TaskingAI · 大模型 Agent 应用的 BaaS 平台
做个 AI 应用，六成时间在搭“非 AI”的那部分
你是个独立开发者，想做一个带知识库的 AI 助手产品。真正写业务逻辑只用了一周，但模型接入、会话管理、向量检索、工具调用这些“胶水”代码写了三周——而且每个新项目都要再写一遍。
把 AI 应用的通用后端变成现成服务
TaskingAI 是面向大模型 Agent 开发与部署的开源 BaaS 平台，提供模型接入、工具、RAG、助手、会话与 Web 控制台。
它像“AI 应用的 Supabase”：你通过控制台或 API 管理模型凭据、创建助手人格、上传知识库文档、注册工具函数，客户端只需调用会话接口。适合快速搭建企业级 AI 应用后端。
边界也说清楚：
- 它做：模型统一接入、助手管理、RAG 知识库、工具调用、会话记录。
- 它不做：不自带大模型，需要配置模型服务凭据；不是前端框架。
- 模型凭据与数据保存在你自己的 ECS 中。
通过阿里云计算巢部署，实测 2 分钟内就绪，控制台公网可访问，使用用户名 admin 和部署时填写的管理员密码登录。
它解决了什么问题
| 你原来怎么干 | 代价 | 用它之后 |
|---|---|---|
| 每个项目重写模型接入层 | 重复劳动，版本散乱 | 控制台配置模型，API 统一调用 |
| 自己维护会话与记忆存储 | 表结构设计来设计去 | 会话接口开箱即用 |
| 手搭 RAG 链路 | 分片、嵌入、检索全是坑 | 文档上传即成知识库 |
| 工具调用自己定义协议 | 每个助手重写一遍 | 工具注册一次，多个助手复用 |
核心能力
模型统一接入
- 多厂商模型 —— 一个界面管理多家模型凭据。
- 按助手选模型 —— 不同助手可用不同模型，随时切换。
助手与会话
- 人格配置 —— 提示词、参数在控制台维护。
- 会话即接口 —— 客户端只管调会话 API，历史自动维护。
RAG 知识库
- 文档管理 —— 上传、分片、嵌入一条龙。
- 检索增强 —— 助手挂载知识库后回答有据可查。
Web 控制台
- 全部资源可视化管理 —— 模型、工具、助手、会话。
- admin 账号 —— 部署时设置管理员密码。
谁最该用
| 用户类型 | 典型场景 | 用它拿到什么 |
|---|---|---|
| 独立开发者 | 快速验证 AI 产品想法 | 跳过胶水代码，直接做业务 |
| 小团队 | 需要内部 AI 助手后端 | 2 分钟部署的企业级后端 |
| AI 应用外包团队 | 每个项目重复搭后端 | 一套 BaaS 多项目复用 |
技术支持
- 官方仓库：https://github.com/taskingai/TaskingAI
- 官方文档：https://docs.tasking.ai/
- 部署文档：https://computenest-service-deploy-document-cn-hangzhou.oss-cn-hangzhou.aliyuncs.com/quickstart-taskingai/index.md
- 问题反馈：GitHub Issues
🚀 立即体验
→ 一键部署 TaskingAI
部署完成后打开控制台访问地址，使用用户名 admin 和部署时填写的管理员密码登录。
