EnterpriseAgentFramework

快速、安全完成业务系统智能化改造：让 AI 能查数据、填表单、办业务

适用于 OA、ERP、CRM、eHR、采购、工单、合同等已有业务系统。

ReachAI · 面向 Java 企业系统的企业智能体开发与运行底座

Codex for Open Source application verification: I am the owner and core maintainer of this repository. The OpenAI/ChatGPT account used for the application is associated with the masked email address jonellmednick****@outlook.jp. This notice is published solely to help OpenAI reviewers verify that the applicant controls this repository.

ReachAI 学习交流群 扫码加入，交流接入、使用与实践经验

改造完成后，业务系统能做什么

ReachAI 将 AI 助手嵌入 OA、eHR、采购、CRM 等现有业务页面。员工无需切换系统，即可通过自然语言查询数据、填写表单、办理业务：

业务系统	AI 可执行的业务任务
OA	“汇总我今天的待办，并打开最紧急的一项。”
eHR	“查询本月异常考勤，筛出还没有处理的记录。”
采购	“帮我创建办公用品采购申请，提交前给我确认。”
CRM	“根据本周客户动态生成跟进计划。”

ReachAI 会结合当前登录身份、页面状态与业务上下文理解需求，仅调用已授予当前用户的业务能力。页面筛选、跳转与表单操作由已注册的页面动作执行；真实数据查询与写入仍由后端 Capability 或业务 API 完成。涉及写入、提交和审批等关键操作时，必须经用户确认后执行。

从一个界面掌握智能体运营状态

智能体运营中心按项目汇总 Agent、运行样本、可识别用户、Token、技术完成率、风险待办和业务系统贡献，让管理者先看到真实使用效果，再进入具体项目、版本或运行记录排查。

从现有系统到上线使用

连接业务系统并接入智能运行底座 → 扫描页面、接口和能力 → 推荐改造项 → AI Coding 实施 → 发布与验收 → 原系统使用 AI

ReachAI 覆盖业务系统接入、系统盘点、改造实施、能力发布、业务验收和上线运行：

AI主动完成	ReachAI 做什么	交付结果
1. 添加AI运行底座	识别项目技术栈，生成标准接入任务，由 AI Coding 集成后端连接、网关通信、页面助手、身份传递和安全校验组件	业务系统与 ReachAI 建立受控连接，获得能力注册、智能调度、页面交互与运行治理的统一支撑
2. 扫描业务系统	主动识别页面、路由、组件、接口和已有业务能力	形成系统能力地图，明确业务资源的位置、实现方式和调用关系
3. 推荐改造项	对选定页面进行只读分析，区分已确认事实、技术推断和待确认问题	自动推荐最多 3 个候选改造项，并提供代码证据、实现参考和验收标准
4. AI Coding 实施	将业务目标、代码上下文、技术约束和验收条件组织为标准化工程任务	AI Coding 在真实代码仓库中完成接入、修改和测试，并回传实施证据
5. 组装并发布智能能力	同步 Capability，编排并发布 Workflow，挂载 Agent 和页面助手	形成可版本化、可授权、可复用、可追踪的企业智能能力
6. 真实业务验收	核验代码、服务、SDK 回调、浏览器会话、运行轨迹和业务结果	验收通过后，业务人员可在原业务系统中使用 AI

业务系统继续沿用原有页面、身份、权限、接口和业务规则；ReachAI 在平台侧统一提供智能体调度、工作流执行、模型接入、操作确认和运行追踪。完成基础接入后，后续新增 AI 场景可以持续复用同一套智能运行底座。

  <strong>项目管理</strong>统一查看 SDK、API 和扫描接入状态
</td>
<td width="50%" align="center">
  
  <strong>项目详情</strong>从接入上报到 Agent、Workflow 编排与发布
</td>

三类角色，形成持续改造闭环

AI 主动扫描与推荐 → 开发者确认并实施 → 用户在原系统使用 → 系统识别新的改造机会 → 管理者制定计划 → 进入下一轮改造

角色	在持续改造闭环中的作用
开发者	AI 主动扫描系统的页面、接口和业务能力并推荐改造项；开发者确认后，平台生成标准工程任务，协同 AI Coding 完成接入、改造和测试
用户	无需改变原有使用习惯，在原业务系统中即可通过 AI 查询数据、填写表单和办理业务
管理者	系统持续分析真实使用中的高频问题、耗时环节和异常记录，主动推荐高价值改造点，为制定下一步改造计划提供依据

ReachAI 与 Dify、OpenClaw 有什么不同

平台类型	主要解决什么	ReachAI 的不同
Dify 等 AI 应用编排平台	创建和发布 AI 应用、Agent 与 Workflow	ReachAI 面向已有业务系统，覆盖系统扫描、改造推荐、AI Coding 实施、能力接入、真实业务验收和上线治理
OpenClaw 等个人智能体	从聊天入口连接工具和服务，帮助个人跨应用完成任务	ReachAI 面向企业多用户、多系统和生产业务，让 AI 在原业务系统中受控调用已授权能力，关键操作需确认，全程可追踪

一句话：Dify 侧重创建 AI 应用，OpenClaw 侧重个人智能体的跨应用执行，ReachAI 侧重已有业务系统的快速、安全智能化改造与生产级治理。

技术优势：ReachAI 解决的七个关键问题

1. 对存量系统做有证据的智能化盘点

许多存量企业系统缺少完整接口文档，页面、路由、组件、后端接口和权限逻辑分散在代码中。ReachAI 将系统资产识别与改造分析拆分为两个可验证阶段：

• 页面地图首先识别页面、路由、组件和 API 依赖，扫描阶段不依据名称推断业务价值。
• 开发者选定页面后再进行只读分析，推荐最有价值的改造候选项。
• 每个候选项分别记录 confirmedFact、technicalInference、openQuestion、codeReferences、implementationReference 和 acceptanceCriteria。

最终输出可由开发者复核并直接进入实施的改造清单，而不是缺少代码依据的概念性建议。

2. 将改造需求转化为可验收的 AI Coding 工程任务

ReachAI 将任务范围、仓库上下文、修改约束、结构化输出和验收条件封装为标准化工程任务，交付给 Codex、Trae、Cursor 或 Claude Code 执行。AI Coding 工具持续回传进度、问题和交付证据；只有代码、服务与真实业务验收全部通过，任务才会闭环。

平台持续核验：