企业级 AI 能力注册中心
注册一次，处处调用
NodeVault 是企业内部 AI 能力的统一注册中心——把分散的模型接口、算法服务、内部工具 API 登记为可管理的能力项（Node），让人、业务系统和 AI Agent 通过同一个平台发现和使用。
它解决的不是"怎么做模型"，而是怎么让已有的 AI 能力真正被全公司复用起来。
你们团队的服务 任何使用方
风控评分模型 ──┐ ┌── 业务系统
数据清洗服务 ──┤ ├── AI Agent
NLP 文本分析 ──┼── NodeVault ──▶──┼── ChatGPT 插件
OCR 识别服务 ──┘ 统一注册入口 └── 自动化工作流
| 常见痛点 | NodeVault 怎么处理 |
|---|---|
| 内部有哪些 AI 服务可用，没人说得清 | 统一能力目录，集中展示所有已注册 Node |
| 同类能力被重复开发 | 注册一次，重复使用 |
| 新接一个服务成本很高 | 统一调用入口，屏蔽底层差异 |
| Token 过期、认证复杂 | 平台统一管理凭据，自动刷新认证 |
| 有 API 文档但难以快速转成可用能力 | 探测接口描述，转换为候选 Node |
| Agent 无法直接使用内部能力 | Node 组合成 Skill，导出为 Agent 可消费的能力包 |
| 不知道能力是否稳定、谁在使用 | 记录调用日志、状态、耗时与结果 |
通过服务探针或手工注册，发现企业内已有的 API 并读取接口描述。
从探测到的接口中挑选有业务价值的部分，注册成 Node——一个整理好的、可被复用的能力入口。
使用方只需请求 NodeVault，平台负责路由到真实服务、携带凭据、处理认证，并记录调用过程。
使用方 / Agent → NodeVault → 真实服务 → 返回结果
这对 Agent 尤其重要：接口寻址、参数适配、token 管理、失败重试全部由平台代管，Agent 只需发请求、拿结果。
将多个相关 Node 组合成面向任务的 Skill，支持版本化管理，可导出给 Claude、Copilot、MCP 客户端等 Agent 框架直接使用。
原始服务 → Node → Skill → Agent 消费
这也是 NodeVault 和普通 API 管理工具的区别：它不只记录接口，而是把能力整理成 Agent 可直接消费的工具资产。
- 🗂 能力登记：把零散服务整理成统一的 Node 目录
- 🔎 能力发现：通过搜索、筛选和探针找到可复用能力
▶️ 统一调用：对外提供一致的调用入口- 🔑 认证代管：统一处理 API Key、Token 和登录换 token 等流程
- 📊 调用追踪：记录谁在用、是否成功、耗时如何
- 🤖 Agent 集成：导出为 OpenAI Function Calling、LangChain、MCP 等格式
- 📦 Skill 打包：把多个 Node 组合成面向任务的能力包
- 🔐 权限治理：按角色、部门和可见性控制访问范围
- AI 平台团队：统一沉淀企业 AI 能力
- Agent / Workflow 团队：让 Agent 稳定调用内部工具，无需自行处理接入细节
- 业务开发团队：快速复用现有能力，减少重复造轮子
- 算法团队：让模型和算法服务更容易被其他团队使用
- 治理与架构团队：对 AI 能力资产做统一管理、审计和授权
公司已有风控评分、OCR 识别、文本摘要三个服务，传统做法是每个调用方各自找文档、处理 token、写请求封装。
用 NodeVault：
- 探针发现服务 OpenAPI，注册为 Node
- 配置凭据和鉴权方式
- 使用方统一通过 NodeVault 调用，平台自动转发和换 token
- 选择部分 Node 打包成 Skill，导出给 Claude / Copilot / MCP 客户端
最终：找得到、接得上、调得通、管得住、Agent 能直接用。
确保服务器上已有 PostgreSQL、Redis、MeiliSearch。
第一步：在本地构建前端
cd frontend && npm install && npm run build && cd ..第二步：将以下文件打包后上传到服务器
NodeVault/
├── deploy/
│ └── Dockerfile # 镜像构建文件
├── backend/ # 后端源码（整个目录）
├── frontend/
│ └── dist/ # 前端构建产物（只需 dist，不需要 src）
├── docker-compose.yml # 编排文件
├── pyproject.toml # Python 依赖清单
├── alembic.ini # 数据库迁移配置
└── .env.example # 环境变量模板（上传后改名为 .env 并填写）
frontend/src、frontend/node_modules、.git、__pycache__、.venv不需要上传。
打包命令参考：
zip -r nodevault.zip \
deploy/ backend/ frontend/dist/ \
docker-compose.yml pyproject.toml alembic.ini .env.example第三步：在服务器上配置并启动
# 配置环境变量
cp .env.example .env
# 编辑 .env，填写数据库连接地址和各项密钥
# 构建依赖镜像（首次或 pyproject.toml 变更后执行）
docker compose build
# 启动
docker compose up -d
# 初始化数据库（首次执行一次）
docker compose exec app alembic upgrade head访问 http://your-server:8000 开始使用。
详细说明请查看 用户使用手册
需要本地已运行 PostgreSQL、Redis、MeiliSearch，并在 .env 中配置好连接地址。
# 1. 安装后端依赖并启动
python -m venv .venv && .venv\Scripts\activate
pip install -e ".[dev]"
copy .env.example .env # 填写本地服务连接地址
alembic upgrade head
uvicorn backend.main:app --reload --port 8000
# 2. 启动前端开发服务器（另开终端）
cd frontend
npm install
npm run dev访问 http://localhost:5173 开始使用（前端开发服务器）。
初始超级管理员账号请参考
.env.example中的配置说明。
| 文档 | 说明 |
|---|---|
| 用户使用手册 | 面向普通用户的完整操作指南，包含网页界面和 Python SDK 的使用说明 |
| 贡献指南 | 如何参与项目开发 |
| API 文档 | 在线接口文档（启动服务后可访问） |
| 文件 | 说明 |
|---|---|
docker-compose.yml |
Docker 编排文件，一条命令启动应用 |
deploy/Dockerfile |
应用镜像构建文件（预装所有 Python 依赖，代码运行时挂载） |
.env.example |
环境变量模板，复制为 .env 后填写即可 |