AI 任务助手（Cloudflare AI Task Agent）

一个运行在 Cloudflare 边缘网络的智能对话式 AI 助手，支持对话、任务管理、网络搜索、深度研究和 RAG 文档问答。零服务器费用，无须自建 LLM API。

在线体验： https://ai-agent-worker.irashenhello.workers.dev

核心功能

💬 智能对话

基于 Llama 3.1 8B（Cloudflare Workers AI 免费额度），流式输出，响应快
对话历史自动保存，多会话管理，每个会话自动生成标题
支持设置 AI 助手昵称和用户名，个性化体验

✅ 任务管理（自然语言）

完全不用表单，纯对话管理任务：「帮我记一下买咖啡」 「删除那个任务」 「标记买咖啡完成」
LLM 理解意图，自动解析并操作 D1 数据库

🔍 网络搜索

接入 Serper.dev（Google 搜索 API），直接说「搜索 xxx」即可
返回带标题、摘要和链接的结构化结果

📊 深度研究

说「研究一下 xxx」，自动拆解为多个搜索词，并行搜索，整合结果生成结构化报告

📎 RAG 文档问答

上传 PDF、Word、TXT、Markdown 文件，自动解析、分块、向量化（768 维 embedding）
基于 Qdrant Cloud 向量数据库做语义检索，相关内容注入 LLM 上下文

技术架构

                        ┌─────────────────────────┐
                        │    用户浏览器（纯 JS）    │
                        └─────────────┬───────────┘
                                      │ HTTPS
                        ┌─────────────▼───────────┐
                        │   Cloudflare Worker      │
                        │   (Hono Router, 边缘)    │
                        │                         │
                        │  ┌─────────────────┐   │
                        │  │  意图检测路由    │   │
                        │  │  task_agent      │   │
                        │  │  search_agent    │   │
                        │  │  research_agent  │   │
                        │  │  user_info_agent │   │
                        │  └────────┬─────────┘   │
                        │           │             │
                        │  ┌────────▼─────────┐   │
                        │  │  Workers AI      │   │
                        │  │  Llama 3.1 8B    │   │
                        │  └─────────────────┘   │
                        └───────────┬─────────────┘
                                    │
              ┌─────────────────────┼─────────────────────┐
              │                     │                      │
    ┌─────────▼─────────┐  ┌────────▼──────────┐  ┌────────▼──────────┐
    │   Cloudflare D1   │  │   Qdrant Cloud     │  │    Serper.dev     │
    │   (SQLite, 用户/  │  │   (向量数据库,     │  │    (Google 搜索)   │
    │   会话/任务/消息) │  │   RAG 索引)        │  │                    │
    └───────────────────┘  └───────────────────┘  └───────────────────┘

技术栈

层级	技术选型	说明
运行时	Cloudflare Worker	边缘部署，响应快，零服务器成本
AI 模型	Workers AI `@cf/meta/llama-3.1-8b-instruct`	Cloudflare 内置，免费额度
Embedding	Workers AI `@cf/baai/bge-base-en-v1.5`	768 维中文向量
关系数据库	Cloudflare D1（SQLite）	用户、会话、任务、消息、文件元数据
向量数据库	Qdrant Cloud	RAG 向量检索，支持语义搜索
搜索	Serper.dev	Google 搜索 API，支持中文
框架	Hono	轻量、高性能，兼容 Workers API
ORM	Drizzle ORM	类型安全，迁移管理
前端	纯 HTML + JS（无构建工具）	内联到 Worker，零额外资源

数据模型

users ──────< sessions ──────< messages
   │                             (对话历史)
   │
   ├────< tasks              (任务)
   │
   └────< files              (上传文件 + 元数据)
           │
           └─ 向量索引存储在 Qdrant Cloud

项目结构

ai-agent-worker/
├── public/
│   ├── index.html          # 完整前端（HTML + 内联 CSS + 内联 JS）
│   └── app.js              # 前端 JS（prebuild 后内联到 index.html）
├── src/
│   ├── index.ts             # Hono 入口 + 所有 API 路由 + 内联 HTML 导出
│   ├── env.d.ts             # TypeScript 模块声明
│   ├── generated/
│   │   └── index-html.ts    # prebuild 生成：HTML 字符串常量
│   ├── agents/
│   │   └── agent.ts         # 核心 Agent：意图检测 + 5 个子代理
│   ├── lib/
│   │   ├── db.ts            # Drizzle D1 连接封装
│   │   ├── llm.ts           # Workers AI 对话 + embedding 封装
│   │   ├── search.ts        # Serper.dev 搜索封装
│   │   ├── vector.ts        # Qdrant 向量插入 / 搜索 / 删除
│   │   └── file.ts          # 文件解析 + 语义分块（512 字 / 64 字重叠）
│   └── schema/
│       ├── index.ts         # Schema 导出
│       └── tables.ts        # Drizzle 表定义（users / sessions / messages / tasks / files）
├── scripts/
│   └── prebuild.cjs         # 构建前脚本：内联 JS 到 HTML，生成 index-html.ts
├── drizzle/
│   └── 0000_init.sql        # D1 数据库初始化 SQL
├── wrangler.toml            # Worker 配置（D1 绑定、AI 绑定、环境变量）
├── package.json
└── tsconfig.json

快速部署

前置条件

Cloudflare 账号
Qdrant Cloud 免费集群（或自托管）
Serper.dev API Key（免费注册有额度）

步骤

# 1. 克隆
git clone https://github.com/irashen6/cloudflare-ai-task-agent.git
cd cloudflare-ai-task-agent

# 2. 安装依赖
npm install

# 3. 配置 wrangler.toml
#    填入你的 account_id、database_id、QDRANT_HOST、QDRANT_API_KEY

# 4. 创建 D1 数据库（如还没有）
wrangler d1 create ai-agent-db
#    将返回的 database_id 填入 wrangler.toml 的 [[d1_databases]]

# 5. 推送数据库 schema
wrangler d1 execute ai-agent-db --remote --file=drizzle/0000_init.sql

# 6. 部署
npm run deploy    # 等价于: node scripts/prebuild.cjs && wrangler deploy

# 7. 访问
# https://<your-worker>.workers.dev/

本地开发

npm install
npm run dev       # 等价于: node scripts/prebuild.cjs && wrangler dev
# 访问 http://localhost:8787/

注意需要创建d1数据库，步骤2安装依赖里的第四步，否则发任何消息都会报错 wrangler d1 execute ai-agent-db --local --file=drizzle/0000_init.sql

环境变量（wrangler.toml）

变量	说明	默认值	必需
`LLM_MODEL`	Workers AI 模型路径	`@cf/meta/llama-3.1-8b-instruct`	否
`SERPER_API_KEY`	Serper.dev API Key（Google 搜索）	—	是
`QDRANT_HOST`	Qdrant Cloud 集群地址	—	是
`QDRANT_API_KEY`	Qdrant Cloud API Key	—	是

API 参考

所有 API 以 x-user-id 请求头识别用户（UUID，存储在浏览器 localStorage）。

端点	方法	说明	请求体
`/api/chat`	POST	对话（非流式，返回 JSON）	`{ message, sessionId? }`
`/api/chat/stream`	POST	对话（流式，SSE）	`{ message, sessionId? }`
`/api/sessions`	GET	会话列表	—
`/api/tasks`	GET	任务列表	—
`/api/tasks`	POST	创建任务	`{ title }`
`/api/tasks/:id`	PATCH	更新任务状态	`{ status }`
`/api/tasks/:id`	DELETE	删除任务	—
`/api/files`	GET	文件列表	—
`/api/files`	POST	上传文件（FormData）	`file`
`/api/files/:id`	DELETE	删除文件及向量	—
`/api/user`	GET	获取用户信息	—
`/api/user`	POST	更新用户信息	`{ name?, email?, aiNickname? }`

Agent 工作流程

用户消息
    │
    ▼
意图检测（LLM JSON 输出）
    │
    ├─ task_management ──→ runTaskAgent
    │                          - 查看列表（关键词匹配）
    │                          - 创建/删除/完成（RAG 解析 JSON）
    │
    ├─ web_search ──→ runSearchAgent → Serper.dev API
    │
    ├─ research ──→ runResearchAgent
    │                  1. LLM 拆解为 3-5 个搜索词
    │                  2. 并行搜索
    │                  3. 汇总结果生成结构化报告
    │
    ├─ user_info ──→ runUserInfoAgent
    │                  - 首次使用：收集姓名+邮箱
    │                  - 正则 + LLM 双轨解析
    │
    └─ general ──→ askLLM
                      - 系统提示词注入用户信息、RAG 上下文、历史对话
                      - 返回回复字符串 → 存入 D1 → 返回前端

亮点

零成本 AI：使用 Cloudflare Workers AI 内置的 Llama 3.1 8B 模型，完全免费，无须 OpenAI / Claude API Key
边缘部署：Worker 运行在全球 300+ 个 PoP，就近接入，延迟低
完整 RAG 管线：文件上传 → 分块 → embedding → 向量索引 → 语义检索 → LLM 回答，全链路自托管
多代理架构：意图检测统一路由，各子代理职责单一，可独立扩展
零前端构建工具：纯 HTML/JS 内联到 Worker，二进制文件极小（< 300KB），无 CDN 依赖
会话记忆：D1 存储历史消息，每次对话注入最近 20 条上下文
无外部数据库依赖：用户数据、会话、任务全在 D1，向量在 Qdrant，无状态设计

License

MIT

FilesExpand file tree

README.md

Latest commit

History

README.md

File metadata and controls

AI 任务助手（Cloudflare AI Task Agent）

核心功能

💬 智能对话

✅ 任务管理（自然语言）

🔍 网络搜索

📊 深度研究

📎 RAG 文档问答

技术架构

技术栈

数据模型

项目结构

快速部署

前置条件

步骤

本地开发

环境变量（wrangler.toml）

API 参考

Agent 工作流程

亮点

License