极致打磨!我的个人知识助理 SwiftMind 正式上线:DeepSeek + uv + 引用溯源的全栈实战

前言

昨天,我分享了基于 DeepSeek + Supabase 构建 RAG 系统的架构思路。今天又做了一些附加优化与收尾,不仅把项目彻底跑通上线了,还增加了引用溯源、智能标题、移动端适配亮暗主题切换。今天,我想聊聊从"跑通 Demo"到"真正好用的个人助理",中间这 20% 的细节我是怎么磨出来的。

GitHub: [github.com/FelixBitSou...](https://link.juejin.cn?target=https%3A%2F%2Fgithub.com%2FFelixBitSoul%2Fswift-mind "https://github.com/FelixBitSoul/swift-mind")

在线体验: [swift-mind-flame.vercel.app](https://link.juejin.cn?target=https%3A%2F%2Fswift-mind-flame.vercel.app "https://swift-mind-flame.vercel.app")


🌟 颜值即正义:亮暗主题与移动端适配

作为一个"私人助理",它必须能出现在任何场景:深夜调代码时的暗色模式,或者地铁通勤时的手机屏幕。

  • 亮暗主题切换 :基于 next-themes 和 Shadcn UI,我实现了一套极简的视觉切换。暗色模式下,代码块和 Markdown 引用看起来非常护眼。
  • 响应式布局:为了让 SwiftMind 在手机上好用,我重新设计了侧边栏,采用了移动端优先的抽屉式导航。现在,随手在手机上上传一张 PDF,AI 就能立刻帮我总结。

🔍 深度实战:拒绝"幻觉",每一句都有据可查

个人助理最怕的就是 AI "一本正经地胡说八道"。在这次更新中,我上线了 Source Citation(引用溯源) 功能。

它是如何工作的?

  1. 检索阶段:LlamaIndex 检索出最相关的 Top-K 个文本切片。
  2. 注入阶段 :在 Prompt 中要求 LLM 在回答时使用 [1], [2] 标注出处。
  3. 前端展示:用户点击回答中的数字标签,右侧或下方会弹出对应的原文片段。

这不仅解决了信任问题,还让我能直接跳转回原文档查看细节,这才是"个人助理"该有的样子。


🧠 细节控:智能标题与 uv 管理

1. 自动生成对话标题

我不希望侧边栏全是"New Chat"。

通过一个简单的 Hook,在对话进行到第二轮时,后台会异步调用一次 DeepSeek,根据对话内容生成一个 10 字以内的精准标题并更新数据库。这种"不打扰"的自动化逻辑极大提升了整理效率。

2. uv 带来的极致开发体验

这次上线,后端依赖管理完全交给了 uv

  • 同步极速uv sync 几乎是秒级完成。
  • 容器化友好:在 Docker 构建时,uv 显著缩短了镜像打包时间。
  • 零推理开销 :由于我们坚持纯 HTTP API (SiliconFlow + DeepSeek),服务器无需安装 torch 等庞然大物,2G 内存跑起来依然丝滑。

🏗️ 架构回顾:为什么选这套组合?

模块 技术选型 理由
前端 Next.js 14 + Vercel AI SDK 完美的流式对话体验,App Router 维护极简。
后端 FastAPI + LlamaIndex uv 驱动,异步处理 Ingestion 管道,逻辑清晰。
存储 Supabase (Auth/DB/Storage) RLS 行级安全策略,天然支持个人多租户隔离。
模型 DeepSeek + 硅基流动 (BGE-M3) 追求性价比与中文理解的最优解。

🚀 立即体验 SwiftMind

我把项目完全开源并上线了,你可以直接访问下方的地址,上传一份 PDF 或 Markdown 感受一下:

  • 在线体验地址 : [swift-mind-flame.vercel.app](https://link.juejin.cn?target=https%3A%2F%2Fswift-mind-flame.vercel.app "https://swift-mind-flame.vercel.app")
  • GitHub 仓库 : [github.com/FelixBitSou...](https://link.juejin.cn?target=https%3A%2F%2Fgithub.com%2FFelixBitSoul%2Fswift-mind "https://github.com/FelixBitSoul/swift-mind")

结语

SwiftMind 现在的定位很明确:它不追求全能,但追求在个人知识管理这一件事上做到极致。 它足够轻,够安全,且完全属于你。

如果你也想在 2026 年快速上线自己的全栈 AI 产品,这套"精益全栈"方案或许能给你一些灵感。

欢迎在评论区试用反馈,顺便求个 Star ⭐!

相关推荐
m0_614523551 小时前
普通视频怎么做多场景一镜到底:路线设计、逐段衔接与整体验收
人工智能·音视频
海宇服务1 小时前
零信任架构实战:基于海宇对外投资历史查询服务构建自动化供应商准入网关
运维·人工智能·架构·自动化
东风破_2 小时前
别急着上 Agentic RAG:先用 LangGraph 把最小 RAG 跑明白
人工智能
LaughingZhu2 小时前
Product Hunt 每日热榜 | 2026-09-12
人工智能·深度学习·神经网络·搜索引擎·百度
天真小巫2 小时前
2026.9.13总结(工作量日益繁重的当下,AI如何提效)
人工智能
Zguigo2 小时前
【CUDA1】GPUvsCPU,CUDA Kernel
人工智能·pytorch·深度学习
thesky1234562 小时前
用 ONNX Runtime 把 PyTorch 模型变成跨平台极速推理引擎:导出、优化、量化完整实
人工智能·深度学习·模型部署
米小虾2 小时前
把 KV Cache 从 3514 字节压到 890 字节:DeepSeek V4.1-Flash 动了什么,又没动什么
人工智能
锋行天下2 小时前
LangGraph 进阶:Command + Send 动态控制流、并行 Map-Reduce 实战与踩坑
人工智能
米小虾2 小时前
AI 观察:CEO 们集体喊"慢一点",钱却在加速进场
人工智能