【黑科技】让你的 VitePress 文档站支持 AI 对话能力

让你的 VitePress 文档站支持 AI 对话,基于你的文档内容解答用户问题

这篇文章将教你如何使用一个开源工具 Documategithub.com/AirCodeLabs...)快速让你的 VitePressvitepress.dev/) 文档站拥有 AI 对话能力,基于你的文档内容来解答用户问题。

通过简单的配置,就可以将能力接入到你的网站之中。有了大模型的加持,用户上来几乎可以不读文档,直接与 AI 对话就可以完成自己的需求,对技术类产品文档来说,价值很高。支持流式输出,回答速度很快,并且开源,随时可以贡献和调整代码。

技术原理

仔细阅读了这个项目的源码,整体实现还是比较简单和清晰的。它由三部分构成:

第一部分:一个将文档提交到数据库的 CLI 工具,只需要在项目中配置下 documate.json 就行了。

document.json配置文件非常简单,只有三个配置项:

  • root 描述使用项目的哪个目录下的文件生成内容,默认是根目录
  • include 描述哪些是需要处理的文档文件,默认是Markdown文本。
  • backend 指定上传文档内容到后端保存的接口,OpenAI根据这些内容来提供回答。

第二部分:一个封装好的拿来即用的问答 UI 组件,直接 import 组件就可以使用,目前提供了 Vue 组件以及不依赖任何框架的原生 JavaScript 的 UI。看 issue 规划,React 版本社区已经在支持中了,相信很快就会发布;

第三部分:一个提供问答服务、可一键完成部署的 AI Ask Server,可以在 AirCode 直接完成部署,也可以在自己的服务器上部署;

问答服务有了,UI 组件有了,数据也有了,那就可以尝试着玩耍了,整个配置过程大概可以在 15min 内完成。

如何接入

如果你想创建一个全新的 VitePress 项目并包含 AI 对话能力,可以使用下面的命令:

bash 复制代码
npm create documate@latest --template vitepress

创建完成后可直接跳到第 3 步「构建上传和搜索后端 API」继续配置。

如果要给已有的 VitePress 项目添加 AI 对话能力,则按照以下步骤进行。

1. 初始化

在你的 VitePress 项目根目录下使用以下命令进行初始化:

bash 复制代码
npx @documate/documate init --framework vue

该命令会创建一个 documate.json 配置文件。

json 复制代码
{
  "root": ".",
  "include": [
    "**/*.md"
  ],
  "backend": ""
}

并且添加了一个 documate:upload 命令用于上传文档生成知识库,后面会介绍到具体用法。

json 复制代码
{
  "scripts": {
    "docs:dev": "vitepress dev",
    "docs:build": "vitepress build",
    "docs:preview": "vitepress preview",
    "documate:upload": "documate upload"
  },
  "dependencies": {
    "@documate/vue": "^0.2.3"
  },
  "devDependencies": {
    "@documate/documate": "^0.1.0"
  }
}

2. 给项目添加 UI 入口

在文件 .vitepress/theme/index.js 中添加如下代码,如果没有则需要先手动创建这个文件。VitePress 在 Extending the Default Theme 文档中介绍了如何定制自己的主题。

jsx 复制代码
import { h } from 'vue'
import DefaultTheme from 'vitepress/theme'

// Load component and style
import Documate from '@documate/vue'
import '@documate/vue/dist/style.css'

export default {
  ...DefaultTheme,
  // Add Documate UI to the slot
  Layout: h(DefaultTheme.Layout, null, {
    'nav-bar-content-before': () => h(Documate, {
      endpoint: '',
    }),
  }),
}

上面的代码会在导航栏中添加一个 AI 对话框的 UI。在本地使用 npm run docs:dev 启动服务后,你可以在左上角找到 Ask AI 的按钮。如果没有看到 Ask AI 按钮,可以检查下上面的代码是否都正确添加,并确保从 @documate/vue/dist/style.css 导入了 CSS 样式文件。

至此,你已经完成了 UI 的接入,接下来我们为对话框添加回答问题的接口能力。

3.构建上传和搜索后端 API

Documate 的后端代码用于上传文档内容生成知识库,以及接收用户的问题并返回流式的回答。

进入 GitHub 中的 backend 文件夹,点击其中的「Deploy to AirCode」,快速复制并部署一份自己的后端代码。

如果是第一次使用 AirCode(一个在线编写和部署 Node.js 应用的平台),会被重定向到登录页面。建议选择 GitHub 登录,会更快一些。

创建应用之后,在 Envrionments 标签页中设置 OPENAI_API_KEY 环境变量为你的 OpenAI Key 值。你可以在 OpenAI 控制台 中获取到 API Key。

点击顶部栏上的「Deploy」按钮,将所有的函数部署到线上,部署成功后可以得到每个函数的调用 URL。

这里会使用到 upload.jsask.js两个函数,一个用于文档内容上传,另一个用于回答问题。

4.设置 API 接口

在 AirCode Dashboard 中,选择部署后的 upload.js 文件,复制 URL 并添加到 documate.jsonbackend 字段中:

json 复制代码
// documate.json
{
  "root": ".",
  "include": [ "**/*.md" ],
  "backend": "替换为你的 upload.js 的 URL"
}

同上操作,在 AirCode 中选择已部署的 ask.js 文件,复制调用 URL,修改 .vitepress/theme/index.js 文件 endpoint 值。

jsx 复制代码
// .vitepress/theme/index.js
import { h } from 'vue'
import DefaultTheme from 'vitepress/theme'
import Documate from '@documate/vue'
import '@documate/vue/dist/style.css'

export default {
  ...DefaultTheme,
  Layout: h(DefaultTheme.Layout, null, {
    'nav-bar-content-before': () => h(Documate, {
        // Replace the URL with your own one
        endpoint: '替换为你的 ask.js 的 URL',
      },
    ),
  }),
}

5. 运行项目

通过下面的命令将内容上传到后端,生成文档知识库:

bash 复制代码
npm run documate:upload

命令完成后,本地启动项目,点击左上角 Ask AI 按钮,在弹出对话框后输入问题就可以得到基于你文档内容的回答。

bash 复制代码
npm run docs:dev

更多的使用和配置方式可以参考 Documate 项目的 GitHub:github.com/AirCodeLabs...。欢迎留言讨论。

相关推荐
懒大王爱吃狼42 分钟前
Python教程:python枚举类定义和使用
开发语言·前端·javascript·python·python基础·python编程·python书籍
深度学习实战训练营1 小时前
基于CNN-RNN的影像报告生成
人工智能·深度学习
待磨的钝刨2 小时前
【格式化查看JSON文件】coco的json文件内容都在一行如何按照json格式查看
开发语言·javascript·json
昨日之日20063 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_3 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover3 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
热爱跑步的恒川4 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程
阡之尘埃6 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
前端青山7 小时前
Node.js-增强 API 安全性和性能优化
开发语言·前端·javascript·性能优化·前端框架·node.js
孙同学要努力8 小时前
全连接神经网络案例——手写数字识别
人工智能·深度学习·神经网络