打造未來：AI 虛擬人平台全棧解決方案深度解析

 

打造未來：AI 虛擬人平台全棧解決方案深度解析

在快速發展的 AI 領域，高效整合與快速部署已成為專案成功的關鍵。AI Virtual Human Platform 正是為了解決這些痛點而生，它提供了一套開箱即用的全棧專案骨架，讓開發者能夠專注於核心業務邏輯，而非繁瑣的基礎設施設定。本文將帶您深入了解這個平台的設計哲學、技術架構及其帶來的巨大價值。

您可以透過以下 GitHub 連結檢閱本專案的原始碼：https://github.com/BpsEason/ai-virtual-human-platform.git

專案核心理念：模組化與自動化

此專案的核心理念是「模組化」與「自動化」。透過將系統拆分為多個獨立的微服務，我們確保了每個組件都能獨立開發、部署與擴展。同時，藉由自動化腳本和 CI/CD 流程，我們將開發、測試到生產環境部署的整個過程自動化，極大提升了開發效率與專案品質。這不僅適用於快速原型開發，也完全滿足企業級專案對可維護性和擴充性的需求。

技術架構深度剖析

AI Virtual Human Platform 的技術棧涵蓋前後端、微服務與 DevOps 等多個層面，形成一個緊密協作的生態系統。

• 後端與前端：

  • 後端採用高性能的 PHP 8.2 與 Laravel 11，並透過 Laravel Octane (Swoole) 實現極致效能。

  • 前端則選用現代化的 Vue 3、Vite 與 Pinia，提供流暢的使用者體驗。

  • 兩者之間透過 JWT 認證確保 API 通訊安全。

• 微服務驅動：這是專案的靈魂所在。系統將核心 AI 功能拆分為兩個獨立的微服務：

  1. 向量化服務 (Vectorization Service)：由 Python FastAPI 驅動，利用 SentenceTransformer 模型將輸入文件內容轉換成向量。這些向量隨後被儲存至 Pinecone 向量資料庫，為後續的檢索增強生成（RAG）功能奠定基礎。

  2. 對話服務 (Chat Service)：由 Node.js 搭配 gRPC 和 LangChain JS 實現。它負責處理用戶的對話請求，並能利用向量資料庫中的知識進行智慧回覆。

• DevOps 與自動化流程：所有服務都已容器化，並提供了 docker-compose.yml 檔案用於本地開發。對於生產環境，我們提供完整的 Kubernetes Helm Chart，實現一鍵部署、版本管理與水平自動擴展。

以下是專案的程式架構圖，展示了各個服務之間的互動關係：

核心程式碼範例與註解

這裡展示了專案中幾個關鍵功能的程式碼片段，並附上詳盡的中文註解，幫助您更好地理解專案的實現邏輯。

1. 後端：用戶認證控制器 (app/Http/Controllers/AuthController.php)

此控制器負責處理用戶註冊與登入邏輯，並透過 tymon/jwt-auth 擴充套件產生 JWT Token，以確保 API 通訊的安全。

<?php

namespace App\Http\Controllers;
use App\Models\User;
use Illuminate\Http\Request;
use Tymon\JWTAuth\Facades\JWTAuth;

class AuthController extends Controller
{
    /**
     * 處理用戶註冊請求
     *
     * @param Request $request
     * @return \Illuminate\Http\JsonResponse
     */
    public function register(Request $request)
    {
        // 建立新用戶
        $user = User::create([
            'name' => $request->name,
            'email' => $request->email,
            'password' => bcrypt($request->password),
        ]);
        // 使用新建立的用戶資訊生成 JWT Token
        $token = JWTAuth::fromUser($user);
        // 返回用戶資訊與 Token
        return response()->json(compact('user', 'token'));
    }

    /**
     * 處理用戶登入請求
     *
     * @param Request $request
     * @return \Illuminate\Http\JsonResponse
     */
    public function login(Request $request)
    {
        $credentials = $request->only('email', 'password');
        // 嘗試使用提供的憑證進行登入，若失敗則返回 401 錯誤
        if (!$token = JWTAuth::attempt($credentials)) {
            return response()->json(['error' => 'Unauthorized'], 401);
        }

        // 登入成功，返回帶有 Token 的響應
        return $this->respondWithToken($token);
    }

    /**
     * 返回格式化的 JWT Token 響應
     *
     * @param string $token
     * @return \Illuminate\Http\JsonResponse
     */
    protected function respondWithToken($token)
    {
        return response()->json([
            'access_token' => $token,
            'token_type' => 'bearer',
            'expires_in' => JWTAuth::factory()->getTtl() * 60
        ]);
    }
}

2. 微服務：向量化服務 (microservices/vectorization-service/app/main.py)

此微服務是 AI 功能的核心，負責將文件內容轉換為向量。它使用 FastAPI 建立 API 端點，並呼叫 Pinecone 服務進行資料儲存。

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
import os
from pinecone import Pinecone
from sentence_transformers import SentenceTransformer

# 初始化 FastAPI 應用程式
app = FastAPI()

# 定義 API 請求的數據結構
class Document(BaseModel):
    document_id: int
    content: str

# 創建一個 API 端點來處理文件向量化
@app.post("/vectorize")
async def vectorize_document(doc: Document):
    try:
        # 使用 SentenceTransformer 模型將文件內容轉為向量表示
        model = SentenceTransformer('all-MiniLM-L6-v2')
        vector = model.encode(doc.content).tolist()
        
        # 使用環境變數初始化 Pinecone 客戶端
        api_key = os.environ.get('PINECONE_API_KEY')
        environment = os.environ.get('PINECONE_ENVIRONMENT')
        
        if not api_key or not environment:
            raise HTTPException(status_code=500, detail="Missing Pinecone API key or environment variable.")

        # 取得 Pinecone 索引
        index = Pinecone(api_key=api_key, environment=environment).Index('my-index')
        
        # 將向量資料上傳至 Pinecone，包含文件 ID 和元數據
        index.upsert(vectors=[
            {'id': str(doc.document_id), 'values': vector, 'metadata': {'content': doc.content}}
        ])
        return {"message": "已成功上傳至 Pinecone"}
    except Exception as e:
        # 處理異常並返回 500 錯誤
        raise HTTPException(status_code=500, detail=str(e))

3. 前端：認證狀態管理 (resources/js/stores/auth.js)

這是一個 Pinia Store，用於管理前端的用戶認證狀態。它將 JWT Token 儲存在瀏覽器的 localStorage 中，實現狀態持久化。

import { defineStore } from 'pinia';

// 定義 Pinia 狀態管理 store，用於管理用戶認證狀態
export const useAuthStore = defineStore('auth', {
  // 狀態：從 localStorage 獲取或初始化 JWT Token
  state: () => ({
    token: localStorage.getItem('token') || null,
  }),
  // 計算屬性：檢查用戶是否已認證
  getters: {
    isAuthenticated: (state) => !!state.token,
  },
  // 操作：設定或清除認證 Token
  actions: {
    setToken(token) {
      this.token = token;
      localStorage.setItem('token', token); // 儲存 Token 至 localStorage
    },
    clearToken() {
      this.token = null;
      localStorage.removeItem('token'); // 清除 Token
    },
  },
});

總結來說，AI Virtual Human Platform 透過這些核心組件的協作，為 AI 虛擬人應用提供了堅實且可擴展的技術基礎。從前後端、微服務到自動化部署，每個環節都經過精心設計，旨在讓您能夠快速進入開發階段，專注於核心業務邏輯的實現。