装修是典型的"信息不对称"行业：风格怎么选、材料怎么挑、工艺怎么验收、预算怎么控，普通业主往往要跑十几家门店、刷上百篇笔记才能拼凑出答案。本文分享一个基于大模型的家居装修智能咨询助手的技术实现思路------用一套轻量的 Node.js 全栈方案，把"专属领域智能体"落地成一个可对话、可管理、可追溯的产品。
源码：点头像--个人简介
一、它解决了什么问题
传统装修咨询存在三个痛点：
- 咨询门槛高：设计师档期紧、线下门店有销售导向，业主很难获得中立、即时的专业解答。
- 信息碎片化：风格、材料、工艺、预算分散在不同平台，缺乏针对具体问题的连贯回答。
- 领域泛化：通用大模型什么都能聊，但回答装修问题时容易"跑偏"，专业度和针对性不足。
这个项目用"领域限定 + 流式对话 + 会话沉淀 "三件事来应对：智能体只回答家居装修相关问题，回答逐字流式输出，所有对话可被管理员追溯复盘。
二、技术选型
| 层次 | 技术 |
|---|---|
| 前端 | Vue3 + Element Plus + JavaScript |
| 后端 | Node.js 20 + Express |
| 数据层 | MySQL 8.0 + Prisma |
| 校验 | Zod |
| 大模型 | DeepSeek（可替换为任意兼容 OpenAI 协议的服务） |
| 鉴权 | JWT + MD5 加盐 |
选型原则是"够用、可读、易部署 "：Express 中间件模型简单直观，Prisma 提供类型安全的数据库访问，Zod 在请求入口做统一校验，整套系统只需配置数据库连接与大模型 API 地址、密钥即可运行。
三、核心功能设计
1. 智能体配置
智能体的"人格"由系统提示词（System Prompt）定义，包括角色定位、能力边界、回答风格。后台提供 Markdown 编辑器与分屏实时预览，运营人员无需改代码即可调整智能体的专业方向与话术。同时可配置智能体名称、问候语与启停状态。
能力边界是这里的关键设计：通过提示词明确"仅回答家居装修相关问题"，超出领域的问题礼貌拒答，从源头保证回答的专业性与一致性。
2. 智能体对话
前端与智能体进行多轮实时对话，支持会话创建、上下文延续与历史记录查看。回答以打字机效果逐字呈现，避免长时间白屏等待。
3. 大模型配置
大模型作为智能体的"底座"被抽象为可配置项：接口地址、API Key、模型名称。更换模型只需改配置，不动业务代码。
4. 用户与聊天记录管理
- 前台注册用户的分页查询、搜索筛选与详情查看；
- 管理员可追溯全部用户与智能体的对话记录，支持分页、搜索、详情；
- 管理员与普通用户统一登录入口，JWT 令牌鉴权。
四、几个值得说的技术点
SSE 流式响应：把"等待"变成"观看"
大模型生成一段完整回答往往需要数秒。项目使用 Express 的流式响应（text/event-stream）将模型返回的增量内容实时推送给前端，前端逐块追加渲染，形成打字机效果。
实现要点：
- 设置
Content-Type: text/event-stream、Cache-Control: no-cache、Connection: keep-alive； - 关闭响应缓冲，逐条
res.write()推送data:事件； - 前端使用
fetch+ReadableStream读取并解析分块数据； - 流结束时发送终止事件并
res.end()，异常时同样要正确关闭连接，避免连接泄漏。
相比一次性返回，SSE 的优势是单向、轻量、基于 HTTP，无需 WebSocket 的握手与心跳维护，非常适合"服务端持续输出、客户端只读"的对话场景。
系统提示词：用 Prompt 做产品边界
领域智能体的效果，很大程度取决于提示词工程。项目在提示词中明确了三件事：
- 角色：家居装修顾问，具备风格、材料、工艺、预算方面的知识；
- 边界：只回答装修相关问题，其他领域礼貌引导回主题；
- 风格：结构化、可执行，给出建议时说明理由与注意事项。
把"产品规则"写进提示词，比在代码里堆砌关键词过滤更灵活，也更容易迭代。
敏感信息掩码
大模型 API Key 属于高敏感凭证。后台展示时统一做掩码处理（如仅保留首尾若干位），编辑时留空即表示"不修改"，避免密钥在页面、日志、接口响应中明文暴露。
Zod 统一校验
所有请求参数与响应结构通过 Zod Schema 定义，在路由入口统一校验与序列化。好处是：错误信息集中、类型推导自然、边界清晰，避免"参数缺失导致下游报错"的连锁问题。
Express 中间件复用鉴权与会话
把 JWT 校验、用户身份注入、会话归属校验封装为中间件，在需要保护的路由上按需挂载。会话管理同样以中间件形式实现，业务处理函数只关心"拿到当前用户和会话，然后干活"，逻辑复用度高、可读性好。
Markdown 编辑与预览
智能体提示词、回答内容都涉及 Markdown。前端实现编辑区与预览区的分屏渲染，并做滚动同步，让长文本的编辑体验接近专业编辑器。
五、部署与运行
部署链路很短：
- 准备 MySQL 8.0 数据库并执行 Prisma 迁移；
- 配置大模型 API 地址与密钥（默认对接 DeepSeek，需自行开通）；
- 启动 Express 后端与 Vue3 前端，确认接口联通即可。
六、可复用的经验
这个项目虽然聚焦家居装修，但其中的模式具备通用性：
- 领域智能体 = 通用大模型 + 系统提示词 + 边界约束，任何垂直行业都可以用同样方式快速构建；
- SSE 是对话类产品的最低成本流式方案，在"只需服务端推送"的场景下优于 WebSocket；
- 把配置外置（模型、提示词、启停状态），让非技术人员也能参与智能体调优；
- 凭证掩码 + 统一校验 + 中间件鉴权，是任何带后台管理的小型全栈项目都该具备的基础设施。
对于想学习"AI 智能体如何与 Node.js 后端深度融合"的开发者来说，这是一个结构清晰、技术点密集、又足够贴近真实业务的练手项目。
说明：智能体的回答结果仅供参考，不保证内容的准确性与专业性；实际装修决策仍建议结合专业设计师与施工方意见。