随着 AI 功能在各类应用中加速普及，Halo 生态也迎来了新的进化契机。然而，在一个插件化系统中，引入 AI 绝非“接入一个模型接口”那么简单。如果多个插件都需要文本生成、语义理解、向量检索或工具调用，让每个插件各自造一套轮子，不仅会带来严重的开发冗余，也会让站点的密钥管理和模型配置变得混乱。
plugin-ai-foundation 由此而生。作为 Halo 官方提供的公共 AI 能力基础设施，它旨在统一管理模型提供商、模型配置及站点级默认模型，并向生态内的其他插件提供可复用的 Java SDK。该项目现已开源，仓库地址为 halo-dev/plugin-ai-foundation。
AI Foundation 的定位
AI Foundation 本身不绑定任何具体的业务场景，也不是对某个特定模型服务商的简单封装。它更像是嵌入 Halo 站点内部的“AI 基础设施层”。
管理员只需在控制台中一次性配置所需的模型提供商（目前已支持 OpenAI、DeepSeek、Kimi、Ollama、OpenAI-like 等主流服务），统一管理语言模型（LLM）和嵌入模型（Embedding），并设置站点级的默认模型。用户无需在多个插件中重复填写 API Key，确保了站点资产的安全与整洁。
对于插件开发者而言，核心关注点将从“如何适配五花八门的 Provider”彻底回归到“我的插件需要实现什么 AI 体验”本身。通过 AI Foundation 提供的统一接口 AiModelService ，开发者可以轻松获取 LanguageModel 或EmbeddingModel，一脉相承地完成以下核心任务：
- 文本生成与流式输出（Stream）
- 结构化输出（JSON Schema 提取）
- 工具调用（Tool Calling / Function Calling）
- 文本向量化（Embedding）
未来的 AI 插件生态
可以预见，通过 AI Foundation 的串联，Halo 插件里的 AI 能力嵌入将更加流畅自然，也可以更具想象力与创造性。譬如：
- 内容与生产力：内容类插件可以无缝集成智能摘要、标题推荐、标签自动生成、多语言翻译及结构化信息提取。
- 搜索与知识库：搜索和增强类插件可以基于统一的嵌入模型，轻松实现更懂用户的语义搜索或企业级 RAG（检索增强生成）。
- 用户互动与站点运营：评论、工单、社区类插件可以利用 AI 辅助文本分类、敏感风险提示并自动生成回复草稿。
- 编辑器与主题：将 AI 植入写作辅助、智能排版以及网页可访问性的优化建议中。
更进一步，工具调用会让 AI 和插件能力真正配合起来。模型不只是生成一段话，也可以在受控条件下请求调用插件提供的工具，例如查询已有内容、读取站点上下文、检查链接状态，或者把结构化结果交还给业务流程。对于可能会修改数据、调用外部系统或产生费用的高敏感工具，AI Foundation 也提供了工具审批相关能力，为后续更安全的智能工作流留出了空间。
这正是 AI Foundation 这层底座的核心价值所在。Halo 始终认为，健康的 AI 插件生态不应盲目追求“功能堆砌”。最理想的状态是：模型能力由站点统一治理，业务插件保持清晰的边界，用户能明确感知 AI 在何时参与、使用了何种上下文，且关键结果始终处于人工确认的掌控之中。
欢迎插件开发者尝试接入
AI Foundation 现已开源，我们诚挚地邀请各位插件开发者尝试将这套能力接入到自己的项目中。你可以从一些轻量级的场景开始探索，比如，为你的文章或评论插件加一个 AI 摘要/标签建议、实现一个简单的语义检索，或者尝试设计一个需要管理员人工确认的工具调用流程。
接入过程中，如果遇到 SDK 使用、模型适配、默认模型、工具调用、结构化输出等问题，欢迎在 halo-dev/plugin-ai-foundation 反馈，也欢迎提交 issue、PR，或者直接分享你希望在 Halo 插件里实现的 AI 场景。
AI Foundation 将持续演进。它不会替你决定产品功能，而是把模型接入、能力调用、密钥管理和工具执行等通用逻辑收拢到一个公共边界之内，用一套稳定的 AI 底座解放开发者的想象力，也让用户告别重复配置。
评论