用AI花了两周时间给 Halo 开发了一个 AI 套件（halo-plugin-ai-suite）插件

rainwu

把 Halo 博客变成一个能回答、会检索、可辅助创作，也懂内容运营的 AI 知识站。
面向 Halo 2.24+ 的一体化 AI 插件，提供 RAG 智能问答、AI 搜索、写作辅助、摘要、脑图、效果评测、意图路由与运营智能体。兼容 OpenAI API 协议，内置 Lucene 混合检索，无需额外部署向量数据库。

它解决什么问题

博客通常不缺内容，缺的是让内容被重新发现、准确回答和持续复用的能力。AI 智能套件围绕文章从生产到消费的完整链路工作：

访客找答案：基于站内文章进行多轮问答，回答附带原文引用，而不是脱离博客自由发挥。
搜索更直接：在关键词结果之外，先给出一段可追溯的 AI 综合回答。
作者写得更快：在 Halo 编辑器内完成润色、续写、扩写、简化、翻译和大纲生成。
内容更易理解：自动生成文章摘要与可交互脑图。
运营有依据：从真实访客问题中发现内容缺口，形成选题、大纲和旧文优化建议。
高频问题走捷径：用可配置的意图路由处理“最新文章”“热门内容”“某标签文章”等确定性请求，命中后无需经过 RAG。

功能全景

面向访客	面向作者与运营者
RAG 智能问答：全站文章多轮对话、流式输出、引用溯源	写作辅助：润色、续写、扩写、简化、译英，多轮追加要求并一键应用
AI 搜索：搜索页生成综合回答，并保留关键词结果	AI 摘要：单篇或批量生成 Halo 文章摘要
文章脑图：自动生成并缓存可交互思维导图	索引中心：全量/单篇重建，查看切片、关键词与索引状态
问答反馈：点赞、点踩结果进入后台分析	效果评测：维护评测集，检查检索命中、回答质量与引用效果
意图路由：确定性问题进入可编排 Pipeline，响应更稳定	运营智能体：分析访客需求与文章覆盖，产出可执行的内容建议
主题无关注入：原生 JS/CSS Widget 接入 Halo 前台	用量与审计：模型 token、调用记录、失败率、限额与检索链路追踪

实际界面

以下截图来自 rainwu.cn 测试环境，展示当前版本的真实运行效果。站点内容、统计数字和界面细节会随数据与版本变化。

访客端

RAG 智能问答

基于博客内容回答，展示文章引用与反馈操作。

文章 AI 脑图

聚焦显示文章结构，支持节点折叠、展开与原文跳转。

Console 管理端

索引中心	意图路由
]()	[
查看索引健康度、切片、关键词覆盖与维护建议	管理触发词、处理器 Pipeline、优先级与启用状态

检索增强	AI 搜索

配置 Query Rewrite、HyDE、Rerank 与跨语言检索	调整回答策略、界面主题，并实时预览搜索卡片

AI 脑图	写作辅助

设置生成参数、独立主题，并管理文章脑图	配置编辑器 AI 动作、写作模型与大纲生成

效果评测	运营智能体

管理评测集、运行范围与回答质量指标	分析站内内容缺口，生成选题与旧文更新建议

系统全景架构

主图采用“体验入口 → 业务能力 → AI 编排核心 → 共享基础设施 → 数据与知识”的阅读路径。蓝色表示同步业务流，紫色表示模型调用，绿色表示内容与索引数据流；具体类级调用继续由下方专项图展开。

📦 获取与安装

目前插件尚未发布到 Halo 应用市场，也暂未上传 GitHub。近期打磨完成会尽快上架，目前我的个人博客访客端 rainwu.cn 已经在用了

🙋 关于作者

我是 rainwu ，折腾博客多年，一直觉得博客写好之后内容就"沉睡"了——能看，但不够"可用"。这套插件是我把博客从"内容展示"往"知识服务"方向推的一步尝试，如果它对你也有用，欢迎一起来完善它。

🗺️ 后续计划

上传 GitHub 并补充完整安装文档
提交至 Halo 应用市场

💬 反馈与讨论

欢迎在本帖评论区留言，或私信我反馈问题。如果你也在做类似的方向，非常欢迎一起聊聊。

Ryan Wang 👍

有用到 halo-dev/plugin-ai-foundation 吗？如果没有用到的话，建议接入，因为这样能让用户在一个地方统一配置模型，其他插件只需要基于模型去做 AI 相关的功能。

rainwu

Ryan Wang 👍 我开发的时候好像还没出这个，自己写了一个😂我研究一下。

Ryan Wang 👍

rainwu 可以让 AI 试试，有缺失的功能可以提出来。我们做这个的目的就是避免用户在每一个有 AI 功能的插件都要配置一遍模型，这样会比较繁琐。AI Foundation 的目标就是做一套统一的模型基础设施，比如现在已有的模型配置、语言模型/向量模型调用 API、工具调用等。

rainwu

为什么bge-m3模型没办法配置为向量模型呢？只能选择语言模型和ReRank

rainwu

好像默认类型只有俩，Embedding模型和图像生成模型都没有。

Takagi

rainwu 这个是因为在代码中暂时限制了 Gitee 只有语言模型和 Rerank。

下个版本会修改这里，手动修改时将可以选定为任意的模型类型，不再进行限制。

所以麻烦只能暂时先使用其他模型了，例如智谱等。等下个版本升级后再使用 Gitee 的嵌入模型

rainwu

Takagi 问一下，模型的思考模式的开启和关闭在 AI Foundation 上有做什么配置吗？目前这块处理逻辑是啥？

Takagi

rainwu 目前会根据每个 Provider 去做特殊处理。不过思考模式的开启与关闭这里受 provider 和 model 的影响，也没有一个完善的规范，所以此功能目前并不一定可靠。比较可靠的做法是自行使用 providerOptions 去对每个 provider 做特殊处理。

rainwu

更新：v0.3.3 已开源，可以直接安装体验了

之前发帖时项目还没有公开。最近把代码、文档、截图和可安装制品都整理完成，也根据 @ryan Wang 👍 的建议，将模型能力完整接入 Halo AI Foundation：模型供应商、Base URL、API Key 和默认模型统一由 AI Foundation 管理，AI 智能套件只负责 RAG、搜索、写作、摘要、脑图、评测和运营流程。

现在可以从这里获取

GitHub：https://github.com/xianyuwu/halo-plugin-ai-suite
v0.3.3 安装包：https://github.com/xianyuwu/halo-plugin-ai-suite/releases/tag/v0.3.3
完整文档：https://ai-suite-docs.rainwu.cn
问题与建议：https://github.com/xianyuwu/halo-plugin-ai-suite/issues

安装前请注意

需要 Halo 2.25+。
需要先安装并配置 Halo AI Foundation。
下载 plugin-ai-suite-0.3.3.jar，在 Halo Console 的「插件」页面上传并启用。
模型调用可能产生第三方 API 费用；用于问答、Embedding、摘要或写作的站点内容会发送给你在 AI Foundation 中自行配置的模型服务商，请按自己的数据与隐私要求选择供应商。
应用市场上架正在等待开发者资格审核，现阶段请从 GitHub Release 手动安装。

这一版已经包含 RAG 智能问答、AI 搜索、写作辅助、文章摘要、交互脑图、意图路由、效果评测、用量审计和内容缺口运营智能体。项目采用 GPL-3.0 开源。

如果你愿意帮忙，最有价值的不是一句“支持”，而是：

用自己的 Halo 站点实际装一次；
告诉我你使用的模型供应商和遇到的兼容问题；
在 GitHub 提 Issue，或给仓库一个 Star，让更多 Halo 用户能看到它。

尤其欢迎反馈：首次配置是否清楚、不同主题下访客端是否正常、RAG 引用是否准确，以及你最希望下一版优先补什么。

DFIR

安装提示：缺少 plugin.yaml 配置文件或配置文件不符合规范。

DFIR

DFIR 是我本地环境问题，还是插件不完整啊？

DFIR

DFIR 下载本地安装可以。另外，开启后配置好了，没见有哪个搜索出现

rainwu

DFIR 访客搜索框由 Halo 官方搜索插件提供。因此，启用面向访客的 AI 搜索时，应同时安装并启用 Halo 官方搜索插件。你可以用快捷键试试Ctrl/Cmd + K
看一下这个文档https://ai-suite-docs.rainwu.cn/user-guide/ai-search

ceet

https://file.hf12377.cn/statics/2026/07/08/7417e4f8-2aa5-40d8-9c86-5180dfb05145.png

https://file.hf12377.cn/statics/2026/07/08/52bf4750-4820-49e1-aada-ba5c3023bac1.png

我这两个好奇怪。内部服务器错误

rainwu

ceet 这个是 AI Foundation 的报错，重装装最新版看看

handsome

ceet 你用5.2测试重排序能不报错吗哥哥智谱的重排序是固定的 https://docs.bigmodel.cn/api-reference/%E6%A8%A1%E5%9E%8B-api/%E6%96%87%E6%9C%AC%E9%87%8D%E6%8E%92%E5%BA%8F

rainwu

handsome 我用的是 Gitee 模力方舟免费的重排序模型，开源的bge-reranker-v2-m3，没有报错，测试是正常的，智谱的没测试过。

handsome

rainwu 图片测试用的是GLM-5.2 我说的是图片

rainwu

handsome 没看明白，你图片里说的GLM5.2是对话模型不是重排序模型，你发的链接是重排序模型，model名称是 rerank，你看一下调用链接里写的的 "model": "rerank" 。你搞错模型了。

rainwu

handsome 你要分清楚模型类型，RAG领域一般分为对话模型，向量模型Embedding，重排序模型和改写模型，对话模型和改写模型可以共用，比如DeepSeek V4，GLM 5.2 这种，向量模型和重排序模型是单独的模型，比如bge-m3是向量模型，bge-reranker-v2-m3是重排序模型，对话模型不能作为向量和重排序。你要先搞清楚概念

败犬

rainwu 额，没问题啊， @handsome 表达的是 @ceet 使用 GLM 5.2 做 Rerank 测试，但 GLM 5.2 不支持 Rerank ，所以发个链接让 @ceet 换成智谱的 Rerank 模型。