Bella-Workflow 是 贝壳找房 内部最为核心的LLM应用开发平台，致力于为开发者提供更灵活、高效、强大的AI应用构建能力。
基于"后台即服务"（Backend as a Service）理念，我们自主研发了一套性能强大的工作流执行引擎。同时，我们持续扩展能力边界，力求将传统后端服务从开发、测试、部署、运维的全生命周期管理能力进行深度整合，打造真正意义上的AI应用一站式服务平台。
为了加速整个项目的落地，我们复用了 Dify 的优秀前端模块，这不仅缩短了项目开发周期，也极大地提升了用户体验，在此，我们对 Dify 项目组表示诚挚的感谢。
| 能力 | 介绍 |
|---|---|
| ☕ Java友好 | 后端完全基于Java技术栈构建，方便快速基于Java活跃的生态融合，充分利用已有技术积累 |
| 💪 企业级可靠性 | 在贝壳找房内部经过大规模生产环境验证，支持高并发、高可用的企业级应用场景 |
| 🔎 数据集成 | 零编码直连 MySQL、Redis、PostgreSQL、Kafka 等企业数据源，轻松构建数据驱动型 AI 应用 |
| 🔔 智能触发器 | 支持多种触发方式（Kafka 消息、定时器、API 调用等），实现自动化工作流编排 |
| 🔄 异步回调 | 支持异步回调模式，为长时间运行的工作流提供高效执行机制 |
| 💻 代码集成 | 内置 Groovy 脚本引擎，支持在工作流中编写和执行自定义业务逻辑 |
| 🤖 RAG 封装 | 提供专业的检索增强生成（RAG）节点，提升大模型输出的准确性和相关性 |
| 🌐 HTTP 扩展 | 强大的 HTTP 节点支持 JSON 用例一键解析、异步回调等高级功能，无缝对接第三方服务 |
| 📁 版本控制 | 工作流版本一键切换，支持快速上线、回滚，保障生产环境稳定性 |
| 🔍 思考过程 | 支持输出推理模型完整思考过程，提高模型输出可解释性和可调试性 |
| 📝 灵活配置 | 支持开始节点定义 JSON 类型字段，实现复杂数据结构的传递和处理 |
| ...... | ...... |
注：Bella-Workflow 中的工具、知识库模块目前尚未开源，敬请期待后续版本。
| 🌐 云服务版 | 直接访问我们的官方网站，无需部署和维护，快速开始构建您的 AI 应用。 |
| 💻 自部署版 |
在您自己的基础设施上部署 Bella-Workflow，完全控制数据和环境。 详细步骤请参考我们的部署文档。 |
# 克隆代码
git clone https://github.com/LianjiaTech/bella-workflow.git
cd bella-workflow/docker
# docker-compose启动
docker-compose --env-file .example.env -f docker-compose.yaml up更详细部署指南，请参考 部署指南 。
我们热心欢迎社区贡献！贡献者需要同意项目维护者可根据需要调整开源协议，以及贡献代码可能被用于商业目的。
详细的贡献指南请参考 贡献指南 。
Bella-Workflow 采用双重许可协议，具体使用限制如下：
| 📷 前端限制 | 前端部分遵循 Dify 许可协议，使用时不得移除或修改 Dify 控制台或应用程序中的 LOGO 或版权信息。如需将前端用于多租户服务，请确保遵循 Dify 许可协议的相关条款。 |
| 🌟 后端自由使用 | 后端及其他部分采用 MIT 许可协议，允许自由使用、修改和分发，包括商业用途，只要保留原始版权声明和许可证文本。 |
Bella-Workflow 采用双重许可协议模式，分别针对前端和其他部分使用不同的许可协议。详细条款请参阅 LICENSE 文件。
