知几 - AI Agent 可行性评估平台

让每个 AI 创新者都能洞察先机，预见成败

功能 • 开始 • 架构 • 部署 • 文档

📖 项目简介

知几是一个专门为 AI Agent 项目设计的可行性评估平台。通过多维度分析和智能评估，帮助创新者在项目启动前就能预见潜在的挑战和机遇。

✨ 功能特性

核心功能

• 🎯 智能评估 - 基于多个 AI 模型的综合评估
• 📊 五维分析 - 清晰度、能力匹配、客观性、数据质量、容错性
• 💡 智能建议 - 提供具体可行的改进建议
• ⚠️ 风险预警 - 识别潜在风险并提供应对策略
• 📈 可行性矩阵 - 技术难度与商业价值的可视化分析

技术特点

• ⚡ 边缘计算 - 基于 Cloudflare Workers 的全球部署
• 🔒 数据安全 - 本地化存储，保护隐私
• 🚀 高性能 - 毫秒级响应，支持高并发
• 💰 低成本 - Serverless 架构，按需付费

🚀 快速开始

环境要求

• Node.js 18+
• npm 或 yarn
• Cloudflare 账号（部署时需要）

安装步骤

1. 克隆项目

git clone https://github.com/yourusername/zhiji.git
cd zhiji

2. 安装依赖

# 安装前端依赖
npm install

# 安装后端依赖
cd workers/api
npm install
cd ../..

3. 启动开发环境

# 使用演示脚本（推荐）
./demo.sh

# 或手动启动
# 终端1：启动后端
cd workers/api
npm run dev

# 终端2：启动前端
npm run dev

4. 访问应用

• 前端：http://localhost:3000
• API：http://localhost:8787

🏗 技术架构

知几平台
├── 前端 (Next.js 14)
│   ├── React 18
│   ├── TypeScript
│   └── Tailwind CSS
├── 后端 (Cloudflare Workers)
│   ├── Hono Framework
│   ├── D1 Database
│   └── TypeScript
└── AI 集成
    ├── GPT-5
    ├── Claude 4.1
    ├── DeepSeek 3.1
    └── Qwen3

📁 项目结构

zhiji/
├── src/                    # Next.js 前端源码
│   ├── app/               # 页面组件
│   └── lib/               # 工具库
├── workers/               # Cloudflare Workers
│   └── api/              # API 服务
├── database/             # 数据库文件
│   └── schema.sql       # 表结构
├── docs/                 # 文档
│   └── trd/             # 技术需求文档
├── DEPLOYMENT.md        # 部署指南
├── CLAUDE.md           # AI 开发指导
└── README.md          # 本文件

🔧 开发指南

本地开发

# 前端开发（支持热重载）
npm run dev

# 后端开发（支持热重载）
cd workers/api
npm run dev

# 数据库操作
npx wrangler d1 execute zhiji-db --local --command="SELECT * FROM evaluations"

测试

# 运行测试
npm test

# 构建检查
npm run build

📦 部署

快速部署

详细部署步骤请参考 DEPLOYMENT.md

部署到 Cloudflare

1. 部署后端 API

cd workers/api
npx wrangler deploy --env production

2. 部署前端

npm run build
npx wrangler pages deploy .next --project-name=zhiji

📊 使用示例

创建评估

const evaluation = {
  projectName: "智能客服系统",
  description: "基于AI的自动客服解决方案",
  targetUsers: "企业客服团队",
  features: ["多轮对话", "情感分析", "知识库"],
  constraints: ["响应时间<2秒", "准确率>90%"],
  modelId: "gpt-5"
};

const response = await fetch('http://localhost:8787/api/evaluations', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify(evaluation)
});

📚 文档

• 技术需求文档
• API 设计文档
• 数据库设计
• AI 集成指南
• 部署指南

🤝 贡献

欢迎提交 Issue 和 Pull Request！

📄 许可证

MIT License

🙏 致谢

• Cloudflare Workers 提供的边缘计算平台
• Next.js 团队的优秀框架
• 所有开源贡献者

📮 联系方式

• 项目主页：https://zhiji.ai
• 问题反馈：GitHub Issues

---

用 ❤️ 打造，为 AI 创新者服务

© 2024 知几团队