Synaplan — 开源 AI 控制平面：多模型统一接入与 DAG 智能路由

从"AI 孤岛"说起：为什么企业需要 Synaplan？

想象一下这样的场景：你的团队同时使用 OpenAI 处理文案生成、Anthropic Claude 做代码审查、Google Gemini 分析合同文档、本地 Ollama 运行隐私敏感数据——每个平台有独立的 API Key、不同的调用方式、不同的计费逻辑。很快，你的技术债务清单里就会出现一长串"AI 接入适配器"，每次换模型都是一场代码改造。

Synaplan 正是为解决这个痛点而生的：它是一个完全开源（Apache-2.0）的 AI 控制平面平台，将数十家 AI 模型提供商（OpenAI、Anthropic、Google Gemini、Groq、Mistral、xAI、HuggingFace、本地 Ollama 等）统一接入，用户在 Web 界面中切换模型如同换台电视，无需修改任何配置。同时，它通过 DAG（有向无环图）任务路由引擎，根据任务类型自动选择最合适的模型——简单提取任务交给廉价快速的模型，复杂推理任务才动用顶级大模型，从而显著节省 Token 消耗。

背景故事：一家公司的内部工具如何演变为开源平台

Synaplan 最初是开发团队 Metadist 的内部工具，用来管理公司内部各个 AI 模型的调用。随着大模型生态日趋碎片化，团队发现类似的痛点在行业内普遍存在，于是决定将这套内部系统开源。平台的核心差异化在于：自托管版本与云端版本功能完全一致，没有"核心版"和"企业版"的功能阉割——你在本地运行的 Docker 容器，与 synaplan.com 云端使用的是同一套代码。

截至目前，Synaplan 已支持 5,000+ 企业级离线部署案例，涵盖医疗、金融、法律等对数据主权有严格要求的行业。

技术架构：Symfony 后端 + Vue 3 前端的强强组合

Synaplan 的技术选型颇为独特：后端采用 PHP 8.4 + Symfony 8.1，而非 AI 领域常见的 Python 技术栈。这一选择背后有充分理由——Symfony 以稳定性著称，适合长时间运行的企业级服务，且 PHP 在 Web 托管领域生态成熟，降低了自托管的技术门槛。

后端核心依赖一览

类别	技术选型
框架	Symfony 8.1 + API Platform
ORM	Doctrine ORM 3.x
数据库	MySQL/PostgreSQL（via Doctrine DBAL）
AI 集成	OpenAI PHP Client、Anthropic SDK、Gemini API、Ollama PHP
协议	MCP SDK（Model Context Protocol）
消息队列	Symfony Messenger + Redis
认证	JWT (firebase/php-jwt)、OIDC (jumbojett/openid-connect-php)
文档处理	PhpSpreadsheet、PhpWord、PDFParser、Swallow
存储	AWS S3、Local Filesystem
实时通信	Centrifugo（WebSocket）

前端技术栈

前端基于 Vue 3 + TypeScript + Vite，使用 Playwright 进行端到端测试，覆盖多个浏览器（Chromium、Firefox）和移动端场景。值得注意的是，前端对 Node.js 版本要求较高（>=24），测试覆盖包括 WhatsApp 集成测试、OIDC 认证测试等。

目录结构解析

backend/src/
  AI/          — AI 核心逻辑（DAG 路由、模型选择）
  Controller/ — REST API 控制器
  Entity/      — Doctrine 数据实体
  Mcp/         — MCP 协议集成
  Message/     — Symfony Messenger 消息类
  Model/       — 数据模型定义
  Prompt/      — 提示词管理
  Realtime/    — WebSocket 实时通信
  Security/    — 认证授权

frontend/
  Vue 3 + TypeScript 单页应用
  Vite 构建工具

_deploy/
  docker/      — 各服务 Dockerfile（backend/frontend/centrifugo/keycloak）
  scripts/     — 部署脚本
  aws/         — AWS 部署配置
  umbrel/      — Umbrel 硬件节点部署

核心功能：从多模型接入到完全离线私有化

1. 多模型统一接入

Synaplan 的核心价值在于抹平各家 AI API 的差异。用户可以在同一个对话界面中，随意切换使用 GPT-4o、Claude 3.5 Sonnet、Gemini 1.5 Pro，或者本地的 Llama 3.3。所有模型的调用通过统一的接口层管理，切换成本为零。

2. DAG 智能任务路由（Token 节省引擎）

这是 Synaplan 最具技术含量的特性。当用户发起一个复杂请求（如"分析这份 PDF 合同，找出风险条款并生成摘要"），DAG 引擎会自动将任务拆解为多个子步骤：

用户请求 → 文档解析（廉价模型）→ 关键段落提取（廉价模型）
         → 风险分析（顶级推理模型）→ 摘要生成（中等模型）→ 回复输出

每个步骤结束后，结果通过 Centrifugo WebSocket 实时流式传输回前端，用户可以实时看到 DAG 执行卡片（Task Card），了解每个节点的状态和 Token 消耗。任务结束后，每个回答下方都会显示详细的成本明细——这是 Synaplan 的透明哲学：你永远知道每一分钱花在了哪里。

3. MCP 协议与 Agent 支持

Synaplan 集成了 MCP SDK（Model Context Protocol），支持 AI Agent 调用外部工具（如文件操作、数据库查询、API 调用），实现了"有工具调用的对话"。同时提供了 Go、Rust、Python、NodeJS 四种语言的插件开发接口，生态可扩展性极强。

4. 私有知识库 RAG

内置 RAG（检索增强生成）系统，用户可以上传文档（PDF、Word、Excel、PPT），平台自动完成解析、向量化存储和检索。RAG 问答完全离线运行，不依赖任何外部服务，数据不出内网。

5. 全平台覆盖

• Web 应用：Vite + Vue 3 构建的响应式 SPA
• iOS App：App Store 可下载原生应用
• Outlook 插件：在邮件中直接调用 Synaplan AI（参见 Synamail 项目）
• 聊天组件：可嵌入任意网页的 chat widget
• WhatsApp 集成：通过 WhatsApp Cloud API 接入
• Microsoft 365 / Dropbox / Nextcloud / Jira / Confluence：深度集成主流办公工具

部署体验：一键启动，两种模式

Synaplan 提供了极为友好的部署体验。一行命令即可完成：

curl -fsSL https://raw.githubusercontent.com/metadist/synaplan/main/install.sh | bash

安装脚本支持两种模式：

• Try 模式（默认）：克隆仓库并启动 Docker 开发栈，适合本地体验，包含完整的本地 Ollama 模型（gpt-oss:20b、bge-m3），首次启动约需下载 9GB 模型文件
• Server 模式：使用发布版镜像，适合生产环境，支持自定义域名、HTTPS 反向代理配置

Docker 编排包含：backend（PHP-FPM）、frontend（Node 静态服务）、MySQL、Redis、Centrifugo（实时通信）、Keycloak（身份认证）。对于追求极简的用户，还提供了 docker-compose-minimal.yml，仅包含云端 AI 接入（不含本地模型），大幅降低资源占用。

部署硬件要求：标准模式推荐 8GB+ RAM，完全离线运行本地模型时需要更高配置；不使用本地模型时，仅需 4GB+ RAM 和 5GB+ 磁盘空间。

插件生态：多语言扩展

Synaplan 的插件系统支持 Go、Rust、Python、NodeJS 四种语言，插件注册到插件市场后可被其他用户安装使用。这种设计让 Synaplan 的能力边界不再由核心团队决定，而是交给了开源社区。

局限与挑战

• PHP 8.4 要求：这是较新的 PHP 版本，部分 Linux 发行版默认仓库尚未包含，可能需要通过第三方源（如 Ondrej PPA）安装
• 内存占用：完整版含本地模型约 9GB 存储，加上运行时开销，对硬件有一定要求
• 文档深度：快速上手指南完善，但高级配置（如 Kubernetes 部署细节）文档相对简略
• 社区规模：目前 GitHub Stars 111、Forks 11，社区活跃度尚在早期阶段

行业意义：对抗 AI 供应商锁定的开源力量

随着大模型战场从"模型能力竞争"转向"应用生态竞争"，各厂商的 API 差异和定价策略不断变化，企业面临的供应商锁定风险持续上升。Synaplan 的定位恰好在这个问题上提供了答案：不论底层模型如何更换，用户体验保持不变，切换成本几乎为零。

其"完全开源、无功能阉割"的产品哲学（自托管与云端同代码），在当前 AI 平台普遍采用"开源核心 + 闭源增值"策略的背景下，显得尤为难得。对于有数据合规要求（GDPR、等保三级）或希望保护私有数据的组织，Synaplan 的离线部署能力是不可替代的优势。

---

本报告基于 GitHub 仓库 v1.x 版本生成，图片来源于项目官方仓库。