# AI

**Repository Path**: luyueqii/ai

## Basic Information

- **Project Name**: AI
- **Description**: 系统性 AI 全栈学习仓库，涵盖 LLM 调用、LangChain 框架、RAG 检索增强生成、AI Agent（Tool/Memory/RAG）、MCP 模型上下文协议、n8n/Coze 工作流自动化、Ollama 本地部署、SSE 流式输出、Vibe Coding 氛围编程及 Claude Code 全链路开发。核心理念：AI Agent = LLM + Memory + Tool + RAG
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-07-16
- **Last Updated**: 2026-07-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI 全栈开发学习仓库

> 从 LLM 基础调用到 Agentic AI 全链路开发，一个人 + AI 的 Vibe Coding 实践之旅。

**简介：** 系统性 AI 全栈学习仓库，涵盖 LLM 调用、LangChain 框架、RAG 检索增强生成、AI Agent（Tool/Memory/RAG）、MCP 模型上下文协议、n8n/Coze 工作流自动化、Ollama 本地部署、SSE 流式输出、Vibe Coding 氛围编程及 Claude Code 全链路开发。核心理念：AI Agent = LLM + Memory + Tool + RAG。

---

## 仓库概览

这是一个系统性的 **AI 全栈开发学习仓库**，涵盖了从最基础的大模型 API 调用，到 AI Agent、RAG、MCP 协议、工作流自动化、企业级全链路开发等完整知识体系。所有项目均以 **Vibe Coding（氛围编程）** 的方式完成 —— 用自然语言向 AI 描述需求，AI 负责代码实现，人类负责决策与验收。

---

## 目录结构

```
AI/
├── agent/              # AI Agent 核心学习（最大模块）
│   ├── code_spect/     #   Agent 与 Chatbot 的本质区别
│   ├── coze/           #   Coze 智能体开发平台
│   ├── cron_job/       #   NestJS + LangChain 定时任务 Agent
│   ├── cron_job2/      #   NestJS 全栈 Agent（含 Job/Tool/Users 模块）
│   ├── mcp/            #   MCP 协议深入理解
│   ├── mcp_in_action/  #   MCP 实战：高德地图集成
│   ├── memory-demo/    #   Agent 记忆机制（Memory）
│   ├── milvus-test/    #   Milvus 向量数据库
│   ├── mini-cursor/    #   手写 Cursor 最小版本
│   ├── rag/            #   RAG 检索增强生成基础
│   ├── rag-loader/     #   RAG 文档加载与切片
│   ├── rag_book/       #   天龙八部 Agentic RAG 问答系统
│   ├── solo/           #   TRAE SOLO 全流程开发范式
│   └── TTS/            #   文字转语音与多模态模型
├── aigc/               # AIGC 基础：文本生成、图片生成
├── app/                # 全栈应用实战
│   ├── git-differ/     #   Git 提交信息 AI 优化工具
│   └── iceball/        #   AI 冰球形象生成应用
├── brand-guidelines/   # 品牌指南落地页
├── cc_fullstack/       # Claude Code 企业级全链路开发（Dify 简版）
├── cli/                # Qoder CLI 命令行 AI Coding Agent
├── coze/               # Coze 智能客服 + API 集成
├── langchain/          # LangChain 框架系统学习
├── langchain_nest/     # NestJS + LangChain 企业级 AI 接口
├── mcp/                # MCP 协议总览
├── n8n/                # n8n AI 工作流自动化
├── nlp/                # 浏览器端神经网络（Brain.js）
├── ollama/             # Ollama 本地大模型部署
├── openai/             # OpenAI API 基础调用
├── project/            # AI 全栈项目实战
├── prompt/             # 提示词工程
├── streaming/          # AI 流式输出（SSE）
└── vibe_coding/        # Vibe Coding 氛围编程全流程
```

---

## 知识体系

### 1. LLM 基础与 AIGC

从最基础的 OpenAI API 调用开始，理解大模型的工作原理。

- **`openai/`** — 使用 `openai` SDK 调用 GPT 模型，理解 LLM 本质是 HTTP POST 请求，学习 `.env` 环境变量配置、pnpm 包管理器
- **`aigc/`** — AIGC 文本生成（GPT-3.5-turbo-instruct）与图片生成（DALL-E-3），对比 npm 与 pnpm 的差异
- **`nlp/`** — 使用 Brain.js 在浏览器端训练神经网络，理解机器学习基础
- **`prompt/`** — 提示词工程实践：通过迭代设计 Prompt 让 LLM 按意图执行任务

### 2. LangChain 框架

LangChain = Lang (LLM) + Chain（链式编排），是 AI 应用开发的工业级框架。

- **`langchain/demo/`** — 通过 `@langchain/deepseek` 适配器实现 LLM 可拔插，统一接口调用不同模型
- **`langchain/tool/`** — Tools 机制：扩展大模型的能力边界，让它能调用外部工具
- **`langchain/memory/`** — Memory 机制：通过 messages 数组实现多轮对话，解决 LLM 无状态问题
- **`langchain/output/`** — OutputParser：将 LLM 非结构化输出解析为 JSON 等期望格式
- **`langchain_nest/`** — NestJS + LangChain 企业级 AI API 开发：装饰器模式、依赖注入、SSE 流式响应

### 3. RAG（检索增强生成）

解决 LLM 幻觉问题的核心技术。

- **`agent/rag/`** — RAG 四步流程：Retriever → Augmented → Generation；向量 embedding 与余弦相似度；`CharacterTextSplitter` vs `TokenTextSplitter`
- **`agent/rag-loader/`** — 文档加载与切片：`chunkSize` 和 `chunkOverlap` 参数详解
- **`agent/rag_book/`** — 天龙八部实战：BM25 + 向量混合检索 → Cohere Reranker 重排序 → Query Rewriter 查询改写 → LangGraph Agent 工作流
- **`agent/milvus-test/`** — Milvus 向量数据库：与传统关系型数据库对比，embedding 存储与检索

### 4. AI Agent

**AI Agent = LLM + Memory + Tool + RAG**

- **`agent/code_spect/`** — Agent vs Chatbot：Chatbot 被动响应，Agent 主动行动；Agent = PE (Prompt Engineering) + Tools
- **`agent/mini-cursor/`** — 手写 Cursor 最小版本：LLM + Tools (read/write/exec) 实现自然语言创建 React 项目；从 Prompt Engineering 到 Agentic Engineering 的范式转变
- **`agent/coze/`** — Coze 平台智能体：提示词工程五要素（角色→任务→怎么做→返回格式→不要做）、插件、工作流
- **`agent/cron_job/`** — NestJS 定时任务 Agent：SSE 流式响应、RxJS 响应式编程、Nodemailer 邮件服务
- **`agent/cron_job2/`** — 进阶全栈 Agent：Job Agent 自动化任务调度、多 Tool 模块（网页搜索、邮件发送、数据库 CRUD）

### 5. Memory（记忆机制）

让 Agent 拥有"记忆"，实现跨轮对话与持久化。

- **`agent/memory-demo/`** — LLM 无状态特性分析；messages 数组基础实现；上下文窗口溢出解决方案：截断（滑动窗口）与总结（summarize）；类比 Cursor 的 `/compact` 和 `/clear`
- **FileSystemChatMessageHistory** — 对话历史持久化到文件，支持跨 session 恢复
- **SSD 规范驱动开发** — Skills（技能）与 SSD 框架的关系：Skills 是原子化功能模块，SSD 框架是多个 Skills 的有序组合

### 6. MCP（模型上下文协议）

2025 年最火的 AI 协议，实现跨语言、跨进程的工具调用。

- **`mcp/`** — MCP 协议总览：定义模型与外界服务的通信协议
- **`agent/mcp/`** — 深入理解：为什么需要 MCP（LLM + Tools 的语言耦合问题）；两种通信方式：stdio（本地）和 HTTP（远程）；Anthropic 2024 年发起，贡献给 Linux 基金会
- **`agent/mcp/tool-test/`** — MCP Server 开发 + LangChain MCP Adapter 调用
- **`agent/mcp_in_action/`** — 高德地图 MCP 实战：查询周边酒店、POI 信息

### 7. AI 工作流自动化（n8n / Coze）

零代码/低代码 AI 工作流编排，让大模型按流程自动化执行任务。

- **`n8n/init/`** — n8n 入门：基于 Node.js 的可拖拽工作流工具；Trigger → HTTP → Edit Fields → 编排执行
- **`n8n/tech/`** — 每日科技新闻速览实战：定时触发 → RSS 订阅 → Filter 过滤 → AI Agent 生成摘要
- **`coze/`** — Coze 智能客服：RAG 知识库 + 云服务 = 智能客服 Agent；发布为 API 集成到产品中
- **`coze/coze-api-demo/`** — 前端调用 Coze API 示例

### 8. 流式输出（SSE）

优化 AI 交互体验的关键技术。

- **`streaming/`** — `streaming: true` 边生成边返回；Buffer 编码与二进制转换；TextEncoder/TextDecoder
- **`streaming/demo/`** — Vue 3 + SSE 流式接收；HTML5 EventSource API
- **`agent/cron_job/`** — NestJS SSE 流式响应的企业级实现

### 9. Ollama 本地大模型

数据安全与离线部署方案。

- **`ollama/demo/`** — Ollama API 基础调用（端口 :11434）
- **`ollama/ollama-chat/`** — React 全栈聊天应用，调用本地 Ollama API
- **`app/git-differ/`** — 前后端分离实战：React + Express + Ollama DeepSeek-R1:8B 模型，AI 优化 Git 提交信息

### 10. Claude Code 企业级全链路开发

一个人 + AI 完成企业级产品开发。

- **`cc_fullstack/`** — 从写代码到做决策，程序员转变为架构师；三问裁剪法确定产品边界；Hify 产品（Dify 简版）：Spring Boot + Vue 3 + MySQL + Redis
- **RAG 聊天机器人** — Python + Claude API + ChromaDB 完整代码库
- **CLAUDE.md 项目管理** — 项目级、个人级、全局级、企业级规则配置

### 11. CLI 命令行 AI 工具

- **`cli/qoder-cli/`** — 基于阿里 Qwen 编程大模型的 CLI Agent；`/init` 生成 AGENTS.md；Context7 MCP 实时文档上下文

### 12. Vibe Coding 氛围编程

用自然语言描述需求，AI 直接生成代码的新范式。

- **`vibe_coding/demo/`** — Vibe Coding 入门演示，`.trae/rules/project_rules.md` 项目规则
- **`vibe_coding/danci/`** — AI 字典应用完整产品流程：PRD → 原型 → 代码实现
- **`vibe_coding/chrome_extension/`** — Chrome 扩展开发：Hulk 背景变色扩展
- **`vibe_coding/jf/`** — SDD 规范驱动开发：抽卡式 → 结构化 → 多 Agent 协作；Spec 是合同，代码是履约
- **`vibe_coding/que/`** — Trae Cue 智能代码补全："注释法"开发风格
- **`vibe_coding/frontend-llm/`** — 前端直接调大模型：HTTP 请求结构、API Key 安全
- **`agent/solo/`** — TRAE SOLO 全流程：PRD → 技术架构 → UI/UX → 代码实现 → 部署；绘本岛实战项目（React + TypeScript + Tailwind + Zustand）

---

## 技术栈总览

| 层级 | 技术 |
|------|------|
| **LLM 模型** | GPT-3.5/4o, DeepSeek-R1/V3, Qwen-Coder, Gemini, Claude |
| **AI 框架** | LangChain, LangGraph |
| **向量数据库** | Milvus, ChromaDB |
| **工作流编排** | n8n, Coze |
| **协议** | MCP (Model Context Protocol) |
| **后端框架** | NestJS, Express, Spring Boot, FastAPI |
| **前端框架** | React, Vue 3, TypeScript, Vite, Tailwind CSS |
| **数据库** | MySQL, Redis |
| **本地部署** | Ollama |
| **AI 编辑器** | Trae, Cursor, Claude Code |
| **包管理** | pnpm, npm, pip |
| **其他** | SSE, RxJS, Nodemailer, Selenium, Brain.js |

---

## 学习路径建议

1. **入门阶段** → `openai/` → `aigc/` → `prompt/`：理解 LLM 基础调用与提示词工程
2. **框架学习** → `langchain/` → `langchain_nest/`：掌握 LangChain 框架与企业级 API 开发
3. **RAG 实战** → `agent/rag/` → `agent/rag-loader/` → `agent/rag_book/` → `agent/milvus-test/`：从理论到实战构建知识库问答系统
4. **Agent 进阶** → `agent/code_spect/` → `agent/mini-cursor/` → `agent/memory-demo/` → `agent/cron_job/`：理解 Agent 核心四要素
5. **MCP 协议** → `mcp/` → `agent/mcp/` → `agent/mcp_in_action/`：掌握跨进程工具调用
6. **工作流自动化** → `coze/` → `n8n/` → `agent/coze/`：零代码编排 AI 工作流
7. **Vibe Coding** → `vibe_coding/` → `agent/solo/` → `cc_fullstack/` → `cli/`：AI 驱动的全流程开发新范式
8. **综合实战** → `app/` → `project/` → `streaming/` → `ollama/`：全栈 AI 应用 + 流式输出 + 本地部署

---

## 核心理念

> **Vibe Coding 不是让 AI 替你写代码，而是让你从"怎么写代码"转向"做什么产品"。**
>
> 你负责定义问题、描述需求、验收结果；AI 负责实现。你从程序员转变为架构师，AI 是你的工程团队。
>
> **AI Agent = LLM + Memory + Tool + RAG**
>
> 给大模型扩展 Tool（能力）+ Memory（记忆）+ RAG（知识），它就从一个只会聊天的 Chatbot 变成了能帮你做事的 Agent。

---

*这个仓库记录了我在 AI 时代的全栈开发学习之旅。从 2024 到 2025，每一次 `pnpm run dev` 的背后，都是与 AI 协作的一次新尝试。*