本地私有化双模型 AI 助手（内置 17 个自动化工具）产品系统Vibe Coding

个人和小团队想用 AI 处理日常任务，但不愿意把聊天记录、实验数据这类敏感内容上传到第三方云端，也希望能直接操作本地文件、音视频等资源，而不是只给出一段建议文本。

采用"规划 + 执行"双模型协作，一个模型拆解任务并决定调用哪个工具，另一个负责执行；内置 17 个工具，覆盖视频剪辑与合成、语音转字幕、文字转语音、文件读写、网页搜索；本地 Chroma 知识库做检索增强；提供用户注册登录、基于个人内容的问答、材料配方性能预测；全部回答流式输出到前端。

我负责架构设计与全部开发。技术栈为 Django + LangChain/LangGraph + Ollama，规划与执行分别由本地部署的推理模型承担，工具以统一接口注册，新增能力不需要改核心逻辑，数据与模型全部在本机运行。难点是本地模型响应慢带来的流程编排与重试设计、流式输出与前端渲染的协同、工具调用失败时的兜底处理。