dataelement/bisheng · 上手攻略
- 仓库：dataelement/bisheng
- 链接：https://github.com/dataelement/bisheng
- 分类：ai
- 作者：Tom
- 更新：2026-07-14
这是什么
BISHENG（毕昇）是一款开源 LLM 应用开发平台，主攻企业级场景，由国内公司 DataElement 开发维护。"毕昇"取自活字印刷术发明人，寓意"让智能应用像知识传播一样普惠"。平台融合了 Workflow 编排、RAG、Agent、模型管理、数据集管理、评估、SFT 微调、文档解析、观测等企业 AI 所需的全套能力，已被多家行业头部组织和世界 500 强企业采用。
核心特色在于其独特的可视化 Workflow 编排（画流程图即编排）和高精度中文文档解析能力，在企业知识库、文档审核、报告生成等场景有深厚积累。
解决什么问题
- LLM 应用开发门槛高：企业想用 LLM 改造业务流程，但缺乏统一的开发和运维平台，LangChain 代码散落各处，难以维护。
- Workflow 与 Chat 割裂：同类产品（如某些 RAG 平台）把对话式应用和流程式应用拆成两套系统，BISHENG 在同一框架下统一处理。
- Human-in-the-loop 缺失：多数平台 Workflow 从头跑到尾，无法中途人工干预。BISHENG 支持在 Workflow 执行过程中插入人工审核/反馈节点。
- 中文文档解析弱：很多开源 RAG 方案对中文 PDF、扫描件、印章、表格的解析质量堪忧，BISHENG 内置自研高精度解析模型。
- 企业合规需求：RBAC、SSO/LDAP、审计日志、高可用部署——这些能力通常只有商业平台才有，BISHENG 开源版直接提供。
快速安装（Docker 一键部署）
硬件要求
| 项目 | 最低要求 | 推荐配置 |
|---|---|---|
| CPU | 8 核 | 18 核+ |
| 内存 | 32 GB | 48 GB+ |
| Docker | 19.03.9+ | 最新稳定版 |
| Docker Compose | 1.25.1+ | 最新稳定版 |
⚠️ README 原版要求 CPU ≥ 4核/ RAM ≥ 16GB，但中文文档建议 8核/32GB 起。实际生产环境建议按推荐配置来。
默认安装会同时部署 Elasticsearch、Milvus（向量数据库）和 OnlyOffice 组件，需预留额外资源。
安装步骤
# 方式一：git clone（推荐）
git clone https://github.com/dataelement/bisheng.git
cd bisheng/docker
# 方式二：无 git 时下载 zip 包
wget https://github.com/dataelement/bisheng/archive/refs/heads/main.zip
unzip main.zip && cd bisheng-main/docker
# 启动（后台运行）
docker compose -f docker-compose.yml -p bisheng up -d
启动完成后访问：
http://<服务器IP>:3001
首次访问会跳转到注册页面，第一个注册的用户自动成为系统管理员。
详细部署文档（含高可用、分布式方案）参见 私有化部署 Wiki。
核心用法
1. BISHENG Workflow（可视化流程编排）
BISHENG 的 Workflow 通过"画流程图"方式构建，逻辑组件包括：
- 循环（画圈即成环）：拖拽连成回路，自动识别为循环节点
- 并行（并列即并行）：多个分支并列排列，自动并行执行
- 批量（多选即批量）：批量处理多个输入项
- 条件分支：if/else 判断逻辑
- Human-in-the-loop：人工审批/反馈节点，可中断流程等待人工介入
示例场景：简历筛选
Start → 文档解析 → 关键信息提取 → [Human Review] → 合格简历入库 → 通知
↘ 不合格 → 记录归档
2. RAG（检索增强生成）
内置完整 RAG Pipeline，支持：
- 高精度文档解析（PDF、Word、图片扫描件、表格、印章）
- 向量检索（Milvus / ES）
- 混合检索
- 多轮对话 Context 管理
- 支持接入各类 Embedding 模型
3. Agent（灵思 Lingsight）
通过 AGL（Agent Guidance Language）框架构建专家级 Agent：
# AGL 示例（伪代码，具体语法请参考官方文档）
from agglang import Agent
agent = Agent(
name="财报分析助手",
guidance="你是资深金融分析师，擅长从财报中提取关键指标...",
tools=["pdf_parser", "calculator", "report_generator"]
)
4. 模型管理
统一管理多模型接入，包括：
- OpenAI GPT 系列
- Anthropic Claude 系列
- Azure OpenAI
- 开源模型（通过 vLLM / Ollama 等接入）
- 国内模型（通义、文心、智谱等，取决于部署配置）
5. 评估与 SFT
内置评测框架和数据管理功能，支持：
- 构建评测数据集
- 配置自动化评估指标
- LLM 微调（SFT）工作流
典型适用场景
| 场景 | BISHENG 擅长点 |
|---|---|
| 企业知识库问答 | 高精度中文 OCR + RAG + 可视化编排 |
| 文档审核/比对 | Human-in-the-loop + 多类型输入输出 |
| 报告自动生成 | 流程编排 + 模板 + 结构化输出 |
| 客服辅助 | Agent + 多轮对话 + 知识库检索 |
| 简历筛选 | 文档解析 → 信息提取 → Human Review |
| 多 Agent 协作 | 内置多 Agent 框架支持 |
| 数据分析 + 对话 | Chat + Workflow 混合编排 |
坑与注意
- 硬件门槛不低：完整 Docker Compose 启动（包括 ES + Milvus + OnlyOffice）建议 48GB+ 内存，16GB 可能勉强但会频繁 OOM。
- 中文 Wiki 需要飞书账号：文档链接均为
dataelem.feishu.cn，部分资料需要内部账号访问，公开资料有限。 - 版本迭代较快：活跃开发中，升级可能涉及数据库迁移，升级前务必阅读 Release Notes。
- SSO/LDAP 配置有门槛：企业级功能配置文档较分散，建议先在测试环境验证再上生产。
- 嵌入已有系统需 API：平台提供 API 接口，但二次开发和系统集成需要一定开发量，不算"开箱即用"。
- Stars 基数相对较低：截至 2026 年中 Stars 约 11.5k（周增 +21），相比 Dify（30k+）、LangFlow（20k+）等类似平台，社区规模较小。
与同类对比
| 平台 | 定位 | BISHENG 优势 | BISHENG 劣势 |
|---|---|---|---|
| Dify | 开源 LLM 应用平台 | 企业级功能更全（RBAC/SSO/审计）、中文文档解析更强 | 社区比 Dify 小，插件生态不如 Dify 丰富 |
| LangFlow | LangChain 可视化 | 同源自 LangChain，集成度更高 | 不如 BISHENG 专注企业场景 |
| Flowise | 低代码 LLM 流程 | 部署更轻量 | 功能深度不如 BISHENG |
| RAGFlow | 专注 RAG | 文档解析能力相近 | 无 Workflow 编排，场景单一 |
| 扣子/Coze | 商业化 Bot 平台 | 开源可控，可私有部署 | 生态和社区不如字节 |
一句话推荐结论
如果你需要一站式企业级 LLM 应用平台，特别是涉及中文文档处理、复杂流程编排和 Human-in-the-loop 场景，且要求私有化部署，BISHENG（毕昇）是目前开源领域里功能最完整、同时对中文场景优化最深的选项之一，推荐通过 Docker 一键部署体验。