8年前端转AI全栈：我用Honoka给自己搭了个练功房

声明：本文由 AI（Cursor Agent）根据仓库真实进度协助生成，经作者审阅后发布；文中能力边界以仓库现状为准，不夸张未完成项。

一句话：给「会前端、想啃后端 + 大模型 / Agent」的人，一个可演示、可复盘、可对照岗位的本地靶场。

开篇

做了 8 年前端 之后，岗位描述里越来越常出现：RAG、Agent、流式、Spring Boot、评测……
与其只收藏教程，我更想要一个 自己能跑起来、能讲清楚数据流 的仓库。

于是有了 Honoka：不是又一个 Demo 玩具堆砌，而是按三条主线持续加深——全栈底座、大模型应用、Agent 用法——并把结论写进 docs/，方便复习和面试口述。

这个项目是什么

Honoka 是一个 可本地演示 的 AI 全栈实验场：

• 前端：Vue3 + Vite + TypeScript + Element Plus（管理壳、文档库、对话页）
• 后端：推荐 Spring Boot 3（apps/api-java），Node Express（apps/api）作对照；密钥只在服务端
• 能力：文档上传管理 → 提问 → 流式回答 + 引用；混合 RAG（关键词 / 本地伪向量 / hybrid）；Agent 工具白名单 Mock 流式
• 知识沉淀：docs/rag.md、backend-ladder.md、agent-playbook.md、llm-basics.md 等，和代码同等重要

当前能演示的（仓库快照，不吹未完成的）：

已有	仍待
工程壳、文档库、Mock / RAG / Agent SSE	真模型流式对接
混合检索 + 引用	真 Embedding + Milvus
黄金问 fixtures、知识文档	仓外 LoRA 实跑、DB/MQ 薄落地

数据流可以很短地说清：

浏览器 /api → Vite 代理 → Java/Node API
  → 文档落 data/uploads
  → 检索 data/index（或内存/文件索引）
  → SSE 推 chunk/done（可 Abort）

当前怎么推进

三条主线并行加深（详见 ROADMAP.md），以「能讲清、能复现、能写进 docs」为准：

1. 全栈 + 后端加深：可演示产品 + 库 / 鉴权 / 缓存 / 队列等知识地图，按需薄落地
2. 大模型开发：Prompt、RAG、流式、评测、成本与安全
3. Agent：工具、护栏、选型决策（何时 Agent、何时只用 RAG）

协作见 AGENTS.md：关键业务自己写，Agent 搭框架。

一起加油

转 AI 全栈没有捷径，但可以有 靶场：跑得通、讲得清、改得动、写得进简历条目。

如果你也是前端出身、正在补后端和大模型，欢迎拿 Honoka 当对照，或在评论区交流你的练法。
跟大家一块努力——把「会用 Agent」变成「会选型、会评测、会落地」。

---

仓库本地项目名：honoka-ai。文中所述以当前 ROADMAP 现状快照为准；后续进度以仓库为准。

标签建议：AI, 前端转全栈, RAG, Agent, Vue, Spring Boot