报表 AI助手 · 配置集成
version 2.5.0+ | 20250622
AI 助手可根据业务描述自动生成 SQL、报表与图表。本篇介绍如何接入大模型；具体使用方法见 报表AI助手使用。
按版本选择一种接入方式：
| 版本 | 接入方式 | 配置见 |
|---|---|---|
| v2.5+（推荐） | 基于 Spring AI 直连任意 OpenAI 兼容大模型，无需 JeecgBoot | 一、新版配置 |
| v1.9.6 ~ v2.3.x | 通过 JeecgBoot AI 工作流调用 | 二、老版本配置 |
一、新版配置（v2.5+，Spring AI 直连）
1.1 快速配置
前置条件： JDK 17+、Spring Boot 3.x，以及一个 OpenAI 兼容大模型端点（DeepSeek、通义千问、OpenAI、本地 Ollama 等）。
推荐使用 DeepSeek
deepseek-v4-pro模型- 国内环境友好，性价比高、中文理解能力强，是报表 AI 助手的最佳搭档。
- API Key 获取步骤： 访问 DeepSeek 开放平台 → 注册/登录 → 进入 API Keys 页面 → 创建 API Key 并复制保存。
在 application.yml 中配置（默认推荐 DeepSeek）：
jeecg:
jmreport:
ai:
base-url: https://api.deepseek.com # 端点 base 地址（不含 /v1/... 路径）
api-key: sk-xxxxxxxx # 厂商控制台申请的 API Key（请替换为自己的）
model: deepseek-v4-pro # 模型名称，其他厂商见 1.2
temperature: # 可选，留空用模型默认
max-tokens: # 可选，留空不限制
| 配置项 | 必填 | 默认值 | 说明 |
|---|---|---|---|
base-url | 是 | https://api.openai.com | OpenAI 兼容端点 base 地址 |
api-key | 是 | 无 | 模型厂商签发的 API Key |
model | 是 | gpt-4o | 模型名称 |
temperature | 否 | 模型默认 | 采样温度，越大越发散 |
max-tokens | 否 | 不限 | 单次响应最大 token 数 |
completions-path | 否 | /v1/chat/completions | 仅厂商路径与 OpenAI 不同时才需设置（如 Azure） |
若宿主应用已集成 Spring AI（存在
ChatClient.Builder或唯一ChatModelBean），积木会自动复用，无需重复配置上面的参数。客户端内置连接超时 30s、读取超时 300s。
1.2 各厂商参数对照
只要厂商提供 OpenAI 兼容接口即可使用。常用厂商参考配置（base-url 与 model 填入 1.1 的模板即可）：
| 厂商 | base-url | model 示例 | 备注 |
|---|---|---|---|
| DeepSeek（推荐） | https://api.deepseek.com | deepseek-v4-pro / deepseek-chat / deepseek-reasoner | 性价比高，推荐首选 |
| OpenAI | https://api.openai.com | gpt-4o / gpt-4o-mini | |
| 通义千问（百炼） | https://dashscope.aliyuncs.com/compatible-mode | qwen-plus / qwen-max | |
| 智谱（GLM） | https://open.bigmodel.cn/api/paas | glm-4 / glm-4-plus | api-key 形如 xxx.xxx |
| Moonshot（Kimi） | https://api.moonshot.cn | moonshot-v1-32k | |
| 火山方舟（豆包） | https://ark.cn-beijing.volces.com/api | 接入点 endpoint id | model 填开通的接入点 id |
| 硅基流动 | https://api.siliconflow.cn | Qwen/Qwen2.5-72B-Instruct | |
| 零一万物（Yi） | https://api.lingyiwanwu.com | yi-large | |
| 百度千帆 | https://qianfan.baidubce.com/v2 | ernie-4.0-8k | api-key 形如 bce-v3/xxx |
| 本地 Ollama | http://localhost:11434/v1 | llama3 / qwen2.5 | api-key 填任意非空值 |
| LM Studio | http://localhost:1234/v1 | 已加载的模型标识 | api-key 填任意非空值 |
| Azure OpenAI | https://{资源}.openai.azure.com/openai/deployments/{部署} | gpt-4o | 需加 completions-path: /chat/completions?api-version=2024-08-01-preview |
二、老版本配置（v1.9.6 ~ v2.3.x，JeecgBoot 工作流）
v2.5+ 请用 一、新版配置。
旧版 AI 助手依赖 JeecgBoot 的 AI大模型 模块，需先在 JeecgBoot 中配置 LLM 与 AI 工作流：
- 进入
AI大模型 → AI模型配置，点击添加模型。
- 选择供应商（如千问）→ 填写模型名称、类型（语言模型）、基础模型（如
qwen-coder-plus）、地址、鉴权 →保存。
- 进入
AI工作流，打开内置工作流JimuReport AI引擎，将各LLM节点的模型改为上面创建的模型，保存。
若积木报表独立部署（非集成在 JeecgBoot 中），需在 application.yml 配置 JeecgAI 服务地址；集成在 JeecgBoot 中使用则无需配置：
jeecg:
jmreport:
ai:
service-url: http://localhost:8080/jeecgboot/airag/flow/run