一个人，带着一群 AI：一个 10 年前端如何做出几十个团队在用的在线文档

去年有人问我：AI 这么猛，你一个写前端的还卷得动吗。我没正面答，因为那阵子我正忙着用 AI 帮我写代码------写出来的东西，现在公司内部几十个团队、上千号人每天在上面写需求、记周报、搭知识库。

它叫零一文档。这篇文章不是来给它做广告的（虽然也顺手放个地址），更像一次坦白局：一个干了十来年前端的人，这两年是怎么跟 AI 搭伙干活的，以及我越来越觉得重要的几件事------技术、还有咱们这行的人，到底值钱在哪。

我是谁，以及我为什么慌过

我写前端大概十年出头了。从 jQuery 一把梭、自己拼组件，写到 React + TypeScript 的工程化，再写到 monorepo、微前端那一套。前端最乱和最体面的年头我都赶上了。

前几年我们卷的是框架、是工程化、是谁的构建快；这两年画风突变，变成 AI 直接上手替你写代码。我得承认，有一阵我是慌的。不是怕失业那种慌，是怕自己辛苦攒了十年的那点"熟练度"------什么 API 记得熟、什么坑踩过、什么脚手架闭眼都能搭------突然就不值钱了。

后来想通一件事，反而踏实了：AI 写得快，不等于 AI 知道该写什么。它缺的不是手速，是"为什么要做这个、做到什么程度算对、出事了谁负责"。这些恰恰是我干了十年攒下来的东西。

于是我换了个活法：不再跟 AI 比谁代码敲得快，而是坐到"提需求 + 验收"的位置上，让它替我把那些我懒得干、但必须干的活儿干掉。

零一文档，就是这么被我"催"出来的。

这东西是怎么来的

起因特别朴素，甚至有点窝火。

我们有几个团队，天天要写文档、记需求、存知识库。需求方就一句话："要能多人一起改、数据不能出公司、最好别花钱。"

市面上的方案我挨个看了一遍：SaaS 要么贵，要么数据得出域（合规一票否决）；能私有部署的，报价单长得吓人，还是"联系销售"那套；自己从零撸一个协同编辑器？光是协作冲突、离线合并这几个点，就能耗掉一个季度，还未必稳。

换作以前，这事到我这儿基本就黄了------一个人哪做得动一个"在线文档系统"。但那阵我已经用上 AI 编码工具一段时间，心里有个判断：实现的成本降了一大截，剩下难的其实是架构和取舍，那恰好是我该干的。

我就这么开始了。不是先写个漂亮计划，是边用边写：先解决自己团队记周报的痛，再补协同，再加知识库，后来看团队都在折腾 Agent，又把 MCP 接了进来。

现在它跑在公司内部，几十个团队在上面真用。说"真用"是因为每天都有人在那吵架改需求、贴截图、写周报------一个没人用的系统是不会这么热闹的。

我为什么非要让它能私有部署

做着做着，我越来越确信一件事：文档不是文档，文档就是数据。 而且是一家公司最值钱、也最敏感的那部分数据------需求、合同、周报、客户资料、还没上线的产品方案，全在里头。

可现实是，这些东西大多躺在别人的 SaaS 里。AI 时代这个矛盾比过去更尖了：一边是大伙都在用大模型、都在让 Agent 读自己的文档库；另一边是数据出域的合规红线越收越紧。金融、政企这类客户，根本不允许把资料往第三方云上放，合规上一票否决。

我自己做过几年内部系统，太清楚这种两难：要么花钱买能私有部署的商业方案，报价单能吓退人，还得低头求着厂商；要么自己从零撸一个，成本又扛不住。很多团队最后选了"先凑合用 SaaS"，等于把最核心的数据交了出去。

所以零一文档有个我死守的底线：它必须能私有化部署。 不是"联系销售拿方案"那种私有化，而是你拉下代码、Docker 一行命令就能跑在自己的服务器上，数据从头到尾都在你自己的数据库里，不经过任何第三方。

这件事就是我做这个项目的根。前面说的协同、MCP、多维表，都是为实现它服务的------让一个团队，不依赖任何外部厂商，也能拥有自己的文档系统，把数据攥回自己手里。AI 越发达，这一点越重要：你可以用最好的模型、最聪明的 Agent，但你的底稿，得在你自己能掌控的地方。

说句公道话：哪些是我干的，哪些是 AI 干的

这一点我想讲清楚，因为它正关系到"技术人员定位"。网上太多"我用 AI 一天做个 XX"的爽文，看着热闹，其实误导人。我的真实分工是这样的：

我干的活：

定架构。monorepo 怎么拆------核心引擎（core-*）和编辑器（editor-*）分开，应用层（web / admin / server）各自独立。这个拆法决定了后面能不能维护得动。
定最难的技术选型。比如实时协作到底用 CRDT 还是 OT，我拍的板；什么该开源、什么留作商业，这条线也是我划的。
验收和判断。AI 给我的代码，我要 review、要跑、要测。不对就打回去让它重写，来回几轮是常事。很多时候它第一次交出来的东西，离"能用"还差得远。

AI 干的活：

大概 80% 的样板代码、重复组件、增删改查接口。这些我也能写，但写起来烦，它写得快。
测试用例的初稿、文档的初稿（包括仓库里你现在看到的大段注释，不少是它先写的，我再改顺）。
某些我不熟的领域，比如某段底层算法，先让它出个初版，我再往里塞业务逻辑、改边界。

一句话总结我的体感：AI 像个手脚很快、但不太会思考的实习生；我是那个得为结果负责、并且在关键路口能做取舍的人。 它替我干掉了体力活，但方向盘一直在我手里。

这也是我后来越想越觉得重要的事，放后面单独聊。

它现在到底能干什么

光说我一个人干，你可能觉得我在吹。说点具体的，它现在跑起来、真有人用的东西是这样：

模块	现在能做什么	状态
多维表格	多种字段类型、多视图（表格 / 日历 / 看板 / 甘特 / 画廊）、公式引擎、条件格式、仪表盘	已开源，能跑
思维笔记 / 导图	Canvas 引擎、主题、节点样式、大纲视图	已开源，能跑
白板	自由画布、连接线、形状、可嵌入思维图	已开源，能跑
富文本文档	标题、列表、表格、代码块、Markdown / Mermaid、大纲导航	还在写
问卷	表单设计、数据收集与分析	还在写

几个实在话：

多维表格是我花最多心思的。团队现在主要拿它管需求、排期、跟进度，多视图切换和公式都齐了。
思维笔记和白板是 Canvas 引擎画的，不重，但日常够用。
富文本文档和问卷还没写到能拿出手的程度，没捂着，就是还没写完。
核心那几项------实时协作、导入导出（DOCX / XLSX / Markdown）、知识库、还有上面说的 MCP------都已经开源，你能直接把代码拉下来看。
AI 助手和 RAG 这块目前是商业授权，不在开源部分。提前说清楚，免得你拉下来跑，发现某块功能要授权才懵。

还有一点，它不只是个能打开的网站。核心引擎我拆成了 npm 包，你想给自己产品嵌个表格或者思维导图，直接引就行：

bash 复制代码

npm install @lingyi-doc/core       # 核心引擎（无 UI 依赖）
npm install @lingyi-doc/editor     # React 编辑器组件
npm install @lingyi-doc/mind-map   # 纯 Canvas 思维导图引擎

技术上的几个决定（给同行看的）

如果你是写代码的，下面这几段可能比前面有用。我把几个关键决定和踩过的坑讲一下。

实时协作：为什么是 CRDT，不是 OT

多人同时改同一个格子、断网改了一半再连上、两台设备各改各的------这些才是协同编辑真正的坑，不是"能同时打字"就完事。

我一开始也考虑过 OT（操作变换），但 OT 要在服务端跑一套转换逻辑，状态机复杂，运维也重。后来选了 CRDT（无冲突复制数据类型）+ HLC（混合逻辑时钟），配合 WebSocket 做实时同步。CRDT 的好处是冲突在数据结构这一层就消解了，前端也能 hold 住，不用后端背着一套复杂的转换包袱。

踩过的真实坑：早期离线编辑后再合并，偶尔会丢内容。根因是 HLC 的时钟回退没处理好，离线期间的本地操作时间戳跟服务端对不上，合并时被当成旧数据丢了。后来把本地操作先缓存成待同步队列、重连后带因果序补齐，才算稳。

说白了，协同这块我建议别自己造轮子，直接复用现成的思路。零一文档的协作引擎是开源的，架构文档我也都放进仓库了，照着看比自己琢磨省事。

让 Agent 读得懂我的文档：MCP

先说清，做这个系统最大的动力真不是 MCP------这个留到后面单独聊。MCP 是中途被需求"逼"出来的：团队都在搞 AI Agent，可自家的文档库没有标准接口。数据虽然在自己手里（上一节说的），Agent 却读不到------Agent 想"读一下上周的需求文档""往知识库写份周报"，全得人工 copy，特别拧巴。

于是我给零一文档实现了 MCP（Model Context Protocol，2024-11-05 规范），支持 Streamable HTTP。Cursor、Claude Desktop、自建 Agent、甚至 CI 流水线，都能用标准协议来读我的知识库和文档。

端点很简单：

http 复制代码

POST /api/v1/mcp
Authorization: Bearer mcp_<token>
Content-Type: application/json
MCP-Protocol-Version: 2024-11-05

权限用 Scope 控制，而且 MCP 的 Token 跟登录用的 JWT 是完全分开的两套------这点我特别坚持，因为 Agent 的凭证不能跟人的账号混在一起。

Scope	说明
`kb:read` / `kb:write`	知识库与目录节点的读 / 写
`doc:read` / `doc:write`	文档的读 / 写（含多维表写入）
`ai:rag`	向量语义检索与索引

在 Cursor 里接进来，就一段配置：

json 复制代码

{
  "mcpServers": {
    "lingyi-doc": {
      "url": "https://your-domain.com/api/v1/mcp",
      "headers": { "Authorization": "Bearer mcp_xxxxxxxx" }
    }
  }
}

接上之后一个典型工作流就通了：list_knowledge_bases → create_kb_document → update_document（写 Markdown）→ embed_document（建索引）→ search_knowledge（验证检索）。你的 Agent 从此能自己写文档、自己建索引、自己检索，不用再人工搬运。

MCP 的完整设计（Token 怎么签、Scope 怎么划、有哪些 Tools / Resources、审计怎么做）我都公开在仓库的 docs/design/mcp-module-design.md，欢迎照着改、照着提 PR。

能自己跑起来：Docker 自托管

这点对政企和金融机构特别关键------数据不能出域，SaaS 直接出局。所以我没把"私有部署"做成付费服务，而是直接做成了开源能力，目标是一行命令能起来。

bash 复制代码

cp deploy/docker/.env.example deploy/docker/.env
npm run docker:up -- --with-mysql --migrate
# Web：http://127.0.0.1/   管理后台：http://127.0.0.1/admin/

环境要求就三样：Node.js 18+、MySQL 8 / PostgreSQL 15、Redis 6+。没别的依赖了。

聊点虚的：10 年前端，在 AI 时代到底值钱在哪

前面说了协同、MCP、私有部署这些实的，但得回到我最开始说的那句话------我做这个系统、写这篇东西，最大的动力，其实不是哪一个技术多酷，而是想借它弄清楚一件事：AI 时代，像我这样一个写十年的前端，价值到底在哪。

你如果只想看技术可以划走，但我觉得这比技术重要。也正是这件事，才让我愿意一个人带着一群 AI，把这么个系统从 0 熬到真有人用。

我干了十年，清楚地记得以前前端拼的是什么：手速、记 API、熬夜、踩坑经验。这些东西，现在 AI 比你快、比你全、还不知疲倦。

那咱们的个人价值去哪了？这两年我跟 AI 搭伙干活，慢慢有点体会：

第一，从"写代码"变成"定义问题"。 一个模糊的需求丢过来，能把它拆成清晰方案的人，稀缺。AI 再强，也得有人告诉它"我要的是什么、边界在哪、做到什么程度算对"。定义问题的能力，AI 现在还替代不了。

第二，从"实现"变成"判断"。 AI 能给你十个方案，但你得选对的那个，还得说清为什么。这种取舍、这种"我知道这里该妥协、那里不能让步"的直觉，是十年踩坑换来的，不是 prompt 能催出来的。

第三，从"单兵"变成"对结果负责"。 部署挂了、用户骂了、数据错了，最后找的还是你。AI 不会半夜被叫起来救火，也不会为这个系统的死活承担责任。能扛事的人，永远值钱。

常有人问：一个人加 AI，能顶一个团队吗？

我的答案是：能顶"把东西做出来"，顶不了"把东西兜底好"。真正能用的产品，背后得有人为它负责，得有人去做那些没人愿意做、但必须做的事------部署、运维、回用户消息、在几个都说得通的方案里拍板。AI 帮我把 80% 的体力活干掉了，但剩下那 20% 的决定权，我建议还是握在自己手里。

说到底，个人价值可能不再是"你会多少框架、记多少 API"，而是：你能不能把一个东西，从 0 真的做成 1，并且让它真的被用起来。

收个尾

零一文档已经开源了。它不完美------多维表格、思维笔记、白板现在能跑能玩，富文本和问卷还在补；MCP 模块的设计文档我全公开了。它是我一边用、一边被用户（也就是那几十个团队）催着改出来的，不是什么精心包装的 demo。

开源地址：github.com/James-Nie/l...

在线体验（登录即用）：lingyidoc.com

写这篇不是想说服你用什么，而是想找个地方聊聊。如果你也在想------

前端在 AI 时代该怎么定位；
一个人带 AI 做项目，怎么扛住"既要又要"；
技术人的个人价值，到底该往哪放；
或者你就在搞文档协作 / 私有化部署 / Agent 接知识库，踩过什么坑------

评论区见，咱慢慢聊。不卖课，不私域，就聊点真东西。