场景二：Go RAG 网页助手（已归档）

⚠️ 本方案已归档。EdgeOne Pages 现已支持 Go Cloud Function，本方案的功能已被 Go Cloud Function 方案完全替代（无需自建服务器）。保留本页仅供历史参考。
👉 推荐前往 Go Cloud Function 方案查看当前方案。

以下为历史内容，介绍早期 EdgeOne Pages 仅支持 JS 时，需要自建 Go 服务器的实现方式。

通过自建 Go 后端服务，将 AI 问答能力直接嵌入 VitePress 网页，让网站访客无需安装任何工具即可体验 AI 问答。

场景定位

本方案同样基于 CNB 知识库的向量化能力，但不同于场景一的 Serverless 方式，这里需要你手动部署一个 Go 后端服务来编排 LLM 调用和知识库检索。前端 AI 助手组件已内置在本项目中，部署后端后即可启用。

工作原理

文档向量化：与场景一共享同一套 CNB 知识库流水线，Markdown 文档自动向量化
Go 后端编排：Go 服务接收用户提问，调用 LLM 并通过 Tool Calling 检索知识库
流式输出：LLM 的回答通过 SSE 流式返回给前端
前端渲染：VitePress 内置的 AI 助手组件实时渲染回答，支持思考链展示

💡 与场景一的核心区别：这里的 LLM 推理由你自己的 Go 后端完成，而非依赖外部 AI 工具。

本站效果

本项目导航栏右侧已集成 AI 助手按钮，点击即可在页面内进行对话。AI 会自动调用知识库工具，基于文档内容回答问题。

前端组件

本项目已实现完整的 AI 助手聊天组件，位于 .vitepress/theme/components/aiChat/：

aiChat/
├── index.vue                    # 入口组件（导航栏悬浮按钮 + 聊天窗口）
├── aiChat.styles.css             # 样式（响应式 + 深色模式 + 拖拽调整）
└── composables/
    ├── useChat.js                # 聊天核心：消息管理、历史记录、滚动控制
    ├── useToolCall.js            # MCP 工具调用：LLM 流式请求、Tool Use 两轮流程
    └── useMarkdown.js            # Markdown 渲染（markdown-it）

组件特性

流式输出：SSE 实时渲染 AI 回答
思考链展示：可折叠展示大模型推理过程
工具调用可视化：三步进度指示（分析问题 → 查询知识库 → 生成回答）
窗口可拖拽：支持自定义聊天窗口大小
响应式设计：适配桌面端和移动端
无验证码：简化版，无需额外鉴权配置

Go 后端服务

后端代码与镜像：

代码仓库（CNB）：knowledge-maker
容器镜像：docker.cnb.cool/mintimate/tool-forge/knowledge-maker

部署后提供以下 API：

端点	方法	说明
`/api/v1/mcp/tools`	GET	获取 MCP 工具列表
`/api/v1/mcp/tools/call`	POST	调用指定 MCP 工具
`/api/v1/mcp/llm/chat`	POST (SSE)	LLM 流式对话，支持 Tool Calling

方式一：使用 Docker Compose（推荐）

在服务器新建 docker-compose.yml：

yaml

services:
  vector-mcp-edge:
    image: docker.cnb.cool/mintimate/tool-forge/knowledge-maker
    container_name: vector-mcp-edge
    volumes:
      - ./logs:/app/logs
    ports:
      - "8100:8082"
    environment:
      - PORT=8082
      - GIN_MODE=debug
      - AI_BASE_URL=https://api.cnb.cool/<你的组织>/<你的项目>/-/ai
      - AI_API_KEY=<你的AI_KEY>
      - AI_MODEL=hunyuan-t1-20250711
      - KNOWLEDGE_BASE_URL=https://api.cnb.cool/<用户名>/<仓库组>/<仓库名>/-/knowledge/base/query
      - KNOWLEDGE_TOKEN=<你的CNB_TOKEN>
      - KNOWLEDGE_TOP_K=3
      - RAG_SYSTEM_PROMPT=|
        你是 AI 助手，专门检索 AI、MCP 和 CNB、云原生构建有关问题，拒绝其他内容。
        请严格基于知识库内容回答，并使用用户提问的语言。
    restart: unless-stopped

启动与查看状态：

bash

docker compose up -d
docker compose ps
docker compose logs -f vector-mcp-edge

方式二：手动构建运行（可选）

如果你希望自行改造代码，可直接拉取后端仓库手动运行：

bash

git clone https://cnb.cool/Mintimate/tool-forge/knowledge-maker.git
cd knowledge-maker
# 按仓库说明配置环境变量或配置文件后启动

后端环境变量说明

变量名	必填	说明
`PORT`	否	服务监听端口，默认 `8082`
`GIN_MODE`	否	`debug` 或 `release`
`AI_BASE_URL`	是	模型网关地址
`AI_API_KEY`	是	模型调用密钥
`AI_MODEL`	是	模型名称
`KNOWLEDGE_BASE_URL`	是	CNB 知识库查询接口
`KNOWLEDGE_TOKEN`	是	CNB 访问令牌
`KNOWLEDGE_TOP_K`	否	召回条数，默认可设 `3`
`RAG_SYSTEM_PROMPT`	否	系统提示词，可多行

后端验收（上线前建议）

将 <你的后端域名> 替换成实际地址，执行以下检查：

bash

curl -sS https://<你的后端域名>/api/v1/mcp/tools
curl -sS -X POST https://<你的后端域名>/api/v1/mcp/tools/call \
  -H "Content-Type: application/json" \
  -d '{"name":"search_docs","arguments":{"query":"MCP 是什么"}}'

前端环境变量配置

前端组件通过环境变量连接 Go 后端。在 vite.config.mjs 中已配置自动注入所有 AI_ 前缀变量。

开发环境

bash

export AI_MCP_BASE_URL=http://localhost:8082/api/v1/mcp
yarn dev

生产环境

在部署平台（如 CNB 流水线）中配置环境变量：

变量名	说明	示例
`AI_MCP_BASE_URL`	Go 后端 MCP 接口地址	`https://your-domain.com/api/v1/mcp`
`AI_MAX_HISTORY_TURNS`	最大历史轮数（默认 3）	`5`
`AI_WELCOME_MESSAGE`	欢迎消息	`您好！我是 AI 助手。`
`AI_DEFAULT_TOOLS`	降级工具定义 JSON	`[]`

TIP

AI_MCP_BASE_URL 必须包含 /api/v1/mcp 路径前缀，因为前端代码会在此基础上拼接 /tools、/tools/call、/llm/chat。

部署步骤

先部署 Go 后端：优先用上面的 Docker Compose 启动 knowledge-maker 服务
验收后端接口：确认 /api/v1/mcp/tools 和 /api/v1/mcp/tools/call 可访问
配置前端环境变量：将 AI_MCP_BASE_URL 设置为 https://<你的后端域名>/api/v1/mcp
重新构建部署站点：git push 后 VitePress 自动构建，网页端 AI 助手即可连通

与场景一的区别

注：以下对比为历史参考。当前推荐直接使用 Go Cloud Function 方案，已合并了两种场景的所有能力。

	场景一：Serverless MCP	场景二：Go RAG + 前端 AI 助手
使用者	开发者（Cursor、Claude 等）	网站访客（浏览器内）
LLM 调用	由外部 AI 工具自带	Go 后端自动调用
前端改动	无需改动	已内置 Vue 组件
额外部署	无	需部署 Go 后端

两种场景可以共存，共享同一份 CNB 知识库数据源。详见方案对比与选型。

场景优势

优势	说明
零门槛体验	网站访客无需安装任何 AI 工具，直接在网页问答
完整 RAG	Go 后端编排 LLM + 知识库，支持 Tool Calling
思考链展示	支持展示大模型的推理过程，增强可信度
实时流式	SSE 流式输出，打字机效果展示回答
已内置组件	本项目前端组件已就绪，只需部署 Go 后端即可启用

下一步

⭐ 前往 Go Cloud Function 方案 — 当前推荐方案，无需自建服务器
🚀 立即体验本站 Demo — 已使用 Go Cloud Function 部署
📖 前往搭建教程 — 从零开始搭建

场景二：Go RAG 网页助手（已归档） ​

场景定位 ​

工作原理 ​

本站效果 ​

前端组件 ​

组件特性 ​

Go 后端服务 ​

方式一：使用 Docker Compose（推荐） ​

方式二：手动构建运行（可选） ​

后端环境变量说明 ​

后端验收（上线前建议） ​

前端环境变量配置 ​

开发环境 ​

生产环境 ​

部署步骤 ​

与场景一的区别 ​

场景优势 ​

下一步 ​

场景二：Go RAG 网页助手（已归档）

场景定位

工作原理

本站效果

前端组件

组件特性

Go 后端服务

方式一：使用 Docker Compose（推荐）

方式二：手动构建运行（可选）

后端环境变量说明

后端验收（上线前建议）

前端环境变量配置

开发环境

生产环境

部署步骤

与场景一的区别

场景优势

下一步