《60天AI学习计划启动 | Day 15: 综合项目实战 - 完整 AI 应用开发》

Day 15: 综合项目实战 - 完整 AI 应用开发

学习目标

• 整合前14天知识点
• 完成完整项目
• 项目总结与复盘
• 部署上线
• 文档编写

---

核心学习内容

1. 项目架构整合

完整功能模块：

AI 应用项目
├── 前端 (Vue/React)
│   ├── 聊天界面
│   ├── 文档管理
│   ├── 模型选择
│   ├── 反馈系统
│   └── 设置面板
├── 后端 (Express)
│   ├── API 路由
│   ├── AI 服务
│   │   ├── OpenAI 集成
│   │   ├── Ollama 集成
│   │   ├── RAG 服务
│   │   └── Agent 系统
│   ├── 向量数据库
│   ├── 文档处理
│   └── 优化系统
└── 数据存储
    ├── 向量数据
    ├── 文档元数据
    └── 用户反馈

2. 项目功能清单

核心功能：

• ✅ 智能聊天（流式响应）
• ✅ 文档上传与管理
• ✅ RAG 文档问答
• ✅ Function Calling
• ✅ AI Agent
• ✅ 模型切换（OpenAI/Ollama）
• ✅ A/B 测试
• ✅ 用户反馈
• ✅ 性能监控

---

实践作业

作业1：项目结构整理

项目目录：

ai-frontend-project/
├── README.md
├── package.json
├── .env.example
├── .gitignore
├── src/
│   ├── server.js              # 服务器入口
│   ├── config/
│   │   ├── langchain.js       # LangChain 配置
│   │   └── database.js       # 数据库配置
│   ├── routes/
│   │   ├── chat.js           # 聊天路由
│   │   ├── rag.js            # RAG 路由
│   │   ├── documents.js      # 文档路由
│   │   ├── agent.js          # Agent 路由
│   │   ├── local-llm.js      # 本地模型路由
│   │   └── optimization.js   # 优化路由
│   ├── services/
│   │   ├── openai.js         # OpenAI 服务
│   │   ├── ollama.js         # Ollama 服务
│   │   ├── rag.js            # RAG 服务
│   │   ├── vector-db.js      # 向量数据库
│   │   ├── document-processor.js
│   │   ├── agent/
│   │   │   ├── base-agent.js
│   │   │   ├── react-agent.js
│   │   │   └── planner-agent.js
│   │   ├── ab-test.js        # A/B 测试
│   │   ├── feedback.js       # 反馈系统
│   │   └── performance-monitor.js
│   ├── agents/
│   │   └── tools.js          # Agent 工具
│   ├── utils/
│   │   ├── logger.js
│   │   └── vector-math.js
│   └── middleware/
│       └── error-handler.js
├── frontend/
│   ├── src/
│   │   ├── components/
│   │   │   ├── ChatBot.vue
│   │   │   ├── DocumentAssistant.vue
│   │   │   ├── ModelSelector.vue
│   │   │   └── FeedbackWidget.vue
│   │   ├── utils/
│   │   │   └── api.js
│   │   └── App.vue
│   └── package.json
├── data/                      # 数据目录
│   ├── vectors.json
│   ├── documents.json
│   └── feedback.json
└── docs/                      # 文档
    ├── API.md
    ├── DEPLOYMENT.md
    └── ARCHITECTURE.md

作业2：完善主服务器

src/server.js（完整版）：

import express from 'express';
import cors from 'cors';
import { chatRouter } from './routes/chat.js';
import { ragRouter } from './routes/rag.js';
import { documentsRouter } from './routes/documents.js';
import { agentRouter } from './routes/agent.js';
import { localLLMRouter } from './routes/local-llm.js';
import { optimizationRouter } from './routes/optimization.js';
import { vectorDBRouter } from './routes/vector-db.js';
import { errorHandler } from './middleware/error-handler.js';
import { logger } from './utils/logger.js';
import { performanceMonitor } from './services/performance-monitor.js';

const app = express();
const PORT = process.env.PORT || 3000;

// 中间件
app.use(cors({
  origin: process.env.FRONTEND_URL || 'http://localhost:5173',
  credentials: true
}));
app.use(express.json());
app.use(express.urlencoded({ extended: true }));

// 请求日志
app.use((req, res, next) => {
  const requestId = performanceMonitor.recordRequest({
    method: req.method,
    path: req.path,
    ip: req.ip
  });
  
  req.requestId = requestId;
  const startTime = Date.now();
  
  res.on('finish', () => {
    const duration = Date.now() - startTime;
    performanceMonitor.recordResponseTime(requestId, duration, {
      statusCode: res.statusCode
    });
  });
  
  logger.info(`${req.method} ${req.path}`);
  next();
});

// 健康检查
app.get('/health', (req, res) => {
  res.json({
    status: 'ok',
    timestamp: new Date().toISOString(),
    uptime: process.uptime()
  });
});

// API 路由
app.use('/api/chat', chatRouter);
app.use('/api/rag', ragRouter);
app.use('/api/documents', documentsRouter);
app.use('/api/agent', agentRouter);
app.use('/api/local-llm', localLLMRouter);
app.use('/api/optimization', optimizationRouter);
app.use('/api/vector-db', vectorDBRouter);

// 404 处理
app.use((req, res) => {
  res.status(404).json({
    success: false,
    error: '接口不存在'
  });
});

// 错误处理
app.use(errorHandler);

// 启动服务器
app.listen(PORT, () => {
  logger.success(`🚀 服务器运行在 http://localhost:${PORT}`);
  logger.info(`环境: ${process.env.NODE_ENV || 'development'}`);
});

// 优雅关闭
process.on('SIGTERM', () => {
  logger.info('收到 SIGTERM，正在关闭服务器...');
  process.exit(0);
});

process.on('SIGINT', () => {
  logger.info('收到 SIGINT，正在关闭服务器...');
  process.exit(0);
});

作业3：编写项目文档

README.md：

# AI 智能应用项目

一个功能完整的 AI 应用，整合了聊天、文档问答、Agent 等多种功能。

## 功能特性

- 🤖 **智能聊天**：支持流式响应，体验流畅
- 📚 **文档问答**：基于 RAG 的文档智能问答
- 🔧 **Function Calling**：AI 调用外部工具
- 🤖 **AI Agent**：自主任务执行
- 🏠 **本地模型**：支持 Ollama 离线运行
- 📊 **A/B 测试**：持续优化提示词
- 💬 **用户反馈**：收集改进建议
- 📈 **性能监控**：实时性能分析

## 技术栈

### 后端
- Node.js + Express
- OpenAI API
- Ollama
- LangChain
- 向量数据库

### 前端
- Vue 3 / React
- Axios
- Markdown 渲染

## 快速开始

### 环境要求
- Node.js >= 18
- OpenAI API Key（或 Ollama）

### 安装

\`\`\`bash
# 克隆项目
git clone <repository-url>
cd ai-frontend-project

# 安装依赖
npm install

# 配置环境变量
cp .env.example .env
# 编辑 .env 文件，填入 API Key
\`\`\`

### 运行

\`\`\`bash
# 开发模式
npm run dev

# 生产模式
npm start
\`\`\`

## 项目结构

\`\`\`
ai-frontend-project/
├── src/              # 源代码
├── frontend/         # 前端代码
├── data/             # 数据存储
└── docs/             # 文档
\`\`\`

## API 文档

详见 [API.md](./docs/API.md)

## 部署

详见 [DEPLOYMENT.md](./docs/DEPLOYMENT.md)

## 学习路径

本项目是 60 天 AI 学习计划的第 15 天项目，整合了前 14 天的所有知识点。

## 许可证

MIT

docs/API.md：

# API 文档

## 基础信息

- Base URL: `http://localhost:3000/api`
- 所有响应格式：JSON

## 接口列表

### 聊天接口

#### POST /api/chat
普通聊天

**请求：**
\`\`\`json
{
  "message": "你好",
  "conversationHistory": []
}
\`\`\`

**响应：**
\`\`\`json
{
  "success": true,
  "data": {
    "message": "你好！",
    "usage": {
      "total_tokens": 50
    }
  }
}
\`\`\`

#### POST /api/chat/stream
流式聊天

### RAG 接口

#### POST /api/rag/answer
基于文档回答问题

#### POST /api/rag/stream
流式 RAG 回答

### 文档接口

#### POST /api/documents/upload
上传文档

#### POST /api/documents/text
添加文本

### Agent 接口

#### POST /api/agent/react
ReAct Agent

#### POST /api/agent/planner
Planner Agent

### 本地模型接口

#### GET /api/local-llm/health
健康检查

#### POST /api/local-llm/chat
本地模型聊天

### 优化接口

#### GET /api/optimization/ab-test/results
A/B 测试结果

#### POST /api/optimization/feedback
提交反馈

#### GET /api/optimization/performance/stats
性能统计

作业4：部署配置

docs/DEPLOYMENT.md：

# 部署指南

## 部署选项

### 1. Vercel（推荐前端）

\`\`\`bash
# 安装 Vercel CLI
npm i -g vercel

# 部署
vercel
\`\`\`

### 2. Railway（推荐后端）

1. 注册 Railway 账号
2. 连接 GitHub 仓库
3. 配置环境变量
4. 自动部署

### 3. Docker 部署

\`\`\`dockerfile
# Dockerfile
FROM node:18-alpine

WORKDIR /app

COPY package*.json ./
RUN npm install --production

COPY . .

EXPOSE 3000

CMD ["npm", "start"]
\`\`\`

\`\`\`bash
# 构建镜像
docker build -t ai-app .

# 运行容器
docker run -p 3000:3000 --env-file .env ai-app
\`\`\`

### 4. 传统服务器部署

\`\`\`bash
# 使用 PM2
npm install -g pm2

# 启动应用
pm2 start src/server.js --name ai-app

# 设置开机自启
pm2 startup
pm2 save
\`\`\`

## 环境变量配置

\`\`\`env
# OpenAI
OPENAI_API_KEY=your-key

# Ollama
OLLAMA_URL=http://localhost:11434
OLLAMA_MODEL=llama2

# 服务器
PORT=3000
NODE_ENV=production
FRONTEND_URL=https://your-frontend.com

# 数据库（如使用）
DATABASE_URL=your-database-url
\`\`\`

## 性能优化

1. 启用缓存
2. 使用 CDN
3. 数据库连接池
4. 负载均衡

作业5：项目总结文档

docs/PROJECT_SUMMARY.md：

# 项目总结

## 项目概述

本项目是一个完整的 AI 应用，整合了多种 AI 技术和功能。

## 技术实现

### 1. 基础聊天功能
- ✅ 流式响应
- ✅ 对话历史管理
- ✅ 多模型支持

### 2. RAG 文档问答
- ✅ 文档向量化
- ✅ 相似度搜索
- ✅ 上下文组装

### 3. Function Calling
- ✅ 工具定义
- ✅ 函数调用
- ✅ 结果处理

### 4. AI Agent
- ✅ ReAct Agent
- ✅ Planner Agent
- ✅ 工具集成

### 5. 本地模型
- ✅ Ollama 集成
- ✅ 模型切换
- ✅ 性能对比

### 6. 优化系统
- ✅ A/B 测试
- ✅ 用户反馈
- ✅ 性能监控

## 学习收获

### 技术层面
1. 掌握了 AI 应用开发流程
2. 理解了 RAG、Agent 等核心概念
3. 学会了性能优化和监控
4. 掌握了部署和运维

### 项目层面
1. 完整的项目开发经验
2. 代码组织和架构设计
3. 文档编写能力
4. 问题解决能力

## 改进方向

### 短期
- [ ] 添加用户认证
- [ ] 实现数据持久化
- [ ] 优化 UI/UX
- [ ] 增加测试覆盖率

### 长期
- [ ] 多租户支持
- [ ] 更强大的 Agent
- [ ] 模型微调
- [ ] 分布式部署

## 技术债务

1. 错误处理需要完善
2. 测试用例不足
3. 文档需要补充
4. 性能需要优化

## 项目亮点

1. ✅ 功能完整
2. ✅ 代码结构清晰
3. ✅ 文档完善
4. ✅ 易于扩展

作业6：创建部署脚本

scripts/deploy.sh：

#!/bin/bash

echo "=== AI 应用部署脚本 ==="

# 检查 Node.js
if ! command -v node &> /dev/null; then
    echo "错误: 未安装 Node.js"
    exit 1
fi

# 检查环境变量
if [ ! -f .env ]; then
    echo "警告: .env 文件不存在"
    echo "请复制 .env.example 并配置"
fi

# 安装依赖
echo "安装依赖..."
npm install

# 构建（如果有前端）
if [ -d "frontend" ]; then
    echo "构建前端..."
    cd frontend
    npm install
    npm run build
    cd ..
fi

# 运行测试（如果有）
if [ -f "package.json" ] && grep -q "\"test\"" package.json; then
    echo "运行测试..."
    npm test
fi

# 启动应用
echo "启动应用..."
if command -v pm2 &> /dev/null; then
    pm2 start src/server.js --name ai-app
    echo "应用已启动 (PM2)"
else
    npm start
fi

echo "部署完成！"

---

遇到的问题

问题1：环境变量管理

解决方案：

// 使用 dotenv
import 'dotenv/config';

// 验证必需的环境变量
const requiredEnvVars = ['OPENAI_API_KEY'];
requiredEnvVars.forEach(varName => {
  if (!process.env[varName]) {
    throw new Error(`缺少环境变量: ${varName}`);
  }
});

问题2：跨域问题

解决方案：

// CORS 配置
app.use(cors({
  origin: process.env.FRONTEND_URL || 'http://localhost:5173',
  credentials: true
}));

---

学习总结

今日收获

1. ✅ 整合所有知识点
2. ✅ 完成完整项目
3. ✅ 编写项目文档
4. ✅ 准备部署上线
5. ✅ 项目总结复盘

关键知识点

• 项目整合，将知识点串联
• 文档编写，便于维护
• 部署上线，实际应用
• 总结复盘，持续改进

项目亮点

• ✅ 功能完整
• ✅ 架构清晰
• ✅ 代码规范
• ✅ 文档完善

---

15 天学习总结

学习路径回顾

1. Day 1-3：AI 基础 + Node.js + API 调用
2. Day 4-5：流式响应 + 项目实战
3. Day 6-7：提示工程 + Function Calling
4. Day 8-9：向量数据库 + RAG
5. Day 10：项目完善
6. Day 11：LangChain 框架
7. Day 12：本地模型部署
8. Day 13：AI Agent 开发
9. Day 14：应用优化
10. Day 15：项目整合

技能掌握

• ✅ AI 应用开发
• ✅ RAG 实现
• ✅ Agent 开发
• ✅ 性能优化
• ✅ 项目部署

---

明日计划

继续学习：

• 深入学习 LangChain
• 探索更多 AI 应用场景
• 参与开源项目
• 持续优化项目

继续加油！ 🚀

---

参考资源

• 项目 GitHub
• 部署文档
• API 文档

---

代码仓库

项目已完成：

• ✅ 完整功能实现
• ✅ 文档完善
• ✅ 部署准备
• ✅ 项目总结

GitHub 提交： Day 15 - 项目整合完成

---

标签： #AI学习 #项目实战 #项目总结 #部署上线 #学习笔记

---

写在最后

恭喜完成 15 天的 AI 学习！这是一个重要的里程碑。
通过这 15 天的学习，你已经掌握了 AI 应用开发的核心技能。
接下来可以继续深入学习，探索更多 AI 应用场景！

继续加油，未来可期！ 💪🎉

---

快速检查清单

• 项目功能完整
• 代码结构清晰
• 文档编写完善
• 部署配置完成
• 项目总结完成
• 学习笔记已记录

完成这些，第十五天就达标了！ ✅