Categories
  • 技术 (54)
  • 项目分析 (18)
  • 架构设计 (10)
  • Ai工具 (8)
  • 教程 (3)
  • Ai (2)
  • 技术实践 (2)
  • 技术教程 (2)
  • 源码解析 (2)
  • 运维 (2)
  • Ai应用 (1)
  • Blog (1)
  • Devops (1)
  • 前端 (1)
  • 安全 (1)
  • 应用案例 (1)
  • 开发指南 (1)
  • 开源项目 (1)
  • 总结 (1)
  • 效率工具 (1)
  • 智能客服 (1)
  • 生活 (1)
  • 系统设计 (1)
  • 自动化 (1)
    • Featured Tags
  • nps (18)
  • go语言 (16)
  • ai (14)
  • deepchat (13)
  • qwen code (9)
  • 架构设计 (8)
  • todoing (7)
  • 内网穿透 (6)
  • 开源项目 (6)
  • electron (5)
  • docker (4)
  • 开发工具 (4)
  • 教程 (4)
  • 服务端 (4)
  • git (3)
  • mongodb (3)
  • node.js (3)
  • vue (3)
  • 多平台 (3)
  • 客户端 (3)
    • Recommend Series
  • 博客优化 (2)
  • Devtools (1)
  • Qwen Code实践 (1)
  • 开源项目 (1)
      • Blogs
      62 posts
    DeepChat 多窗口多标签架构设计
    • Jul 31, 2025
    • 5 minutes read
    DeepChat 多窗口多标签架构设计 引言 现代用户在使用 AI 工具时往往需要同时处理多个任务或主题，这就要求应用程序具备良好的多任务处理能力。DeepChat 采用了创新的多窗口+多标签架构，支持跨维度的并行多会话操作，让用户能够像使用浏览器一样使用 AI，提供非阻塞的优秀体验。本文将深入分析这一架构的设计与实现。 多窗口多标签架构概述 设计理念 DeepChat 的多窗口多标签架构基于以下设计理念： 并行处理 - 允许用户同时进行多个独立的对话 上下文隔离 - 每个会话都有独立的上下文，互不干扰 灵活组织 - 用户可以根据需要组织和管理会话 资源优化 - 合理管理内存和计算资源 架构图示 ┌─────────────────────────────────────────────────────────────────────┐ │ DeepChat 多窗口架构 │ ├─────────────────────────────────────────────────────────────────────┤ │ ┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐ │ │ │ 主窗口 │ │ 子窗口A │ │ 子窗口B │ │ │ │ │ │ │ │ │ │ │ │ ┌─────────────┐ │ │ ┌─────────────┐ │ │ ┌─────────────┐ │ │ │ │ │ 标签页1 │ │ │ │ 标签页1 │ │ │ │ 标签页1 │ │ │ │ │ ├─────────────┤ │ │ ├─────────────┤ │ │ ├─────────────┤ │ │ │ │ │ 标签页2 │ │ │ │ 标签页2 │ │ │ │ 标签页2 │ │ │ │ │ ├─────────────┤ │ │ └─────────────┘ │ │ └─────────────┘ │ │ │ │ │ 标签页3 │ │ │ │ │ │ │ │ │ └─────────────┘ │ │ │ │ │ │ │ └─────────────────┘ └─────────────────┘ └─────────────────┘ │ └─────────────────────────────────────────────────────────────────────┘ 会话管理机制 会话数据结构 DeepChat 中的会话采用如下数据结构： ......
    DeepChat 搜索增强功能实现分析
    • Jul 31, 2025
    • 6 minutes read
    DeepChat 搜索增强功能实现分析 引言 在当今信息爆炸的时代，单纯的 AI 模型已经不能满足用户对实时、准确信息的需求。DeepChat 通过强大的搜索增强功能，将 AI 的智能与搜索引擎的实时信息相结合，为用户提供更加准确和及时的回答。本文将深入分析 DeepChat 的搜索增强功能实现机制。 搜索增强的核心价值 为什么需要搜索增强？ 传统的 AI 模型存在以下局限性： 知识截止时间 - 大多数模型的知识截止到训练数据的时间点 实时信息缺失 - 无法获取最新的新闻、股价、天气等实时信息 事实准确性 - 模型可能会产生"幻觉"，提供不准确的信息 个性化限制 - 无法访问用户的私人数据和特定环境信息 搜索增强功能通过将 AI 与搜索引擎结合，有效解决了这些问题。 ......
    DeepChat MCP 支持深度剖析
    • Jul 31, 2025
    • 5 minutes read
    DeepChat MCP 支持深度剖析 引言 Model Context Protocol (MCP) 是一种新兴的协议，旨在为 AI 模型提供访问外部资源、执行工具和获取提示的标准方法。DeepChat 作为先进的 AI 聊天平台，深度集成了 MCP 支持，使其能够扩展 AI 的能力，实现代码执行、网络访问等高级功能。本文将深入分析 DeepChat 中 MCP 的实现原理和应用。 MCP 协议概述 什么是 MCP？ Model Context Protocol (MCP) 是一种标准化协议，允许 AI 模型安全地与外部系统交互。它定义了三种核心能力： Resources（资源） - 访问外部数据和文件 Prompts（提示） - 获取和使用预定义的提示模板 Tools（工具） - 执行特定功能，如代码运行、网络请求等 MCP 的核心价值 MCP 的引入解决了 AI 应用中的几个关键问题： ......