AI智能问答助手产品系统Vibe Coding

### 1. 立项原因，旨在解决什么产品问题

在分别使用过 DeepSeek、OpenAI 等各家 AI 的网页端之后，我发现网页端在实际使用中有些不便：每次都要打开特定网页、无法随心地定制提示词、很难把 AI 能力嵌入到自己或别人的日常工具里，来回切换也很繁琐。与此同时，想直接调用各家 API 又有门槛：要自行配置 Key、要写不少代码，而且 Key 一不留神就暴露。于是我想做一个**个人测试小项目**，把常用的大模型 API 封装成一个简单、顺手、**开箱即用、可本地私有化运行、API Key 不泄露**的问答工具，让人既能像唠家常一样用它，又能灵活接入自己的 Key，而不用每次都被限制在某个 AI 的网页端里。

### 2. 行业场景、业务背景

本项目定位为**个人测试 / 自用的小型工具**，而非面向企业的商用产品。主要使用场景是：个人开发者、学生或普通用户想用上大模型能力，但不愿被各家 AI 网页端的交互和限制绑住；或者想在自己的应用里复用一套统一的问答能力。业务背景是，当前大模型多以"网页聊天"形态交付，直接调用 API 又存在配置繁琐、Key 安全等问题，缺少一个轻量、可自托管、配置简单的中介层。本项目尝试用最少的技术成本，补上"让普通人方便、安全地消费大模型 API"这一环，作为个人验证大模型应用的一种轻量尝试。

### 1. 项目有哪些具体功能模块

- **多轮对话模块**：支持完整的上下文记忆，历史消息随请求一同发送给模型。
- **流式输出模块**：基于 SSE 的逐字渲染，打字机效果；同时保留一次性输出作为对照。
- **历史会话管理模块**：对话与消息通过 `localStorage` 持久化，刷新不丢失，支持多会话新建、切换、删除。
- **预设提示词模板模块**：内置翻译专家、代码审查、要点总结、概念讲解等模板。
- **自定义提示词模块**：可配置任意 system 指令，随时修改、刷新不丢。
- **Markdown 渲染与导出模块**：回答按 Markdown 渲染（代码块/表格/引用），并支持一键导出 `.md` 文件。
- **设置面板模块**：运行时切换供应商（DeepSeek / OpenAI / 通义千问）、模型、Base URL、API Key，保存即生效。
- **多形态运行模块**：支持本地开发、Vercel Serverless、Docker 容器、传统服务器（PM2）等多种运行方式。

### 2. 项目的主要功能描述

这是一个全栈 AI 聊天应用，提供类 ChatGPT 的对话体验。用户在聊天框中输入问题后，系统将对话历史与预设的 system 指令一起发送到大模型，通过流式接口逐字返回回答并实时渲染，形成"打字机"式的交互体验。针对不满意或异常的回答，支持一键重新生成；针对高频复制需求，支持一键复制与 Markdown 导出。项目同时关注安全：API Key 仅存储于服务端（`.env` / `config.json`），前端永远接触不到。整体来看，这个工具的本质是一个**方便地使用大模型 API 的入口**——把原本需要自己写代码、自己配 Key 的调用过程，简化成打开就能聊的界面，作为个人测试与体验大模型 API 的轻量方案。

### 1. "我"负责哪些具体任务

本人负责该项目的**整体架构设计与全栈实现**，具体包括：

- 前端基于 Vue 3（Composition API）搭建界面，实现自研 `useChat` 响应式状态仓库，负责会话与消息管理、流式请求、localStorage 持久化、SSE 逐字解析与渲染。
- 后端基于 Node.js + Express 搭建 Express 应用工厂（`createApp`），实现 `/api/chat`（一次性）、`/api/chat/stream`（流式 SSE）、`/api/config`、`/api/health` 等接口，并实现消息校验与注入过滤。
- 大模型层封装 OpenAI 兼容协议调用（`chatCompletion` + `streamChunks`），统一接入 DeepSeek / OpenAI / 通义千问三个供应商。
- 运行时配置层实现"UI 设置 > .env > 代码默认值"的优先级，支持运行时切换供应商与模型。
- 编写打包脚本，实现 Node SEA 单文件 `exe` 与 Electron 桌面版 `exe` 的构建，并处理单实例、内嵌 Express、随机端口等桌面应用细节。
- 编写项目文档、Docker 部署方案与 Vercel 配置。

### 2. 项目使用了哪些技术栈、架构，实现上亮点、难点

**技术栈与架构**：前端 Vue 3 + Vite；后端 Node.js + Express；大模型统一走 OpenAI 兼容 `/chat/completions`；渲染使用 markdown-it。系统采用前后端分离架构，后端以"应用工厂"方式设计，使同一套 `app.js` 既能被本地 Docker 监听调用，也能被 Vercel Serverless 直接导出复用，实现"一套代码、多种部署"