AI 应用架构设计

// 通过不同 Provider 使用不同模型，接口完全一致
import { openai } from '@ai-sdk/openai'
import { anthropic } from '@ai-sdk/anthropic'
import { google } from '@ai-sdk/google'
 
// 三行代码，三个模型提供商
const gpt4o = openai('gpt-4o')
const claude = anthropic('claude-3-5-sonnet-20241022')
const gemini = google('gemini-1.5-pro')

// lib/ai/model-router.ts
import { openai } from '@ai-sdk/openai'
import { anthropic } from '@ai-sdk/anthropic'
 
type TaskType = 'chat' | 'summarize' | 'code' | 'analysis' | 'simple'
 
const MODEL_MAP: Record<TaskType, ReturnType<typeof openai>> = {
  simple:    openai('gpt-4o-mini'),          // 简单问答：最便宜
  chat:      openai('gpt-4o'),               // 通用对话：平衡
  summarize: anthropic('claude-3-5-haiku-20241022'), // 摘要：Haiku 又快又好
  code:      anthropic('claude-3-5-sonnet-20241022'),// 代码：Sonnet 最强
  analysis:  openai('gpt-4o'),               // 数据分析：GPT-4o 结构化输出稳定
}
 
export function getModel(task: TaskType) {
  return MODEL_MAP[task]
}

// lib/db/schema.ts（AI 相关表）
 
// 对话
export const conversations = pgTable('conversations', {
  id: uuid('id').primaryKey().defaultRandom(),
  tenantId: uuid('tenant_id').references(() => tenants.id).notNull(),
  userId: uuid('user_id').references(() => users.id).notNull(),
  title: text('title'),                    // 自动生成的对话标题
  model: text('model').default('gpt-4o-mini'),
  systemPrompt: text('system_prompt'),
  metadata: jsonb('metadata'),             // 额外配置
  createdAt: timestamp('created_at').defaultNow().notNull(),
  updatedAt: timestamp('updated_at').defaultNow().notNull(),
})
 
// 消息
export const messages = pgTable('messages', {
  id: uuid('id').primaryKey().defaultRandom(),
  conversationId: uuid('conversation_id')
    .references(() => conversations.id, { onDelete: 'cascade' }).notNull(),
  role: text('role', { enum: ['user', 'assistant', 'system', 'tool'] }).notNull(),
  content: text('content').notNull(),
  toolCalls: jsonb('tool_calls'),          // 工具调用记录
  toolResults: jsonb('tool_results'),      // 工具返回结果
  tokenCount: integer('token_count'),      // 消耗的 token 数
  model: text('model'),                    // 实际使用的模型
  latencyMs: integer('latency_ms'),        // 响应时间
  createdAt: timestamp('created_at').defaultNow().notNull(),
})
 
// 知识库
export const knowledgeBases = pgTable('knowledge_bases', {
  id: uuid('id').primaryKey().defaultRandom(),
  tenantId: uuid('tenant_id').references(() => tenants.id).notNull(),
  name: text('name').notNull(),
  description: text('description'),
  embeddingModel: text('embedding_model').default('text-embedding-3-small'),
  chunkSize: integer('chunk_size').default(512),
  chunkOverlap: integer('chunk_overlap').default(50),
  documentCount: integer('document_count').default(0),
  createdAt: timestamp('created_at').defaultNow().notNull(),
})
 
// 文档
export const documents = pgTable('documents', {
  id: uuid('id').primaryKey().defaultRandom(),
  knowledgeBaseId: uuid('knowledge_base_id')
    .references(() => knowledgeBases.id, { onDelete: 'cascade' }).notNull(),
  name: text('name').notNull(),
  fileKey: text('file_key'),               // S3 存储路径
  fileSize: integer('file_size'),
  mimeType: text('mime_type'),
  status: text('status', { enum: ['pending', 'processing', 'ready', 'failed'] })
    .default('pending').notNull(),
  chunkCount: integer('chunk_count').default(0),
  errorMessage: text('error_message'),
  createdAt: timestamp('created_at').defaultNow().notNull(),
})
 
// 文档块 + 向量（需要 pgvector 扩展）
export const documentChunks = pgTable('document_chunks', {
  id: uuid('id').primaryKey().defaultRandom(),
  documentId: uuid('document_id')
    .references(() => documents.id, { onDelete: 'cascade' }).notNull(),
  content: text('content').notNull(),
  embedding: vector('embedding', { dimensions: 1536 }),  // pgvector
  metadata: jsonb('metadata'),             // 页码、章节等
  chunkIndex: integer('chunk_index').notNull(),
})
 
// Token 用量记录
export const aiUsage = pgTable('ai_usage', {
  id: uuid('id').primaryKey().defaultRandom(),
  tenantId: uuid('tenant_id').references(() => tenants.id).notNull(),
  userId: uuid('user_id').references(() => users.id).notNull(),
  model: text('model').notNull(),
  inputTokens: integer('input_tokens').notNull(),
  outputTokens: integer('output_tokens').notNull(),
  cost: numeric('cost', { precision: 10, scale: 6 }),    // 美元
  operationType: text('operation_type'),   // 'chat' | 'embedding' | 'tool'
  createdAt: timestamp('created_at').defaultNow().notNull(),
})

-- 向量搜索索引（IVFFlat，适合百万级数据）
CREATE INDEX ON document_chunks
  USING ivfflat (embedding vector_cosine_ops)
  WITH (lists = 100);
 
-- 对话查询：按租户 + 用户 + 时间
CREATE INDEX idx_conversations_tenant_user
  ON conversations (tenant_id, user_id, created_at DESC);
 
-- 消息查询：按对话 + 时间
CREATE INDEX idx_messages_conversation
  ON messages (conversation_id, created_at ASC);
 
-- 用量统计：按租户 + 月份
CREATE INDEX idx_ai_usage_tenant_month
  ON ai_usage (tenant_id, created_at);

// lib/ai/config.ts
export const AI_CONFIG = {
  // 模型配置
  defaultModel: 'gpt-4o-mini',
  premiumModel: 'gpt-4o',
  embeddingModel: 'text-embedding-3-small',
 
  // RAG 配置
  chunkSize: 512,          // 分块大小（tokens）
  chunkOverlap: 50,        // 分块重叠
  retrieveTopK: 5,         // 检索返回数量
  similarityThreshold: 0.7, // 相似度阈值
 
  // 限制
  maxMessageLength: 10000, // 单条消息最大字符数
  maxHistoryMessages: 50,  // 上下文最多保留消息数
  maxToolCalls: 10,        // 单次对话最多工具调用次数
 
  // 成本（美元/1K tokens）
  costs: {
    'gpt-4o-mini': { input: 0.00015, output: 0.0006 },
    'gpt-4o':      { input: 0.0025,  output: 0.01 },
    'claude-3-5-sonnet': { input: 0.003, output: 0.015 },
    'text-embedding-3-small': { input: 0.00002, output: 0 },
  } as Record<string, { input: number; output: number }>,
}

// lib/ai/safety.ts
import OpenAI from 'openai'
 
const openai = new OpenAI()
 
export async function moderateContent(text: string): Promise<{
  flagged: boolean
  categories: string[]
}> {
  const result = await openai.moderations.create({ input: text })
  const output = result.results[0]
 
  return {
    flagged: output.flagged,
    categories: Object.entries(output.categories)
      .filter(([, flagged]) => flagged)
      .map(([category]) => category),
  }
}