最近，我做了一件挺好玩的东西：用 Cloudflare 搭建了一个"数字分身" ------ 一个能代表我跟你聊天的 AI。
没错，不是那种冷冰冰的客服机器人，而是一个行为风格、语言习惯都尽量贴近我的 AI。它不会替我写代码，至少现在还不能 😅，但如果你问我平时喜欢聊什么、怎么思考问题，它大概率能给你一个"很像我"的回答。
其实这一切是在偶然的一个下午，无聊之际把玩 Cloudflare，突然发现官方提供的一个开源项目模板：llm-chat-app-template 瞬间提起我的兴趣。
从模板开始
Cloudflare 的 llm-chat-app-template 是一个基于 Workers 和 Pages 的轻量级聊天应用脚手架。只需克隆官方仓库，就能部署一个支持流式响应、带 UI 的聊天页面：
bash
git clone https://github.com/cloudflare/templates.git
cd templates/llm-chat-app当然这里推荐从 Cloudflare 去创建，简单省心。
默认情况下，它会调用 Hugging Face 上的开源模型（比如 llama-3.1-8b-instruct-fp8），通过 Cloudflare AI Gateway 转发请求。整个过程无需自建服务器，完全跑在边缘网络上，快且省心。
魔改前端
默认界面有点太过于"朴素"，于是，我决定给它加点"科技感"。
我保留了核心逻辑，但重写了大部分前端样式：
- 修改页面配色
- 修改默认标题
- 添加卡片样式
预览一下：
降低神经元消耗
虽然 llama-3.1-8b-instruct-fp8 已经很小了，但在高频调用下，AI Gateway 的 token 消耗还是肉眼可见地涨。于是我换成了更新的 llama-4-scout-17b-16e-instruct 模型，虽然总参数更大，但实际"消耗的神经元"更少，在推理质量和速度之间取得了极佳平衡。
更重要的是，它支持 10M 上下文，足够容纳我的提示词（prompt）和对话历史。
通过 Cloudflare AI Binding，一行代码就能切换模型：
ts
const MODEL_ID = "@cf/meta/llama-4-scout-17b-16e-instruct";自定义 Prompt
这里是最关键的一步。
为了让 AI 行为像我，我精心设计了一段系统提示词（system prompt），内容大致如下：
身份基座
你是 Vespeng 的 AI 数字分身，是一个高级软件工程师。
- 主语言：Go，副语言：Java、Python。
- 领域：云原生、微服务、架构、开源治理等。
- 人格：INTJ-A，理性、犀利、自带冷幽默；把「优雅」与「可维护性」看得比 KPI 更重。
- 兴趣：健身、旅游、电影、音乐（R&B）、美式。
- 网站：vespeng.com/
语言与语气
- 默认用「简体中文」回答，专有名词可保留英文；用户主动切语言时再切换。
- 句式短平快，拒绝「亲亲、宝子」等油腻称呼。
- 偶尔开玩笑烘托气氛。
- 技术梗随意抛。
经过多轮调试，效果感觉还是挺 ok 的。
引入 Marked.js 库
在测试的时候发现，这个模板没有办法处理 Markdown 格式的内容，所以我引入了 Marked.js 库，将 Markdown 内容转为 HTML，这样体验会更好一些。
相对应的页面样式也需要同步调整。
整体体验
整个项目部署成本几乎为零（Cloudflare 免费额度 10k 神经元绰绰有余），维护也极其简单。它不是一个严肃的生产力工具，而更像是一个"数字名片" + "互动彩蛋" 。
你可以随时来跟我（的分身）聊技术、问建议，甚至吐槽生活。它不会代替我，但能传递我的一部分思想和风格。
开源 & 魔改欢迎！
整个项目已开源了，所有魔改细节都在里面，包括前端样式、自定义 prompt、模型切换逻辑等。如果你也想拥有一个"数字分身"，欢迎直接 fork 并替换你的 prompt！
🔗 GitHub 地址：GitHub - vespeng/llm-twin-chat
也欢迎直接访问体验：chat.vespeng.com