在让用户能够轻松地在本地运行、管理和与大型语言模型进行交互。 GPU:如果你计划运行大型模型或进行微调,推荐使用具有较高计算

能力的 GPU(如 NVIDIA 的 CUDA 支持)。 存储:需要足够的硬盘空间来存储预训练模型,通常需要 10GB 至数百 GB 的空间,具体取决于模型的大小。 安装后运行模型 可根据电脑配置自由选择模型 可以使用qwen3:4b来进行

测试 ollama run qwen3:4b 系统配置如下 自动任务配置(Hangfire) 默

常见问题

记录了多少星标和分叉?

junkai-li/NetCoreKevin 有 530 个星标和 122 个分叉。

仓库排名是多少?

junkai-li/NetCoreKevin 排名第 6,818。

记录的语言和类别是什么?

junkai-li/NetCoreKevin 有 530 个星标,语言为 C#,类别为 AI Engineering。

哪个仓库排名最接近?

junkai-li/NetCoreKevin 与 oOo0oOo/lean-lsp-mcp 比较,后者排名第 6,819,有 530 个星标。

README

NetCoreKevin

是基于 .NET 9 构建的企业级 AI中台智能体 SaaS 前后端分离架构,集成了 AI 知识库智能体、多智能体协同、聊天记录压缩策略、Skill技能管理、本地离线AI模型调用、智能体技能可控加载、AI联网搜索、智能体权限管控、一库多租户、分布式系统、微服务架构等核心能力。


📷 功能效果图

AI 智能体技能工具管理

动态管理 智能体配置 对话交互

多智能体协同和聊天记录压缩策略

多智能体动态配置管理 压缩策略配置 对话交互

Skill动态管理

界面管理 在线编辑 动态配置

AI 知识库系统

知识库管理 文档上传 智能问答

AI 智能体技能

技能列表 技能配置 技能执行

AI 智能体自动任务调度

任务列表 任务配置 执行记录

后台管理系统 (Vue3 + AntDesign)

用户管理 角色管理 权限管理 系统配置

✨ 技术亮点

技术点 说明
.NET 9 最新 LTS 版本,性能更优,支持更多新特性
DDD 架构 领域驱动设计,模块化结构,便于维护扩展
微服务架构 基于 Consul、CAP、Hangfire 实现服务解耦
AI 集成 AgentFramework 1.9、Skill 动态管理、Ollama 本地模型支持
RAG 检索增强 Qdrant 向量数据库实现知识库问答
多租户支持 一库多租户架构,数据隔离,接口层强制租户过滤
分布式缓存 Redis 缓存层,支持多种缓存策略,内置请求级响应缓存过滤器
安全加固 时序安全密钥校验、密码哈希防重、权限安全默认策略
日志系统 log4net 日志框架,支持多级别日志,内置慢查询告警

🚀 快速开始

环境要求

  • .NET SDK 9.0+
  • Node.js 16+(前端)
  • MySQL 8.0+
  • Redis 7.0+
  • Qdrant 1.7+(AI 功能)

配置步骤

1. 配置数据库连接

编辑 App/WebApi/appsettings.json:

{
  "ConnectionStrings": {
    "dbConnection": "server=127.0.0.1;port=3306;database=kevin_app;user id=root;password=admin123",
    "redisConnection": "127.0.0.1:6379,DefaultDatabase=0,password=123456"
  }
}

2. 初始化数据库

在 程序包管理控制台 执行:

# 选择 Kevin.EntityFrameworkCore 项目
Add-Migration "初始化数据库"
Update-Database

3. 启动后端

cd App/WebApi
dotnet run --environment Development

4. 启动前端(可选,管理后台)

cd vue/kevin.web.vue
npm install
npm run serve

前端开发服务器已将 /VarApi 反向代理到后端 http://localhost:9901,无需额外配置跨域。

5. 访问地址

服务 地址
API http://localhost:9901
Swagger http://localhost:9901/swagger
Hangfire http://localhost:9901/pchangfire
前端管理后台 http://localhost:8080

默认账户

用户名 密码 租户
admin 123456 1000

🧠 AI 智能体配置

AI智能体教程

  • 第一步
  • 请先完成上手教程在进行AI智能体教程
  • 第二步
  • 下载安装Qdrant--官网有教程 安装后配置json文件QdrantClientSetting 默认是localhost不需要动的
  • 第三步
  • 注册AI账户 教程以智谱AI为例 去[官网](https://open.bigmodel.cn)注册登录后获取APIKey
  • 第四步
  • 配置向量模型和对话模型默认如下
  • 第五步
  • 新建知识库选择向量模型(如果不选择请在json配置中配置)2048(默认):最高精度,适合对准确性要求极高的场景===》配置智能体==》新建对话就OK了

🧰基于Ollama部署本地模型

  • Ollama 支持多种操作系统,包括 macOS、Windows、Linux 以及通过 Docker 容器运行。
  • Ollama 对硬件要求不高,旨在让用户能够轻松地在本地运行、管理和与大型语言模型进行交互。
  • CPU:多核处理器(推荐 4 核或以上)。
  • GPU:如果你计划运行大型模型或进行微调,推荐使用具有较高计算能力的 GPU(如 NVIDIA 的 CUDA 支持)。
  • 内存:至少 8GB RAM,运行较大模型时推荐 16GB 或更高。
  • 存储:需要足够的硬盘空间来存储预训练模型,通常需要 10GB 至数百 GB 的空间,具体取决于模型的大小。
  • Ollama 官方下载地址:https://ollama.com/download
  • 1.安装后运行模型 可根据电脑配置自由选择模型 可以使用qwen3:4b来进行测试
  • ollama run qwen3:4b
  • 系统配置如下

自动任务配置(Hangfire)

默认基于redis方式注册Hangfire可在Kevin.Hangfire.ServiceCollectionExtensions自行添加或调整注入方式

1.继承IModuleConfigTasks类实现ConfigTasks会在项目启动时自动注册任务,并且自动任务可以基于接口类直接调用应用服务

    /// 

    /// AIKmssTasks配置任务设置
    /// 

    public class AIKmssModuleConfigTasks : IModuleConfigTasks
    {  
        /// 

        /// 配置任务
        /// 

        public Task ConfigTasks(IRecurringJobManager recurringJobManager)
        {
            recurringJobManager.AddOrUpdate(
                recurringJobId: "每6分钟检测是否有AI文档知识库需要处理",      // 唯一的 ID,用于后续修改或删除
                (s) => s.ProcessKmssVectorData(default),
                "0 0/6 0/1 * * ? ", new RecurringJobOptions
                {
                    TimeZone = TimeZoneInfo.Local,        // 指定时区(默认UTC) 
                }
            );
            return Task.FromResult(true);
        } 
    }

1. 安装 Qdrant

# 使用 Docker 启动 Qdrant
docker run -p 6333:6333 qdrant/qdrant

2. 配置 AI 模型

智谱 AI:

{
  "OllamaApiSetting": {
    "Url": "https://open.bigmodel.cn/api/paas/v4/embeddings",
    "DefaultModel": "embedding-3",
    "ApiKey": "your-api-key"
  }
}

Ollama 本地模型:

{
  "OllamaApiSetting": {
    "Url": "http://localhost:11434/api/embeddings",
    "DefaultModel": "qwen3:4b"
  }
}

3. 使用流程

  1. 注册 AI 账户获取 API Key
  2. 在系统中配置模型
  3. 创建知识库并上传文档
  4. 配置智能体并绑定技能
  5. 开始智能对话

📁 项目结构

kevin.abp.core/
├── App/                    # 业务应用模块
│   ├── Application/        # 应用服务层
│   ├── Domain/             # 领域层
│   ├── RepositorieRps/     # 仓储实现
│   └── WebApi/             # API 入口
├── Kevin/                  # 核心框架模块
│   ├── Application/        # 核心服务
│   │   └── Services/AI/    # AI 相关服务
│   ├── Domain/             # 核心领域模型
│   ├── Kevin.EntityFrameworkCore/  # EF Core 实现(含慢查询拦截器)
│   ├── Kevin.Web.Basics/   # Web 基础组件(控制器、全局过滤器)
│   ├── RepositorieRps/     # 核心仓储实现
│   ├── kevin.Share/        # 共享 DTO、枚举、常量
│   └── kevin.Module/       # 可插拔功能模块
│       ├── kevin.AI.AgentFramework/  # AI 智能体框架
│       ├── Kevin.RAG/      # RAG 检索增强(Qdrant/Ollama/Rerank)
│       ├── Kevin.Authentication.Jwt/ # JWT 认证
│       ├── kevin.Permission/         # RBAC 权限
│       ├── kevin.Cache/              # 缓存
│       ├── Kevin.Hangfire/           # 任务调度
│       ├── Kevin.SignalR/            # 实时通信
│       └── ...             # 短信、邮件、雪花ID、分布式锁等 30+ 模块
├── Test/                   # 测试套件
│   ├── Kevin.Web.Test/     # 单元测试(xUnit)
│   ├── Kvin.Integration.Tests/  # 集成测试
│   └── Testing.Shared/     # 共享测试基础设施
├── vue/kevin.web.vue/      # 前端管理后台(Vue3 + Ant Design Vue)
├── Doc/                    # 文档资源
└── InitData/               # 初始化数据

🛠️ 功能模块

模块 功能 状态
用户管理 用户CRUD、权限绑定 ✅
角色管理 角色CRUD、权限配置 ✅
权限管理 菜单权限、API权限 ✅
AI 智能体 智能对话、工具调用 ✅
知识库 文档管理、RAG检索 ✅
任务调度 Hangfire定时任务 ✅
消息服务 钉钉消息推送 ✅
文件存储 多云存储支持 ✅

📖 文档资源


🤝 交流社区

微信 交流群

📊 Star History


版本: v1.1(代码审查治理版)
License: MIT
维护者: NetCoreKevin 开发团队

排名相邻
同类项目