AI应 用离线部署与信创适配：让AI应用在隔离环境运行
政企内网、客户现场和信创项目经常无法直接使用公有云 AI 服务。通过 Rainbond，可以把 AI 生成的业务应用、Dify 类 Agent 应用和大模型放进企业自己的离线或国产化环境，用户从内部地址访问，知识库、业务数据和模型请求留在指定网络中。
AI应用进入离线信创环境后的运行方式
- 01
准备AI资产
代码、业务镜像、Agent组件和模型文件进入企业内部。
- 02
AI发起部署
通过 RainSkills 或 RainAgent 创建和配置应用。
- 03
Rainbond承载
统一运行应用、Agent、数据服务和模型实例。
- 04
内网用户访问
从内部域名使用业务应用、知识库和模型能力。
哪些AI应用可以部署到离线信创环境
| AI应用类型 | 在Rainbond中的运行方式 | 用户获得的效果 |
|---|---|---|
| AI生成的业务代码 | 从内网代码仓库构建，或直接使用企业镜像 | 前端、API和数据服务在企业环境持续运行 |
| Dify类AI Agent应用 | 将Dify及数据库、Redis、向量服务等作为完整应用运行 | Agent、知识库和工作流在内网使用 |
| AI大模型 | 在企业算力上创建模型实例并提供 内部API | 业务系统不再依赖公网模型地址 |
三类应用可以单独部署，也可以在同一套 Rainbond 中连接。例如，内部业务系统调用 Dify，Dify 再通过内网 API 调用企业自己的模型。
Rainbond在离线环境中解决什么
让应用运行不依赖公网服务
代码仓库、镜像、语言依赖、Agent组件和模型文件准备到企业内部后，应用的构建、启动、访问和日常运维都可以在目标网络内完成。
让复杂AI应用仍然按应用管理
Dify等Agent平台包含多个业务和数据服务。Rainbond用应用拓扑管理这些服务之间的关系，出现问题时可以继续查看组件状态、日志和事件，而不是回到服务器逐个找进程。
让模型成为内部服务
大模型运行在企业指定的CPU、GPU或其 他算力环境中，通过内部地址和API密钥提供给业务应用。模型服务可以独立更新和监控，不必与Dify或业务代码绑在同一个容器中。
让AI继续帮助部署和排错
开发者可以在Claude Code、Codex中通过RainSkills部署AI生成代码或Dify类应用；平台用户可以在Rainbond控制台使用RainAgent完成部署、排错和访问验证。
离线部署与信创部署关注点不同
| 场景 | 主要限制 | Rainbond的作用 |
|---|---|---|
| AI应用离线部署 | 不能访问公网代码仓库、镜像仓库、模型站点或外部API | 使用企业内部可用的代码、镜像、依赖和模型运行应用 |
| 信创AI应用部署 | CPU架构、操作系统、数据库、中间件和算力设备需要国产化适配 | 统一管理不同架构下的应用组件和服务关系 |
| 离线+信创 | 同时存在网络隔离与软硬件适配要求 | 在目标环境中保持一致的应用部署和运维入口 |
信创适配需要落实到具体组合。Rainbond能够运行在X86和ARM环境，但业务镜像、Dify依赖、国产数据库、GPU或加速卡以及推理框架，仍要根据目标版本逐项验证。
三类AI能力在私有环境中的运行结果
最终交付的是一套可用的企业AI环境
常见问题
AI应用离线部署必须同时部署私有大模型吗？
如果环境完全不能访问公网模型，就需要准备私有模型；企业允许通过受控出口调用模型时，也可以只把应用和数据部署在内网。
RainSkills和RainAgent在离线环境中能做什么？
它们可以帮助部署AI生成代码和Dify类Agent应用，并继续读取Rainbond中的运行状态、日志和访问结果。Agent本身需要能够访问企业允许使用的模型服务。
支持ARM是否代表所有AI应用都完成信创适配？
不代表。业务镜像、数据库、Dify依赖、GPU或加速卡、驱动和推理框架都需要按目标环境分别验证。