AI-Dev-Insight 后端服务

AI-Dev-Insight 是一个智能编程助手洞察平台的后端服务，基于 FastAPI 构建的现代化 Web 应用。该平台专注于自动化收集、分析和管理各种 AI 编程工具的信息，为开发者提供智能的工具选择建议和深度对比分析。

🌟 项目亮点

🚀 核心功能

智能产品管理: 完整的 AI 编程工具产品信息 CRUD 操作，支持分页、搜索、过滤
智能深度爬取: 基于 Crawl4ai v0.6.3 的 BestFirstCrawlingStrategy，从单一 URL 自动发现相关页面
LLM 驱动提取: 集成通义千问和 OpenAI，智能提取结构化产品信息
质量自动控制: 实时评估和优化数据质量，确保信息准确性
实时监控系统: 完整的系统监控、性能指标收集和智能告警
文章管理系统: 支持最佳实践文章的创建、编辑、分类和标签管理
用户认证授权: 基于 JWT 的用户认证和角色权限管理
智能聊天对话: 集成 LLM 的智能对话功能，支持上下文理解

🛠️ 技术特色

高性能异步架构: 基于 FastAPI 的现代化异步 Web 框架
智能页面发现: 自动识别定价、功能、文档等相关页面类型
多策略爬取: 支持智能爬取和传统爬取两种模式
会话管理: 完整的爬取任务状态追踪和历史记录
数据验证: 基于 Pydantic 的严格数据验证和类型安全
统一错误处理: 完善的异常处理和标准化响应格式
MCP 协议支持: 支持 Model Context Protocol，增强 AI 交互能力
多源数据融合: 智能融合多个数据源，提供更完整的产品信息

🏗️ 基础设施

MySQL 8.0: 主数据库，支持复杂查询和事务处理
Redis 6.0+: 缓存和消息队列，提升系统性能
Crawl4ai: 下一代智能网页爬取引擎
Docker 支持: 完整的容器化部署方案
监控告警: 自研监控系统，实时掌握系统状态

📁 项目结构

backend/
├── main.py                 # FastAPI 应用入口
├── requirements.txt       # Python 依赖包列表
├── Dockerfile            # Docker 构建配置
├── .env.example          # 环境变量配置示例
├── api/                  # API 路由层
│   ├── __init__.py
│   ├── products.py       # 产品管理 API
│   ├── crawl.py          # 爬虫管理 API
│   └── monitoring.py     # 监控 API
├── crawlers/             # 爬虫服务层
│   ├── __init__.py
│   ├── smart_crawl.py    # 智能爬取服务
│   └── crawl.py          # 传统爬取服务
├── services/             # 业务服务层
│   ├── __init__.py
│   ├── llm.py            # LLM 集成服务
│   ├── quality_control.py # 质量控制服务
│   ├── monitoring.py     # 监控服务
│   └── validators.py     # 验证服务
├── repositories/         # 数据访问层
│   ├── __init__.py
│   └── crud.py           # CRUD 操作
├── config/               # 配置管理
│   ├── __init__.py
│   ├── config.py         # 应用配置
│   ├── logging.py        # 日志配置
│   └── middleware.py     # 中间件
├── db/                   # 数据库相关
│   ├── __init__.py
│   ├── database.py       # 数据库连接
│   ├── models.py         # SQLAlchemy 模型
│   ├── init_db.py        # 数据库初始化
│   └── migrations/       # 数据库迁移
├── schemas/              # Pydantic 数据模型
│   ├── __init__.py
│   └── product.py        # 产品相关模式
├── utils/                # 工具函数
│   ├── __init__.py
│   └── response.py       # 响应格式化
├── docs/                 # 项目文档
│   ├── 项目概述与架构设计.md
│   ├── 智能爬虫系统详解.md
│   ├── API接口文档.md
│   ├── 数据库设计与模型.md
│   ├── 部署运维指南.md
│   ├── 开发指南.md
│   └── 故障排查手册.md
└── logs/                 # 日志文件目录

🚀 快速开始

环境要求

Python: 3.12+
MySQL: 8.0+
Redis: 6.2.6+
Node.js: 18+ (用于 Playwright)
uv: 现代化 Python 包管理器 (推荐)

1. 项目克隆和环境准备

# 克隆项目
git clone <repository-url>
cd AI-Dev-Insight/backend

# 使用 uv 管理依赖 (推荐)
# 安装 uv (如果尚未安装)
curl -LsSf https://astral.sh/uv/install.sh | sh

# 创建虚拟环境并安装依赖
uv sync

# 激活虚拟环境
source .venv/bin/activate  # Linux/Mac
# 或 .venv\Scripts\activate  # Windows

# 或使用传统方式
python -m venv venv
source venv/bin/activate  # Linux/Mac
pip install -r requirements.txt

# 安装 Playwright 浏览器
playwright install chromium

2. 数据库初始化

# 创建 MySQL 数据库
mysql -u root -p -e "CREATE DATABASE ai_dev_insight CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;"

# 创建数据库用户
mysql -u root -p -e "CREATE USER 'ai_dev_insight'@'localhost' IDENTIFIED BY 'your_password';"
mysql -u root -p -e "GRANT ALL PRIVILEGES ON ai_dev_insight.* TO 'ai_dev_insight'@'localhost';"
mysql -u root -p -e "FLUSH PRIVILEGES;"

# 初始化数据库表和示例数据
python db/init_db.py init

# 导入完整数据 (可选)
python scripts/import_all_data.py

3. 环境配置

# 复制环境变量模板
cp .env.example .env

# 编辑 .env 文件，配置以下必要参数：

核心配置：

# 数据库配置
DATABASE_URL=mysql+pymysql://ai_dev_insight:your_password@localhost:3306/ai_dev_insight

# Redis 配置
REDIS_URL=redis://localhost:6379/0

# LLM 配置（至少配置一个）
LLM_PROVIDER=openai  # 或 qwen
OPENAI_API_KEY=your_openai_api_key        # OpenAI
OPENAI_API_BASE=https://api.openai.com/v1  # 或本地兼容服务
LLM_MODEL=gpt-3.5-turbo                   # 模型名称

# 通义千问配置（可选）
DASHSCOPE_API_KEY=your_dashscope_api_key  # 通义千问

# 代理配置（可选）
PROXY_HTTP=http://127.0.0.1:7897
PROXY_HTTPS=http://127.0.0.1:7897

# 安全配置
SECRET_KEY=your-super-secret-key-change-in-production
ACCESS_TOKEN_EXPIRE_MINUTES=30

4. 启动服务

# 开发模式启动
python main.py

# 使用 uv 启动 (推荐)
uv run python main.py

# 生产模式启动
gunicorn main:app -w 4 -k uvicorn.workers.UvicornWorker -b 0.0.0.0:8000

# 或使用 uvicorn 直接启动
uvicorn main:app --host 0.0.0.0 --port 8000 --reload

5. 验证部署

API 服务: http://localhost:8000
API 文档: http://localhost:8000/docs (Swagger UI)
ReDoc 文档: http://localhost:8000/redoc
健康检查: http://localhost:8000/health

📚 详细文档

本项目提供了完整的中文文档，涵盖系统的各个方面：

核心文档

项目概述与架构设计 - 系统整体架构和设计理念
智能爬虫系统详解 - 爬虫系统的核心技术和实现原理
API接口文档 - 完整的 API 接口说明和使用示例
数据库设计与模型 - 数据库架构和模型设计

运维文档

部署运维指南 - 从开发到生产的完整部署方案
开发指南 - 开发环境搭建和编码规范
故障排查手册 - 常见问题诊断和解决方案

🔌 主要 API 端点

产品管理 API

GET    /api/products/              # 获取产品列表
GET    /api/products/{id}          # 获取产品详情
POST   /api/products/              # 创建产品
PUT    /api/products/{id}          # 更新产品
DELETE /api/products/{id}          # 删除产品

智能爬取 API

POST   /api/crawl/smart            # 智能爬取（推荐）
POST   /api/crawl/start            # 传统爬取
GET    /api/crawl/sessions         # 获取爬取会话
GET    /api/crawl/sessions/{id}    # 获取会话详情
GET    /api/crawl/health           # 爬虫健康检查

配置管理 API

GET    /api/config/crawl           # 获取所有爬取配置
GET    /api/config/crawl/{id}      # 获取指定产品的爬取配置
PUT    /api/config/crawl/{id}      # 更新爬取配置
POST   /api/config/crawl           # 创建爬取配置
DELETE /api/config/crawl/{id}      # 删除爬取配置

监控 API

GET    /api/monitoring/status      # 系统状态
GET    /api/monitoring/metrics     # 系统指标
GET    /api/monitoring/alerts      # 告警信息

使用示例

# 启动智能爬取
curl -X POST "http://localhost:8000/api/crawl/smart" \
  -H "Content-Type: application/json" \
  -d '{
    "official_website": "https://cursor.com",
    "product_id": 1,
    "max_pages": 15,
    "max_depth": 2
  }'

# 获取产品列表
curl "http://localhost:8000/api/products/?page=1&size=20"

🛠️ 技术栈

后端框架

FastAPI 0.116+: 高性能异步 Web 框架
SQLAlchemy 2.0+: 现代化 ORM 框架
Pydantic 2.0+: 数据验证和序列化
Uvicorn: ASGI 服务器

依赖管理

uv: 现代化 Python 包管理器 (推荐)
pyproject.toml: 项目配置和依赖定义

AI/LLM 技术

Crawl4ai 0.6.0+: 下一代智能网页爬取引擎
通义千问 API: 阿里云大语言模型服务
OpenAI API: GPT 系列模型集成，支持本地兼容服务
LangChain: LLM 应用开发框架
Playwright: 现代化浏览器自动化

数据存储

MySQL 8.0: 主数据库，支持 JSON 字段
Redis 6.2.6: 缓存和消息队列
SQLAlchemy: 异步 ORM 支持

开发工具

Docker: 容器化部署
pytest: 测试框架
Black: 代码格式化
Flake8: 代码检查
pre-commit: Git 钩子管理

🐳 Docker 部署

使用 Docker Compose（推荐）

启动完整服务栈：

# 在backend目录下运行
docker-compose up -d

这将启动完整的服务栈：

MySQL 8.0 数据库 (端口 3306)
Redis 7 缓存服务 (端口 6379)
AI-Dev-Insight 后端服务 (端口 8000)

查看服务状态：

docker-compose ps
docker-compose logs -f backend

停止服务：

docker-compose down

单独构建和运行

构建镜像：

# 在backend目录下执行
docker build -t ai-dev-insight-backend:latest .

基本运行：

docker run -d \
  --name ai-dev-insight-backend \
  -p 8000:8000 \
  ai-dev-insight-backend:latest

带环境变量运行：

基础配置运行：

docker run -d \
  --name ai-dev-insight-backend \
  -p 8000:8000 \
  -e DATABASE_URL=mysql+pymysql://user:pass@host:3306/ai_dev_insight \
  -e SECRET_KEY=your-super-secret-key \
  -e OPENAI_API_KEY=your_openai_api_key \
  -v $(pwd)/logs:/app/logs \
  -v $(pwd)/static:/app/static \
  ai-dev-insight-backend:latest

完整配置运行（包含所有主要环境变量）：

docker run -d \
  --name ai-dev-insight-backend \
  -p 8000:8000 \
  \
  # 应用基础配置
  -e APP_NAME=AI-Dev-Insight \
  -e VERSION=1.0.0 \
  -e ENVIRONMENT=production \
  -e DEBUG=false \
  -e HOST=0.0.0.0 \
  -e PORT=8000 \
  \
  # 数据库配置
  -e DATABASE_URL=mysql+pymysql://user:pass@host:3306/ai_dev_insight \
  -e DATABASE_ECHO=false \
  \
  # Redis配置
  -e REDIS_URL=redis://redis:6379/0 \
  \
  # CORS配置
  -e 'ALLOWED_ORIGINS=["http://localhost:3000","http://127.0.0.1:3000"]' \
  \
  # LLM配置 - OpenAI
  -e LLM_PROVIDER=openai \
  -e OPENAI_API_KEY=your_openai_api_key \
  -e OPENAI_API_BASE=https://api.openai.com/v1 \
  -e LLM_MODEL=gpt-4o-mini \
  -e LLM_TEMPERATURE=0.1 \
  -e LLM_STREAMING=false \
  -e LLM_MAX_RETRIES=3 \
  -e LLM_TIMEOUT=60 \
  \
  # 或者使用通义千问
  # -e LLM_PROVIDER=qwen \
  # -e DASHSCOPE_API_KEY=your_dashscope_api_key \
  # -e QWEN_MODEL=qwen-plus-latest \
  \
  # 安全配置
  -e SECRET_KEY=your-super-secret-key-change-in-production \
  -e ACCESS_TOKEN_EXPIRE_MINUTES=30 \
  \
  # 爬虫配置
  -e CRAWL_INTERVAL_HOURS=48 \
  -e UPDATE_INTERVAL_HOURS=48 \
  -e MAX_CRAWL_RETRIES=3 \
  -e CRAWL_TIMEOUT=30 \
  \
  # 代理配置（可选，用于网络爬取）
  -e PROXY_HTTP=http://127.0.0.1:7897 \
  -e PROXY_HTTPS=http://127.0.0.1:7897 \
  \
  # GitHub API配置（可选，提高API限制）
  -e GITHUB_API_TOKEN=your_github_token \
  \
  # MCP服务配置（可选，用于增强搜索功能）
  -e SMITHERY_PROFILE=your_smithery_profile \
  -e SMITHERY_API_KEY=your_smithery_api_key \
  -e EXA_MCP_URL=https://server.smithery.ai/exa/mcp \
  -e ENABLE_EXA_SEARCH=true \
  \
  # 多源补充爬虫配置
  -e ENABLE_MULTI_SOURCE_CRAWL=true \
  -e ENABLE_COMPLETENESS_EVALUATION=true \
  -e COMPLETENESS_THRESHOLD=60.0 \
  -e MAX_SUPPLEMENT_ATTEMPTS=3 \
  -e MAX_CONCURRENT_SUPPLEMENTS=3 \
  \
  # 日志配置
  -e LOG_LEVEL=INFO \
  -e LOG_FILE=logs/app.log \
  \
  # 数据验证配置
  -e ENABLE_STRICT_VALIDATION=true \
  -e DATA_QUALITY_THRESHOLD=0.8 \
  -e ENABLE_LLM_VALIDATION=true \
  \
  # 前端功能控制
  -e ENABLE_WEB_SEARCH_UI=true \
  \
  # 挂载卷
  -v $(pwd)/logs:/app/logs \
  -v $(pwd)/static:/app/static \
  \
  ai-dev-insight-backend:latest

使用环境变量文件运行（推荐）：

# 1. 创建环境变量文件
cp .env.example .env.docker
# 编辑 .env.docker 文件，配置你的环境变量

# 2. 使用环境变量文件运行
docker run -d \
  --name ai-dev-insight-backend \
  -p 8000:8000 \
  --env-file .env.docker \
  -v $(pwd)/logs:/app/logs \
  -v $(pwd)/static:/app/static \
  ai-dev-insight-backend:latest

最小化配置运行（仅核心功能）：

docker run -d \
  --name ai-dev-insight-backend \
  -p 8000:8000 \
  -e DATABASE_URL=mysql+pymysql://root:password@host:3306/ai_dev_insight \
  -e SECRET_KEY=your-super-secret-key \
  -e LLM_PROVIDER=openai \
  -e OPENAI_API_KEY=your_openai_api_key \
  ai-dev-insight-backend:latest

环境变量配置

核心配置（必需）

变量名	描述	示例值	必需
`DATABASE_URL`	数据库连接URL	`mysql+pymysql://user:pass@host:3306/ai_dev_insight`	✅
`SECRET_KEY`	JWT密钥，用于token签名	`your-super-secret-key-change-in-production`	✅
`OPENAI_API_KEY`	OpenAI API密钥（当LLM_PROVIDER=openai时）	`sk-proj-xxx...`	✅*
`DASHSCOPE_API_KEY`	通义千问API密钥（当LLM_PROVIDER=qwen时）	`sk-xxx...`	✅*

应用基础配置

变量名	描述	默认值	必需
`APP_NAME`	应用名称	`AI-Dev-Insight`	❌
`VERSION`	应用版本	`1.0.0`	❌
`ENVIRONMENT`	运行环境	`production`	❌
`DEBUG`	调试模式	`false`	❌
`HOST`	服务器监听地址	`0.0.0.0`	❌
`PORT`	服务器端口	`8000`	❌

数据库和缓存配置

变量名	描述	默认值	必需
`DATABASE_ECHO`	是否打印SQL语句	`false`	❌
`REDIS_URL`	Redis连接URL	`redis://redis:6379/0`	❌

LLM配置

变量名	描述	默认值	必需
`LLM_PROVIDER`	LLM提供商	`openai`	❌
`LLM_MODEL`	使用的LLM模型	`gpt-4o-mini`	❌
`QWEN_MODEL`	通义千问模型名称	`qwen-plus-latest`	❌
`OPENAI_API_BASE`	OpenAI API基础URL	`https://api.openai.com/v1`	❌
`LLM_TEMPERATURE`	LLM温度参数	`0.1`	❌
`LLM_STREAMING`	是否启用流式响应	`false`	❌
`LLM_MAX_RETRIES`	请求失败重试次数	`3`	❌
`LLM_TIMEOUT`	请求超时时间(秒)	`60`	❌

爬虫配置

变量名	描述	默认值	必需
`CRAWL_INTERVAL_HOURS`	爬虫间隔时间(小时)	`48`	❌
`UPDATE_INTERVAL_HOURS`	更新间隔时间(小时)	`48`	❌
`MAX_CRAWL_RETRIES`	最大爬取重试次数	`3`	❌
`CRAWL_TIMEOUT`	爬取超时时间(秒)	`30`	❌
`ENABLE_MULTI_SOURCE_CRAWL`	启用多源补充爬虫	`true`	❌
`ENABLE_COMPLETENESS_EVALUATION`	启用完整性评估	`true`	❌
`COMPLETENESS_THRESHOLD`	完整性评分阈值	`60.0`	❌
`MAX_SUPPLEMENT_ATTEMPTS`	最大补充尝试次数	`3`	❌
`MAX_CONCURRENT_SUPPLEMENTS`	最大并发补充任务数	`3`	❌

网络和代理配置

变量名	描述	示例值	必需
`ALLOWED_ORIGINS`	CORS允许的源	`["http://localhost:3000"]`	❌
`PROXY_HTTP`	HTTP代理地址	`http://127.0.0.1:7897`	❌
`PROXY_HTTPS`	HTTPS代理地址	`http://127.0.0.1:7897`	❌

外部服务配置

变量名	描述	示例值	必需
`GITHUB_API_TOKEN`	GitHub API令牌	`github_pat_xxx...`	❌
`SMITHERY_PROFILE`	Smithery配置文件ID	`eligible-marten-xxx`	❌
`SMITHERY_API_KEY`	Smithery API密钥	`ef60ac31-xxx...`	❌
`EXA_MCP_URL`	Exa Search MCP服务URL	`https://server.smithery.ai/exa/mcp`	❌
`ENABLE_EXA_SEARCH`	启用Exa搜索功能	`true`	❌

日志和安全配置

变量名	描述	默认值	必需
`LOG_LEVEL`	日志级别	`INFO`	❌
`LOG_FILE`	日志文件路径	`logs/app.log`	❌
`ACCESS_TOKEN_EXPIRE_MINUTES`	JWT令牌过期时间(分钟)	`30`	❌

数据验证配置

变量名	描述	默认值	必需
`ENABLE_STRICT_VALIDATION`	启用严格验证	`true`	❌
`DATA_QUALITY_THRESHOLD`	数据质量阈值	`0.8`	❌
`ENABLE_LLM_VALIDATION`	启用LLM数据验证	`true`	❌
`MERGE_STRATEGY`	融合策略	`comprehensive`	❌
`CONFLICT_RESOLUTION`	冲突解决策略	`authority_weighted`	❌

前端功能控制

变量名	描述	默认值	必需
`ENABLE_WEB_SEARCH_UI`	启用前端联网搜索功能UI	`true`	❌

注意：

✅* 表示根据LLM_PROVIDER的选择，至少需要配置其中一个API密钥

生产环境建议通过环境变量文件或容器编排工具管理敏感信息

完整的环境变量配置示例请参考项目根目录的.env文件

健康检查

容器包含内置的健康检查，检查间隔30秒，超时10秒。

查看健康状态：

docker ps
# 或
docker inspect ai-dev-insight-backend | grep Health -A 10

手动健康检查：

curl -f http://localhost:8000/health

故障排除

查看容器日志：

docker logs ai-dev-insight-backend
docker logs -f ai-dev-insight-backend  # 实时查看

进入容器调试：

docker exec -it ai-dev-insight-backend bash

检查数据库连接：

docker exec ai-dev-insight-backend uv run python -c "from db.database import engine; print('DB OK')"

重启容器：

docker restart ai-dev-insight-backend

生产环境建议

资源限制：

docker run -d \
  --name ai-dev-insight-backend \
  --restart unless-stopped \
  --memory 2g \
  --cpus 1.0 \
  -p 8000:8000 \
  -e DATABASE_URL=mysql+pymysql://user:pass@host:3306/ai_dev_insight \
  -e SECRET_KEY=your-super-secret-key \
  ai-dev-insight-backend:latest

🧪 测试

运行测试

# 安装测试依赖
pip install pytest pytest-asyncio httpx

# 运行所有测试
pytest

# 运行特定测试
pytest tests/test_api/test_products.py

# 生成覆盖率报告
pytest --cov=. --cov-report=html

健康检查

# 快速健康检查
curl http://localhost:8000/health

# 详细系统状态
curl http://localhost:8000/api/monitoring/status

⚙️ 配置说明

环境变量配置

配置项	说明	默认值	必需
`DATABASE_URL`	MySQL 数据库连接 URL	-	✅
`REDIS_URL`	Redis 连接 URL	`redis://localhost:6379/0`	✅
`LLM_PROVIDER`	LLM 提供商 (qwen/openai)	`qwen`	✅
`DASHSCOPE_API_KEY`	通义千问 API 密钥	-	*
`OPENAI_API_KEY`	OpenAI API 密钥	-	*
`UPDATE_INTERVAL_HOURS`	产品数据更新间隔(小时)	`48`	❌
`HTTP_PROXY`	HTTP 代理地址	-	❌
`HTTPS_PROXY`	HTTPS 代理地址	-	❌
`LOG_LEVEL`	日志级别	`INFO`	❌
`DEBUG`	调试模式	`false`	❌

*注：DASHSCOPE_API_KEY 和 OPENAI_API_KEY 至少需要配置一个

智能爬取配置

max_pages: 最大爬取页面数 (5-50)
max_depth: 最大爬取深度 (1-3)
timeout: 单页面超时时间 (默认30秒)
retry_count: 失败重试次数 (默认3次)
update_interval: 产品数据更新间隔，统一配置为48小时（通过环境变量 UPDATE_INTERVAL_HOURS 设置）

产品爬取配置表字段说明

website_url: 产品官网URL（必需）
max_pages: 最大爬取页面数（默认15）
max_depth: 最大爬取深度（默认2）
is_active: 是否启用爬取（默认true）
last_crawl_at: 最近爬取时间（自动更新）

注意: 已移除的字段包括 target_urls、crawl_strategy、priority、update_interval_hours 等，简化了配置结构。

🔍 智能爬取特性

自动页面发现

系统能够从单一官网 URL 自动发现以下类型的页面：

定价页面: pricing, price, plan, cost
功能页面: features, capabilities, functions
文档页面: docs, documentation, guide, tutorial
产品页面: about, product, solution
API 文档: api, developers, reference
集成页面: integrations, plugins, extensions

智能评分机制

基于关键词相关性对页面进行智能评分：

核心功能: code completion, AI assistant, programming
IDE 支持: VS Code, JetBrains, Vim, Cursor
AI 技术: GPT, OpenAI, Claude, LLM
编程语言: Python, JavaScript, Java, C++

🚀 生产部署建议

性能优化

配置数据库连接池 (pool_size=20, max_overflow=30)
启用 Redis 缓存和会话存储
使用 Gunicorn 多进程部署
配置 Nginx 反向代理和负载均衡

安全配置

启用 HTTPS 和 SSL 证书
配置防火墙和安全组
使用环境变量管理敏感信息
定期更新依赖包和安全补丁

监控告警

配置系统监控和性能指标收集
设置智能告警规则和通知
建立日志聚合和分析系统
定期备份数据库和配置文件

🤝 贡献指南

Fork 项目
创建功能分支 (git checkout -b feature/AmazingFeature)
提交更改 (git commit -m 'Add some AmazingFeature')
推送到分支 (git push origin feature/AmazingFeature)
打开 Pull Request

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

📞 支持

如果您在使用过程中遇到问题，请：

查看故障排查手册
搜索现有的 Issues
创建新的 Issue 并提供详细信息

AI-Dev-Insight - 让 AI 编程工具选择更智能 🚀

Name		Name	Last commit message	Last commit date
Latest commit History 18 Commits
api		api
config		config
crawlers		crawlers
db		db
repositories		repositories
schemas		schemas
scripts		scripts
services		services
tasks		tasks
utils		utils
.dockerignore		.dockerignore
.env.example		.env.example
.gitignore		.gitignore
.python-version		.python-version
Dockerfile		Dockerfile
README.md		README.md
docker-compose.yml		docker-compose.yml
docker-entrypoint.sh		docker-entrypoint.sh
init.sql		init.sql
main.py		main.py
pyproject.toml		pyproject.toml
start_celery.sh		start_celery.sh
uv.lock		uv.lock

Folders and files

Latest commit

History

Repository files navigation

AI-Dev-Insight 后端服务

🌟 项目亮点

🚀 核心功能

🛠️ 技术特色

🏗️ 基础设施

📁 项目结构

🚀 快速开始

环境要求

1. 项目克隆和环境准备

2. 数据库初始化

3. 环境配置

4. 启动服务

5. 验证部署

📚 详细文档

核心文档

运维文档

🔌 主要 API 端点

产品管理 API

智能爬取 API

配置管理 API

监控 API

使用示例

🛠️ 技术栈

后端框架

依赖管理

AI/LLM 技术

数据存储

开发工具

🐳 Docker 部署

使用 Docker Compose（推荐）

单独构建和运行

环境变量配置

核心配置（必需）

应用基础配置

数据库和缓存配置

LLM配置

爬虫配置

网络和代理配置

外部服务配置

日志和安全配置

数据验证配置

前端功能控制

健康检查

故障排除

生产环境建议

🧪 测试

运行测试

健康检查

⚙️ 配置说明

环境变量配置

智能爬取配置

产品爬取配置表字段说明

🔍 智能爬取特性

自动页面发现

智能评分机制

🚀 生产部署建议

性能优化

安全配置

监控告警

🤝 贡献指南

📄 许可证

📞 支持

About

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages