摘要：
Day 38：多会话 & 多 Tab 同步（前端层） 学习目标 设计 多会话模型：当前会话 + 会话列表（标题/摘要/时间） 掌握 利用 localStorage + storage 事件 做多 Tab 状态同步 实现 简单的会话新建 / 重命名 / 归档逻辑 核心知识点 多会话数据模型 Sessi 阅读全文
posted @ 2025-12-17 10:39
XiaoZhengTou
阅读(1)
评论(0)
推荐(0)
摘要：
Day 37：AI 聊天性能优化（大量消息 & 流式渲染） 学习目标 识别 聊天页面性能瓶颈（大量 DOM / 频繁 setState） 掌握 “只渲染最近 N 条消息”与简单虚拟化思路 会实现 流式输出的前端节流，减少重渲染次数 核心知识点 性能瓶颈来源 消息越来越多：messages.lengt 阅读全文
posted @ 2025-12-17 10:37
XiaoZhengTou
阅读(1)
评论(0)
推荐(0)
摘要：
Day 36：Prompt 实验台 & 前端 A/B 对比 学习目标 同一个问题 下，快速对比多套 Prompt 的效果 在前端配置/切换 Prompt 模板，收集主观评分 打基础：后面可接“线上 A/B + 日志分析” 核心知识点 PromptVariant 抽象 export interface 阅读全文
posted @ 2025-12-17 10:36
XiaoZhengTou
阅读(3)
评论(0)
推荐(0)
摘要：
Day 35：前端 AI 调试面板（日志 / 请求回放） 学习目标 掌握 记录每次 AI 调用的关键数据（prompt/response/耗时/错误） 理解 请求回放的价值（复现问题 / 调 Prompt） 会设计 一个简单的前端“调试面板”数据结构 核心知识点 1. 需要记录什么 请求侧：id / 阅读全文
posted @ 2025-12-17 10:33
XiaoZhengTou
阅读(1)
评论(0)
推荐(0)
摘要：
Day 01–05：基础环境 & 简单聊天 LLM 基础概念、OpenAI 注册与首次 API 调用 Node.js 环境、项目结构、npm 使用 Express 后端 + 前端调用，完成最简单聊天接口 SSE 流式响应，实现打字式输出 整合成基础聊天机器人（消息列表 + 输入框） Day 06–1 阅读全文
posted @ 2025-12-17 10:21
XiaoZhengTou
阅读(3)
评论(0)
推荐(0)
摘要：
Day 34：前端 Prompt 模板 & 配置化（可复用提示词系统） 学习目标 梳理 前端侧 Prompt 的“可配置 + 可复用”方案 掌握 Prompt 模板 + 占位符参数（类似 i18n） 会做 一个简单的「Prompt 模板选择 + 参数填充」数据模型 核心知识点 1. Prompt 模 阅读全文
posted @ 2025-12-17 10:11
XiaoZhengTou
阅读(4)
评论(0)
推荐(0)
摘要：
Day 33：前端 AI 状态管理 & 缓存（会话 / 历史 / 本地持久化） 学习目标 理清 聊天类 AI 应用前端需要管理的状态维度 掌握 用轻量状态库（如 Zustand）管理会话 & 全局配置 会实现 最近 N 条会话的本地缓存（localStorage） 核心知识点 1. 需要管理的状态 阅读全文
posted @ 2025-12-17 09:56
XiaoZhengTou
阅读(1)
评论(0)
推荐(0)
摘要：
Day 32：前端 AI 请求封装（SSE 流式 + 重试） 学习目标 封装 通用 SSE 流式请求 hook 实现 普通请求的重试工具（指数退避） 方便 以后任何 AI 接口直接复用 核心知识点（简记） SSE：fetch + reader 或 EventSource，推荐统一封成 hook 重试 阅读全文
posted @ 2025-12-17 09:55
XiaoZhengTou
阅读(2)
评论(0)
推荐(0)
摘要：
Day 31：前端 + 多模态 AI（图片 / 文件 / 截图） 学习目标 理解 前端如何把图片/文件接入 AI（不只文本） 掌握 基础多模态场景：图片描述、表格截图识别、PDF/Excel 解析入口 会设计 通用的「上传 → 预览 → 调用 AI → 展示结果」前端流程 核心知识点 多模态入口形态 阅读全文
posted @ 2025-12-17 09:52
XiaoZhengTou
阅读(1)
评论(0)
推荐(0)
摘要：
一、Day 20–30 总结（前端 + AI 方向） Day 20 项目总结 把前面所有能力整合成一个完整 AI 应用：聊天 + RAG + Function Calling + Agent 建立自己的知识体系图：基础（LLM/Prompt）→ RAG → Agent → 工程化（性能/监控/部署） 阅读全文
posted @ 2025-12-17 09:47
XiaoZhengTou
阅读(1)
评论(0)
推荐(0)
浙公网安备 33010602011771号