大型企业与集团
统一企业 AI 能力，服务各业务部门
每个部门都在做自己的 AI 项目：模型买了好几套，知识库建了好几个，接口各接各的。钱花了不少，能力却沉淀不下来。
信息化负责人 · 典型业务诉求
以智能体提供企业 AI 服务
- 以智能体向各部门交付知识问答、设备运维等服务
- 统一入口切换业务智能体，按任务替换底层模型
- 知识、数据与权限统一接入，跨部门复用
阿拉丁 · 企业 AI 应用交付平台
一个严肃的 AI 应用，
说出需求，AI 推荐业务 Kit；一键生成工程级项目，人和 Code Agent 一起开发；一键部署到公有云、托管机房或客户机房。模型、Token、观测与安全，平台都已备好。
三步，交付一个严肃的 AI 应用。
说出需求，一键生成工程级项目
做一个燃机故障预警 AI 应用
设备智能运维 Kitv1.4代码与协作3/3
GitLab代码仓库 · 分支保护
代码评审MR 必须评审
Jenkins构建 · 单测运行环境3/3
Kubernetesdev / test / prod
Helm应用编排
GPU 推理NVIDIA L40S × 1数据库3/3
PostgreSQL 16主从 · 每日备份
ClickHouse测点时序分析
Redis 7缓存 · 哨兵企业中间件3/3
Kafka测点消息总线
MinIO对象存储 200 GB
NginxAPI 网关 · HTTPS镜像与发布3/3
Harbor镜像仓库 · 漏洞扫描
Argo CDGitOps 多环境
Elasticsearch日志检索可观测与安全3/3
Prometheus指标采集与告警
Grafana运行大盘统一认证SSO · RBAC
18 项资源 · 开发 / 测试 / 生产 3 套环境准生产级就绪 · 03:16
人和 Code Agent，一起开发
HealthRank.tsx
Claude Code 编写中
Claude Code 编写中1
import { Card, BarList } from '@aladdin/ui';2
import { useHealth } from '../hooks/health';3
4
export function HealthRank() {5
const units = useHealth({ top: 5 });6
return (7
<Card title="机组健康度排行">8
<BarList data={units}9
value={u => u.score}10
tone={u => u.score < 80 ? 'warn' : 'ok'} />11
<Trend metric="排气温度" />12
</Card>13
);14
}应用预览实时渲染
机组健康度排行实时 · 5 台
1 号燃机97
2 号燃机94
3 号燃机88
4 号燃机81
5 号燃机76
Codex · 报告导出接口
Cursor · 单元测试 42/42改动全部在扩展层，core/ 内核只读一键交付，任意环境运行
流水线 #128 · main林晓 提交「健康度排行、报告导出」全部通过 · 2m 22s代码检查12s构建与单测48s镜像与扫描31s打包9s发布42sgt-alert-1.0.0-offline.tar.gz离线安装包 · 3.4 GBgt-alert-1.0.0.tgzHelm Chart · 云原生部署
gt-alert-1.0.0.tgzHelm Chart · 云原生部署部署目标同一个版本，公有云、托管机房、客户机房任选
阿里云华东 2 · 上海运行中移动云华东 · 苏州运行中
阿拉丁托管机房杭州 IDC运行中客户自有机房私有化 · K8s 3 节点运行中做一个燃机故障预警 AI 应用
设备智能运维 Kitv1.4代码与协作3/3
GitLab代码仓库 · 分支保护代码评审MR 必须评审Jenkins构建 · 单测运行环境3/3
Kubernetesdev / test / prodHelm应用编排GPU 推理NVIDIA L40S × 1数据库3/3
PostgreSQL 16主从 · 每日备份ClickHouse测点时序分析Redis 7缓存 · 哨兵企业中间件3/3
Kafka测点消息总线MinIO对象存储 200 GBNginxAPI 网关 · HTTPS镜像与发布3/3
Harbor镜像仓库 · 漏洞扫描Argo CDGitOps 多环境Elasticsearch日志检索可观测与安全3/3
Prometheus指标采集与告警Grafana运行大盘统一认证SSO · RBAC
18 项资源 · 开发 / 测试 / 生产 3 套环境准生产级就绪 · 03:16
AI Kit、AI Factory、AI Stack，组成阿拉丁。
阿拉丁
搜索模型、文档或功能…
AI 助手 MaaS 平台
概览
模型广场
模型部署
路由策略
集群管理
GPU 资源
监控压测
API 密钥
系统配置
模型部署
统一接入、部署与调度国内外主流模型，按业务场景路由，全程可观测。
压测 部署模型
在线模型
18 个
LLM 11 · 向量 4 · 专用 3
今日调用
1.26M 次
较昨日 +12.4%
P95 时延
420 ms
SLA 目标 800 ms
GPU 利用率
72 %
32 卡 · 4 节点
部署列表查看全部
模型推理引擎 · 资源状态QPSP95
Qwen3-32BvLLM · 4×A100 运行中186420 ms
DeepSeek-V3SGLang · 8×H20 运行中92610 ms
GLM-4.5-AirvLLM · 2×A100 运行中64380 msbge-m3 向量TEI · 1×L40S 运行中1,24018 ms
设备故障诊断模型 v3.1Triton · 1×A10 灰度 20%3596 msGPU 集群实时
G1
G2
G3
G4
G5
G6
G7
G8
路由策略已生效
知识问答 → Qwen3-32B70%
复杂推理 → DeepSeek-V320%
降级兜底 → GLM-4.5-Air10%
近 14 天调用趋势+ 180%
接入全球模型，连接每一个入口。
国内外大模型平台 Token 直接可用
Claude
GPT
Gemini
Llama
Mistral
Grok- DeepSeek
- 通义千问
豆包- 智谱 GLM
- Kimi
MiniMax
文心
混元
百川
讯飞星火
阶跃星辰
零一万物
你的 AI 应用构建于阿拉丁AI Kit业务模板AI Factory开发与交付AI Stack模型与智能
MCP · Skills · OpenAPI
工具与 Agent 入口无需适配，直接调用
WorkBuddy
豆包
飞书
钉钉
企业微信
千问
扣子
Dify
OpenClaw
Claude
腾讯元器
MCP
按你的业务，选择服务方式。
ISV 服务商与数字化公司
复用 AI 产品底座，开发与交付行业应用
我们做了十几年信息化，数字化项目越来越难做、利润越来越薄。客户都在问 AI，可团队的 AI 积累太少，不知道从哪里切入。
企业负责人 · 典型业务诉求
显著降低 AI 项目交付门槛
- 一个人就是一支交付团队：工程师 + AI 角色完成整套交付
- 从业务 Kit 起步，一键生成工程级项目，快速开发客户应用
- 一键生成安装包与部署包，交付到客户自己的机房
创业公司与 OPC
使用云端能力，从 Kit 开始开发产品
我能想清楚产品，也能用 AI 写出功能，但没有完整的开发基础，更没有运维能力。做出来的东西，怎么部署、怎么交付给客户？
独立开发者 · 典型业务诉求
云端基础设施，专注业务开发
- 平台 Token 直接可用，不用自备模型和 API Key
- 云端开发、一键部署，运行观测由模板原生提供
- 从业务 Kit 起步，专注产品功能与客户需求