AI-Native 企业架构工具解决方案

我爱免费

作者：微信文章
1、MVP核心场景

1.1 高频场景：智能架构资产搜索

1.2 高价值场景：架构影响分析

1.3 场景优先级判断

2、MVP技术架构

2.1 极简技术栈（3组件）

2.2 Streamlit快速UI

2.3 SQLite数据存储

2.4 Ollama本地LLM

3.MVP成品截图

1.1 高频场景：智能架构资产搜索

1.1.1 用户痛点

        1）用户不知道有哪些资产可以复用，以及哪些资产的建设状态（已建，待立项，建设中），2）传统关键字匹配不准确，无法检索到有效资产，3）无法了解组件详细信息及依赖关系，4）检索效率低，耗时长。

1.1.2 选择场景理由

        1）高频：架构师每天都要查找资产。

        2）价值可见：为架构师节省时间，感知强。

         3）技术可行：RAG+LLM生成，技术成熟。

1.1.3 MVP功能范围

      1）自然语言搜索，比如用户输入："我需要实现商品积分管理功能"，然后AI返回：找到3个相关组件，推荐复用"会员积分模块"

      2）语义匹配，支持向量检索，检索出Top 10相似对象，也支持 混合检索，通过向量+关键词融合提高检索效率，最后通过相似度排序

      3）结果展示，展示的信息包括组件名称、描述，相似度评分

      4）来源追溯，标注数据来源（如"BA-01业务能力清单"），支持下钻和穿透查看原始数据。

1.2 高价值场景：架构影响分析
1.2.1 用户痛点     1）架构变更前不知道影响范围，无法评估变更后果，2）涉及范围广，人工分析非常耗时，而且容易产生遗漏。3）直接依赖比较明显，但是间接依赖比较隐晦，难以追溯。1.2.2 选择场景理由         1）高价值：避免重大变更事故，价值最高         2）差异化：传统工具没法应对这种场景。         3）技术可行：图遍历（NetworkX）技术相当成熟。1.2.3 MVP功能范围         1)依赖关系遍历,比如：用户输入："订单系统数据库从Oracle迁移到PostgreSQL的影响？"，AI返回：直接影响-3个应用模块需要修改，间接影响-5个下游系统需要联调，风险等级-高风险。         2). BFS图遍历， 直接依赖遍历1层，间接依赖遍历2-3层，并 影响范围统计。          3). 风险评估， 影响对象数量，对象类型分类，风险等级（高/中/低）。
           4). LLM解读，用自然语言解释影响，给出实施建议，标注风险点。

2、MVP技术架构

2.1 极简技术栈（3组件）

┌─────────────────────────────────────────┐

│     单服务器 (8核32GB)                   │

├─────────────────────────────────────────┤

│                                         │

│  ┌───────────────────────────────────┐  │

│  │  Streamlit UI (Port: 8501)        │  │

│  │  - 100行Python代码                │  │

│  │  - 1天开发完成                    │  │

│  │  - 朴素但够用                     │  │

│  └──────────────┬────────────────────┘  │

│                 ↓                       │

│  ┌───────────────────────────────────┐  │

│  │  FastAPI Backend (Port: 8000)     │  │

│  │  - 500行Python代码                │  │

│  │  - 场景1: 智能搜索                │  │

│  │  - 场景2: 影响分析                │  │

│  │  - NetworkX图遍历                 │  │

│  └──────────────┬────────────────────┘  │

│                 ↓                       │

│  ┌───────────────────────────────────┐  │

│  │  SQLite数据层                     │  │

│  │  ┌─────────────────────────────┐  │  │

│  │  │ architecture.db (500MB)     │  │  │

│  │  │ - 5万对象                   │  │  │

│  │  │ - 10万关系                  │  │  │

│  │  │ - sqlite-vss向量索引        │  │  │

│  │  └─────────────────────────────┘  │  │

│  │  ┌─────────────────────────────┐  │  │

│  │  │ NetworkX内存图 (200MB RAM)  │  │  │

│  │  │ - 启动时加载                │  │  │

│  │  │ - BFS遍历 <20ms             │  │  │

│  │  └─────────────────────────────┘  │  │

│  └───────────────────────────────────┘  │

│                                         │

│  ┌───────────────────────────────────┐  │

│  │  Ollama (Port: 11434)             │  │

│  │  - Qwen 2.5 7B                    │  │

│  │  - CPU推理（5-10秒）              │  │

│  │  - 内存占用: 8GB                  │  │

│  └───────────────────────────────────┘  │

└─────────────────────────────────────────┘

2.2 Streamlit快速UI

选择Streamlit是提高前端研发效率，快速完成MVP验证。

2.3 SQLite数据存储+NetworkX

选择上述方案是考虑到从成本角度来看，无需独立服务器，无需运维，并且足以处理MVP阶段的数据规模，

2.4 Ollama本地LLM+ Qwen 7B

选择上述方案是考虑到完全免费，无需API费用，另外也考虑到数据隐私，数据不需要出域，以及数据不受云端限制。

MVP成品截图：