AI前台产品系统Vibe Coding

简单来说，它解决的是 **"企业信息接待自动化"** 的问题 —— 用一个 AI 对话接口，替代传统的人工前台 / 客服中那些高频率、标准化的问答工作。

技术要点
AI 对话：后端从 Supabase 加载企业知识库，拼接到系统 Prompt 中，通过 coze-coding-dev-sdk 调用 LLM，SSE 流式输出
认证方式：企业端采用自建的账号密码体系（bcrypt 加密），非 Supabase Auth
数据库：Supabase (PostgreSQL)，使用 drizzle-orm 定义 schema
UI 风格：遵循 DESIGN.md 中的 "商务大堂" 设计语言（深靛蓝 + 暖金 + 冷灰白）

关键架构特征
双角色分流：顾客端（首页 + 聊天）和企业端（登录 / 注册 / 后台 / 知识库）是两套完全独立的前端页面流，通过 URL 路由隔离（/chat vs /enterprise/*）
无中间件鉴权：企业端登录状态存 sessionStorage，后端 API 没有统一的身份校验中间件，知识库 CRUD 接口仅靠 enterprise_id 参数隔离
SSR 最小化：所有页面都是 "use client" 组件，纯客户端渲染，没有利用 Next.js 的 RSC/SSR 能力
Supabase 直连：后端用 service_role 级别的 Supabase Client 直接操作数据库，绕过了 RLS（行级安全策略）
实现亮点
1. SSE 流式对话的完整闭环
这是项目最核心的亮点。从后端到前端实现了完整的流式对话链路：
后端：/api/chat 用 ReadableStream + for await...of 消费 LLM 的 async generator，逐 chunk 编码为 SSE 格式（data: {content}\n\n），最后追加 done 信号和数据库持久化
前端：fetch + body.getReader() 逐块读取，解析 SSE 行，用 setMessages 实时更新最后一条 assistant 消息内容，实现打字机效果
这种方案不依赖任何 WebSocket 库或 EventSource polyfill，纯 HTTP 实现流式，简洁有效。
2. 知识库驱动的前台 Prompt 工程
聊天接口在每次请求时动态构建 system Prompt：
先查企业信息（名称）
再查该企业全部知识库条目
拼接成结构化的 Prompt（包含回答规则 + 知识库全文）