立项背景:随着大语言模型普及,用户需要的不再是简单问答机器人,而是一个能主动服务、可语音交互、长期陪伴的个人AI助手。本项目目标是打造一款"管家式"AI智能体,用户打开网页即可使用。核心功能:1.智能对话:接入大语言模型,支持上下文记忆、流式回复、联网搜索和网页内容读取,事实类回答附带来源;2.语音交互:文字转语音播报,提供多个中英文音色,支持语音输入;3.主动服务:定时提醒(久坐、日程、睡前总结)、早间简报、情境关怀,管家可主动发起对话;4.任务与日程:待办管理、日程提醒、自动化规则引擎;5.个性化:音色、语速、唤醒词、人格风格均可配置,数据本地持久化。业务流程:用户打开网页,通过文字或语音下达指令,前端鉴权后请求云端服务,大模型生成回复(过程中可调用搜索、网页读取工具),结果流式展示并语音播报;后台按规则定时触发主动提醒。
整体架构:采用"轻前端+云函数后端"的Serverless架构。前端为单页应用(HTML5+原生JavaScript+CSS),负责界面渲染、语音播放与本地状态管理;后端部署在云函数平台,负责大模型API对接、请求鉴权与数据转发,无需自建服务器,部署成本极低,可快速为客户复制私有化部署。本人独立完成全部设计与开发:1.对话链路:实现流式输出(首字响应约1秒)、上下文记忆保留最近25轮、联网搜索双源交叉验证;2.语音模块:对接TTS语音合成服务,内置10个中英文音色,设计音色白名单与兜底机制;3.成本控制:设计后台规则引擎,将主动提醒、问候等高频场景改为本地规则触发,大模型调用只在用户主动对话时发生,单用户日均API成本控制在几分钱;4.安全鉴权:实现同源请求放行加接口令牌校验。难点与解决:一是语音合成服务在国内网络访问不稳定,通过部署国内可直达的TTS中转服务并固定地址解决;二是网页刷新后定时提醒状态重置导致重复打扰,通过本地持久化触发时间加页面加载宽限期机制解决。