3-1、VibeCoding之“AI向量知识库”（1d）

一、背景和问题

1、上海社区云小程序服务了全市市、区、街道镇、居村四个层次大概6万左右的政府用户；

2、市社工部为了给基层提供更加直接的指导和服务，建了4个微信群，每个群通过邀请的方式邀请了150+基层工作人员；

3、每个群投入2真人进行运维支持，提供7*8的服务，指导社区云的使用、解决一些问题、解释一些政策，任务很重。

二、解决方案

社区云已经运行多年，积累了很多Q&A资料，哪怕是新的功能也有使用说明。把这些资料整理成资料库，通过群机器人辅助运维，不失为一种好的解决方案。

三、技术思路

企微群（机器人） + 小龙虾（Agent） + 向量知识库 + LLM

四、AI编程实现向量知识库

1、让小龙虾做第一步

提示词如下：

帮我开发一个“AI向量知识库平台”，需求如下，请给出详细功能规划、原型设计、架构设计、数据库设计以及源码。

业务需求：

1、简单鉴权，固定用户名密码：admin/<your-password>

2、可以设置向量库全局参数；

3、上传文档列表

（1）上传pdf、word、txt文档

（2）查看上传文档详细：文件名、文件大小、上传时间；

（3）删除上传文档，并清理向量库；

4、连接大模型，实现对话，查询向量库内容；

技术需求：

1、向量库 Chroma + bge-embedding；

2、大模型使用MiniMax API;

3、前端使用VUE，后端使用python；

最终把所有设计文档和源码放到 gitee 上：

https://gitee.com/weedlu/vector-knowledge-base.git

用户名：

密码：

其实也可以用豆包，但豆包没办法推到gitee上。

2、让 IntelliJ IDEA + Lingma 做第二步

• 从 gitee 上获取最新源码，按照 README.md 配置好本地环境；

• 让 Lingma 分析一遍源码，并做第一遍修改和优化；

• 接下来就是不断的“黑盒”纠错，先看能否启动、再看功能是否正确，有问题直接问 Lingma 解决；

对的，有问题就问lingma，lingma修改源码，你点“接受”，就这样循环，最终得到完整的可运行的程序。

3、看最终效果

五、总结

1、节省了学习成本

学习效率高、学习质量好，360度无死角学习。整个平台涉及到如下技术：

• 后端：Python + SQLite

• 前端：Vue 3 + Element Plus + Vite

• 向量库：Chroma + bge-base-zh-v1.5

• 大模型：MiniMax AP

怎样？这些知识你要学多长时间？而且还是用Python实现的，可我们没有系统的学过Python。Python是最接近于LLM的语言，Skill一般都是用Python实现的。另外向量库开发也不熟，还有word、pdf解析以及AI对话的流式效果的技术细节。这些都不是事，你只要会向小龙虾、灵码提要求就行。

2、节省了开发时间

整个大概花了1天的时间，其实主要时间还是花在Python、IntelliJ IDEA环境调试上了。

原先后端打算使用Springboot，小龙虾自动生成源码才发现，调用向量库部分依然使用Python实现的（对，没错，Java调用Python ），毅然决然用Python实现后端。

六、再总结

AI时代最缺什么样的软件人才：销售人员、产品设计、技术架构和项目实施。