第 1 周：先把 AI 助手的前后端跑起来
第一周的目标是不深究框架原理，而是花五天时间把一个可访问、能对话的 AI 助手页面从零跑起来，让团队在最短时间内看到一个真实可用的雏形，而不是停留在文档和方案阶段。每一天都在前一天的基础上叠加新能力，从项目骨架到聊天主链路，再到结构化展示、工具调用，最终演变成一个初具规模的业务 Agent 工作台。
Day 1：搭建项目骨架
这一天的目标是把整个系统的骨架从零立起来，为后续四周的开发打下地基。工作从需求拆解和系统架构设计开始，明确前后端各自的职责边界和交互方式，再据此规划出完整的页面路由体系，覆盖对话、知识库、工单、审核、执行记录、评估和配置等核心场景。技术选型上，后端采用 Python + FastAPI 搭建服务端项目，划分出 api、agents、rag、tools、schemas 等模块目录，为后面接入大模型、检索增强和工具调用预留好扩展空间。前端采用 Vite + Vue 3 脚手架初始化，规划出 api、views、components、router、stores 等目录分层，确保代码组织从第一天起就是可维护、可扩展的。这一天结束时交付的不是功能，而是一个双端都能跑起来、目录结构清晰的空项目。
Day 2：跑通聊天主链路
这一天的目标是让"能对话"这件事从设计图纸变成用户能亲手体验的功能，验证前后端联调的完整链路是否真正打通。技术上后端提供一个 POST /api/v1/chat 接口，负责接收用户输入、转发给大模型、再把回复原样返回。前端则搭建出经典的三段式聊天布局，包含会话列表、消息展示区和底部输入框，并处理好请求发出后的 loading 状态与网络异常时的错误提示，保证交互体验在极简功能下依然完整。这一天结束时，用户已经可以打开浏览器输入问题并得到 AI 回复，虽然能力还很朴素，但这是后续所有功能得以叠加的基础通路。
Day 3：让回答结构化、卡片化
这一天的目标是回应业务方提出的更高要求，AI 的回复不能只是一段自由文本，而要能承载问题类型、置信度、建议操作等多维信息，方便客服人员快速做出判断。技术上后端接口的返回值从纯文本升级为结构化 JSON，包含意图分类、回答内容、置信度分数、是否需要人工介入以及建议操作列表等字段。前端则新增多个 Vue 组件，把这些结构化字段渲染成直观的回答卡片、意图标签和置信度进度条，并将建议操作转化为可点击的按钮，需要人工介入时给出醒目提示。这一天的变化让 AI 的输出第一次具备了辅助业务决策的能力，而不只是聊天记录里的一段文字。
Day 4：让 AI 具备工具调用能力
这一天的目标是让 AI 从"只会说"进化到"能动手"，具备主动查询外部系统的能力，以应对诸如查询订单状态这类真实业务诉求。技术上引入 Agent 工具调用机制，后端先搭建一个模拟的订单查询接口，将其封装成可供 Agent 识别和调用的工具函数，当用户提问涉及订单查询时，Agent 自动判断意图并调用对应工具获取真实数据，再整理成自然语言答复。前端同步新增工具调用过程和订单详情的展示组件，让用户能清楚看到 AI 正在调用哪个工具、传入了什么参数、返回了什么结果。至此，对话不再是静态的一问一答，而是变成了 AI 主动联动业务系统、实时反馈查询结果的动态过程。
Day 5：升级为业务 Agent 工作台
这一天是本周的收官，目标是把前四天积累的能力整合成一个真正可用的业务 Agent 工作台，而不只是一个功能堆砌的聊天页面。技术上后端一次性接入订单工具、工单工具、用户工具和知识库工具，形成一个多工具协同的工具集，让 Agent 能够根据不同业务问题自动选择合适的工具组合来完成任务。前端则在聊天页面右侧新增任务上下文面板，实时汇总当前对话涉及的用户信息、关联订单、关联工单以及全部工具调用记录，支持点击展开查看详情。至此，整个页面演变为会话列表、对话主区、上下文面板三栏布局的完整工作台。
这一周虽然只有五天，但节奏并不轻松，从零搭建项目骨架开始，逐步跑通聊天主链路、让回答具备结构化的业务价值、赋予 AI 调用外部系统的能力，最终落地成一个具备基础工具调用能力的业务 Agent 工作台。整个过程不会讲太多框架原理，而是以"每天交付一个可见的功能变化"为节奏，让你在动手实践中理解 AI 助手项目是如何一步步搭建起来的。等这一周结束，你手上会有一个目录清晰、页面完整、前后端联通的项目骨架，为第二周引入企业知识库、让 AI 真正基于公司资料回答问题打下基础。