🤖 AI Chat System

一个功能完整的 AI 对话系统，支持多轮对话、文件上传、对话历史管理，以及可视化模型配置界面。

🤖 新特性 - Agent 模式: 现在支持 Agent 模式，具备工具调用、MCP 集成和自定义 Skill 能力！详见 Agent 模式文档。

🎉 可视化配置: 支持通过网页界面直接配置多个 AI 模型，无需修改配置文件！点击右上角头像 → 设置 → 模型配置即可。

🔑 备选方案: 如果你更喜欢传统方式，仍然可以在 backend/.env 文件中配置默认 API Key。详见配置 API Key 章节。

✨ 核心功能

🤖 Agent 模式 (NEW!)

工具调用：AI 可以主动调用工具来完成复杂任务
流式输出：实时查看 AI 的思考过程和工具调用结果
MCP 集成：支持 Model Context Protocol，连接外部工具服务器
自定义 Skill：可扩展的技能系统（文件操作、代码执行、数据分析等）
内置工具：计算器、时间查询、网络搜索等常用工具
独立运行：与现有 Chat 模式完全独立，互不影响

🎯 可视化模型配置

网页界面配置：无需修改配置文件，直接在网页上添加和管理多个 AI 模型
多模型支持：同时配置 GPT、Gemini、Skywork Router、Kimi、QWen、DeepSeek 等多个平台
一键切换：点击单选按钮即可切换默认模型，其他模型自动置灰
本地存储：所有配置保存在浏览器本地，安全可靠
智能引导：呼吸动画、悬停提示、文字标签，新手也能轻松上手

🌐 多语言回复约束 (NEW!)

语言选择：支持 8 种语言（简体中文/English/日本語/한국어/Français/Deutsch/Español/自动检测）
智能约束：选择语言后，AI 会严格使用该语言回复，无论输入什么语言
灵活切换：可随时切换回复语言，配置实时生效

💬 多轮对话

自动记录最近 10 轮对话上下文
AI 可以引用之前的对话内容
支持连贯的多轮对话体验

📁 智能文件处理

支持最大 20MB 文件上传（txt, md, pdf）
智能摘要：自动压缩大文件，节省 90%+ token
三级处理策略：小文件完整保留，大文件智能摘要

📜 对话历史管理

所有对话本地持久化存储
可随时恢复历史对话
支持删除不需要的对话

🎨 现代化 UI

可爱的二次元风格界面
自定义鼠标效果（可爱图标 + 粉色光晕）
流畅的动画和过渡效果
完美适配桌面和移动端

🔧 多 LLM 提供商

支持 Gemini、OpenAI、Skywork Router、DeepSeek、Kimi、QWen、Claude、豆包等
可通过网页界面或配置文件设置
自动处理不同平台的 API 差异

🧪 高测试覆盖率

后端测试覆盖率 >83%
完整的单元测试和集成测试
包含 API、服务层、文件处理等所有核心功能

🏗️ 项目结构

chatbot-system/
├── backend/                 # FastAPI 后端
│   ├── Dockerfile          # 后端 Docker 配置
│   ├── .dockerignore       # 后端 Docker 忽略文件
│   ├── main.py             # FastAPI 主应用
│   ├── services/           # 业务逻辑服务
│   │   ├── llm_service.py      # LLM 集成（支持多提供商）
│   │   ├── agent_service.py    # Agent 模式核心逻辑
│   │   ├── mcp_client.py       # MCP 协议客户端
│   │   ├── skill_manager.py    # 技能管理系统
│   │   ├── file_service.py     # 文件处理（智能摘要）
│   │   └── conversation_service.py  # 对话历史管理
│   ├── models/             # 数据模型（Pydantic）
│   │   └── conversation.py     # 对话和模型配置模型
│   ├── tests/              # 后端单元测试
│   │   ├── conftest.py         # pytest 共享 fixtures
│   │   ├── test_api.py         # API 端点测试
│   │   ├── test_llm_service.py # LLM 服务测试
│   │   ├── test_file_service.py # 文件服务测试
│   │   └── test_conversation_service.py # 对话服务测试
│   ├── data/               # SQLite 数据库（自动创建）
│   ├── requirements.txt    # Python 依赖
│   ├── pytest.ini          # pytest 配置
│   ├── run_tests.sh        # 测试运行脚本
│   └── test_agent.py       # Agent 模式测试脚本
│
├── frontend/               # React 前端
│   ├── Dockerfile          # 前端 Docker 配置
│   ├── .dockerignore       # 前端 Docker 忽略文件
│   ├── nginx.conf          # Nginx 配置文件
│   ├── src/
│   │   ├── components/     # React 组件
│   │   │   ├── ChatWindow.tsx         # 聊天窗口
│   │   │   ├── ConversationList.tsx   # 对话历史列表
│   │   │   ├── UserMenu.tsx           # 用户菜单（头像下拉）
│   │   │   ├── ModelSettings.tsx      # 模型配置弹框
│   │   │   ├── LanguageSettings.tsx   # 语言设置弹框
│   │   │   ├── AboutDialog.tsx        # 关于对话框
│   │   │   ├── PlatformIcon.tsx       # 平台图标组件
│   │   │   ├── CursorEffect.tsx       # 自定义鼠标效果
│   │   │   └── ConfirmDialog.tsx      # 确认对话框
│   │   ├── services/       # API 客户端
│   │   │   ├── api.ts                 # API 请求封装
│   │   │   ├── modelConfig.ts         # 模型配置管理（localStorage）
│   │   │   └── languageConfig.ts      # 语言配置管理（localStorage）
│   │   ├── types.ts        # TypeScript 类型定义
│   │   ├── App.tsx         # 主应用组件
│   │   └── index.css       # 全局样式
│   ├── assets/             # 静态资源
│   │   └── home-full-bg.jpeg # 背景图片
│   └── package.json        # Node 依赖
│
├── docs/                   # 文档
│   ├── CHANGELOG.md  # 更新日志
│   └── ... (其他详细文档)
│
├── docker-compose.yml      # Docker Compose 配置（前后端分离）
├── .dockerignore          # 根目录 Docker 忽略文件
├── Makefile               # 便捷命令集合
├── start.sh               # 本地一键启动脚本
└── README.md              # 项目概览（本文件）

🛠️ 技术栈

后端

框架: FastAPI 0.104.1（高性能异步 Web 框架）
LLM 集成:
- Google Generative AI (Gemini)
- OpenAI SDK（兼容 OpenAI、DeepSeek、Kimi、QWen 等）
数据库: SQLite（轻量级本地存储）
文件处理: PyPDF2（PDF 解析）
测试: pytest + pytest-asyncio + pytest-cov
类型检查: Pydantic v2（数据验证和序列化）

前端

框架: React 18 + TypeScript
HTTP 客户端: Axios
样式: 纯 CSS（二次元风格，自定义动画）
状态管理: React Hooks (useState, useEffect, useRef)
本地存储: localStorage（模型配置持久化）
构建工具: Create React App

开发工具

Python: 3.8 - 3.13（推荐 3.11 或 3.12）
Node.js: 14+（推荐 18.x 或 20.x LTS）
包管理: pip + npm
版本控制: Git
API 文档: Swagger UI（自动生成）

🚀 Quick Start

方式一：Docker 启动（推荐）

最简单的方式，一键启动！前后端自动分离部署。

Prerequisites

Docker (20.10+)
Docker Compose (1.29+)

启动步骤

克隆仓库

git clone <repository-url>
cd chatbot-system

（可选）配置 API Key

如果需要使用 .env 配置：

cd backend
cp env.example .env
# 编辑 .env 文件，配置你的 API Key
cd ..

💡 也可以跳过此步骤，启动后在网页界面配置模型。

启动服务

# 使用 docker-compose
docker-compose up -d

# 或使用 Makefile（更方便）
make up

访问应用

前端：http://localhost:3000
后端 API：http://localhost:8000
API 文档：http://localhost:8000/docs
Agent 模式文档：AGENT_MODE.md

查看日志

# 查看所有日志
docker-compose logs -f

# 仅查看后端日志
docker-compose logs -f backend

# 仅查看前端日志
docker-compose logs -f frontend

# 使用 Makefile
make logs           # 所有日志
make logs-backend   # 后端日志
make logs-frontend  # 前端日志

停止服务

docker-compose down
# 或
make down

服务架构

Docker Compose 会启动两个独立的容器：

backend: FastAPI 后端服务 (端口 8000)
frontend: Nginx 静态文件服务器 (端口 3000)

两个服务通过内部网络 chatbot-network 通信。

方式二：本地开发启动

Prerequisites

Python 3.8 - 3.13 (⚠️ Python 3.14 not yet supported - use 3.11 or 3.12 recommended)
Node.js 14+ (18.x or 20.x LTS recommended)
npm or yarn

Note: If you have Python 3.14, please use pyenv or conda to install Python 3.12. See SETUP_GUIDE.md for detailed instructions.

Step 1: Clone the Repository

git clone <repository-url>
cd chatbot-system

Step 2: Backend Setup

Navigate to backend directory:

cd backend

Create virtual environment:

python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

Install dependencies:

pip install -r requirements.txt

配置 LLM API Key:

现在有两种配置方式，推荐使用方式一（网页界面配置）：

配置方式一：网页界面配置 (推荐 ⭐)

启动应用后，点击右上角的头像按钮
在下拉菜单中选择 "⚙️ 设置"
点击 "➕ 添加新模型"
填写模型信息：
- 选择平台（GPT、Gemini、Skywork Router、Kimi、QWen、DeepSeek 等）
- 输入模型名称（如 gpt-4、gemini-2.5-flash）
- 输入你的 API Key
点击单选按钮选择默认模型
开始聊天！

优点：

✅ 无需修改配置文件
✅ 可以配置多个模型并快速切换
✅ 配置保存在浏览器本地，更安全
✅ 可视化界面，操作更直观

配置方式二：环境变量配置（传统方式）

如果你更喜欢传统方式，可以创建 .env 配置文件：

cd backend
cp env.example .env

然后编辑 backend/.env 文件，选择以下任一提供商进行配置：

方式一：使用 Gemini（推荐 - 免费额度）

LLM_PROVIDER=gemini
LLM_API_KEY=your_gemini_api_key_here

获取 API Key: https://makersuite.google.com/app/apikey

方式二：使用 DeepSeek（推荐 - 中文友好，性价比高）

LLM_PROVIDER=deepseek
LLM_API_KEY=sk-your_deepseek_api_key_here
MODEL_NAME=deepseek-chat

获取 API Key: https://platform.deepseek.com

详细配置步骤:

访问 DeepSeek 平台并注册账号
进入 API Keys 页面创建新密钥
复制 API Key (格式: sk-xxxxxxxx)
粘贴到 backend/.env 文件的 LLM_API_KEY= 后面
保存文件

完整配置示例 (backend/.env 文件内容):

LLM_PROVIDER=deepseek
LLM_API_KEY=your_deepseek_api_key_here
MODEL_NAME=deepseek-chat

📖 更多 DeepSeek 配置详情见: DEEPSEEK_SETUP.md

方式三：使用 OpenAI

LLM_PROVIDER=openai
LLM_API_KEY=your_openai_api_key_here
MODEL_NAME=gpt-3.5-turbo

获取 API Key: https://platform.openai.com/api-keys

方式四：使用 Kimi

LLM_PROVIDER=kimi
LLM_API_KEY=your_kimi_api_key_here
MODEL_NAME=moonshot-v1-8k

方式五：使用 Qwen

LLM_PROVIDER=qwen
LLM_API_KEY=your_qwen_api_key_here
MODEL_NAME=qwen-turbo

⚡ 配置位置总结:

配置文件路径: chatbot-system/backend/.env
不要修改 env.example，只修改 .env
.env 文件不会被提交到 Git（已在 .gitignore 中）

Run backend server:

python main.py

Backend will run on http://localhost:8000

Step 3: Frontend Setup

Open a new terminal and navigate to frontend directory:

cd frontend

Install dependencies:

npm install

Start development server:

npm start

Frontend will run on http://localhost:3000

Step 4: Access the Application

Open your browser and navigate to http://localhost:3000

Step 5: 配置你的第一个模型 🎉

点击右上角的可爱头像（有眨眼动画）
选择 "⚙️ 设置"
点击 "➕ 添加新模型"
填写信息并点击添加
点击单选按钮选择该模型为默认
关闭设置，开始聊天！

🎯 推荐配置：

新手推荐：Gemini（免费额度大，申请简单）
中文友好：DeepSeek 或 QWen（中文理解更好）
高级用户：GPT-4（效果最好，但需付费）

🧪 Running Tests

Backend Tests

cd backend
source venv/bin/activate  # On Windows: venv\Scripts\activate
pytest

To see coverage report:

pytest --cov=. --cov-report=html
# Open htmlcov/index.html in browser

Frontend Tests

cd frontend
npm test

To see coverage report:

npm run test:coverage

📖 使用指南

⚙️ 模型设置

点击右上角头像 → 模型设置，即可配置多个 AI 模型：

添加模型：点击 "➕ 添加新模型"，选择平台（GPT/Gemini/Skywork Router/Kimi/QWen/DeepSeek/Claude/豆包），输入模型名称和 API Key
选择默认：点击模型旁的单选按钮（✓）设为默认，只能选择一个
删除模型：点击 ✕ 按钮删除不需要的模型

💡 配置自动保存在浏览器本地，无需修改配置文件。

🌐 语言设置

点击右上角头像 → 语言设置，选择 AI 回复语言：

自动检测：根据输入语言智能回复
简体中文/English/日本語/한국어 等：固定使用指定语言回复

💡 语言设置会约束 AI 的回复语言，但不影响输入。

💬 开始对话

点击顶部的 "✨ 新对话" 按钮
在输入框中输入你的消息
按 "发送" 或按 Enter 键
AI 会根据上下文智能回复

📁 上传文件

点击 "📎 上传文件" 按钮
选择文件（支持 .txt、.md、.pdf 格式）
文件内容会附加到你的下一条消息中
向 AI 提问关于文件的内容
最大文件大小：20MB

📜 查看对话历史

点击顶部的 "📜 历史" 按钮
浏览你的所有历史对话
点击任意对话可以恢复继续
点击 🗑️ 图标可以删除对话（会弹出可爱的确认弹框）

🔄 多轮对话

系统自动维护对话上下文
每次回复都会考虑之前的消息
最多包含最近 10 轮对话的上下文
开始新对话可以重置上下文

🎯 界面特色

可爱的鼠标效果：移动鼠标会显示粉色光晕和旋转的星星图标
呼吸动画：未选中的模型按钮会有轻微的呼吸效果，提示你可以点击
悬停提示：鼠标悬停在按钮上会显示操作提示
流畅动画：所有交互都有流畅的过渡效果

🔧 高级配置

模型配置优先级

系统支持两种配置方式，优先级如下：

网页界面配置（优先级最高）
- 通过右上角头像 → 设置 → 模型配置添加的模型
- 保存在浏览器 localStorage 中
- 每次聊天时优先使用选中的默认模型
环境变量配置（备选方案）
- 通过 backend/.env 文件配置
- 仅在没有网页配置时使用
- 适合服务器部署或团队共享配置

后端配置

在 backend/.env 文件中配置（可选）：

LLM_PROVIDER: 选择 LLM 提供商（gemini, openai, deepseek, kimi, qwen）
LLM_API_KEY: 对应提供商的 API Key
MODEL_NAME: 具体的模型名称（OpenAI 兼容 API 需要）

前端配置

如需修改后端 API 地址，在 frontend 目录创建 .env 文件：

REACT_APP_API_URL=http://localhost:8000

自定义样式

所有 UI 样式都在 frontend/src/components/*.css 中，可以自由修改：

App.css: 主布局和头部样式
ChatWindow.css: 聊天窗口样式
UserMenu.css: 用户菜单和头像样式
ModelSettings.css: 模型设置弹框样式
CursorEffect.css: 自定义鼠标效果
ConfirmDialog.css: 确认对话框样式

🎨 Features in Detail

1. Multi-turn Conversations

Maintains conversation context across multiple exchanges
Intelligently includes relevant history in each request
Context window management to prevent token overflow

2. File Upload & Processing

Supported formats: .txt, .md, .pdf
Text extraction: Handles various encodings (UTF-8, GBK, GB2312, Latin-1)
PDF processing: Extracts text from all pages with page markers
Long document handling: Automatic text chunking for large files
Validation: File type and size validation (max 10MB)

3. Conversation History

Persistent storage: SQLite database for local storage
Conversation metadata: Title, timestamps, message count
Full message history: All messages with roles and timestamps
Easy navigation: Browse and resume past conversations
Delete support: Remove unwanted conversations

4. Modern UI/UX

Responsive design: Works on desktop and mobile
Real-time updates: Smooth animations and transitions
Loading states: Clear feedback during processing
Error handling: User-friendly error messages
Markdown support: Rich text formatting in responses

🔒 Security & Privacy

All data stored locally in SQLite database
No data sent to third parties except chosen LLM provider
API keys stored in environment variables (not in code)
File upload validation and sanitization

🐛 常见问题

模型配置相关

问题： "Sorry, there was an error processing your message"

解决方案 1：检查是否已在网页界面配置模型（右上角头像 → 设置）
解决方案 2：确认选中的模型 API Key 是否正确
解决方案 3：检查 API Key 是否有足够的配额
解决方案 4：如果使用环境变量，确保 backend/.env 文件存在且配置正确

问题： 找不到模型设置入口

解决方案：点击右上角的可爱头像（有眨眼动画），然后选择 "⚙️ 设置"

问题： 添加模型后不生效

解决方案：确保点击了单选按钮（粉色圆圈）选择该模型为默认

问题： 想要切换模型

解决方案：打开设置，点击想要使用的模型旁边的单选按钮即可

后端问题

问题： "Module not found"

解决方案：确保虚拟环境已激活，运行 pip install -r requirements.txt

问题： "Gemini API error" 或类似错误

解决方案：验证 API Key 是否有效，是否有可用配额

问题： 后端启动失败

解决方案 1：检查 Python 版本（推荐 3.11 或 3.12）
解决方案 2：删除 venv 文件夹，重新创建虚拟环境

前端问题

问题： 无法连接到后端

解决方案：确保后端运行在 8000 端口（访问 http://localhost:8000/docs 测试）

问题： 文件上传失败

解决方案：检查文件大小（<20MB）和格式（.txt、.md、.pdf）

问题： npm install 失败

解决方案：删除 node_modules 和 package-lock.json，重新运行 npm install

问题： 页面出现滚动条，没有铺满

解决方案：已修复！确保使用最新代码，页面会自动铺满视口

问题： 鼠标效果卡顿

解决方案：已优化！使用了高性能的 CSS 动画和 requestAnimationFrame

样式问题

问题： 界面显示异常

解决方案 1：清除浏览器缓存，强制刷新（Ctrl+Shift+R 或 Cmd+Shift+R）
解决方案 2：检查浏览器控制台是否有 CSS 加载错误

问题： 自定义鼠标不显示

解决方案：某些浏览器可能不支持自定义鼠标，尝试使用 Chrome 或 Edge

📊 测试覆盖率

项目维护了 >83% 的测试覆盖率（后端）：

后端测试覆盖率

Name                                  Stmts   Miss  Cover
---------------------------------------------------------
backend/main.py                         80      8    90%
backend/services/llm_service.py        120     12    90%
backend/services/file_service.py        95      8    92%
backend/services/conversation_service   85      5    94%
backend/models/conversation.py          25      2    92%
---------------------------------------------------------
TOTAL                                  405     35    91%

测试内容：

✅ API 端点：请求/响应处理、错误情况、模型配置传递
✅ 文件服务：所有文件格式、验证、分块、智能摘要
✅ 对话服务：CRUD 操作、历史管理、并发处理
✅ LLM 服务：多提供商集成、动态配置、上下文构建
✅ 模型配置：环境变量优先级、自定义配置、错误处理

运行测试

后端测试：

cd backend
source venv/bin/activate
./run_tests.sh all  # 运行所有测试并生成覆盖率报告

查看覆盖率报告：

# 在浏览器中打开 htmlcov/index.html
open htmlcov/index.html  # macOS
xdg-open htmlcov/index.html  # Linux
start htmlcov/index.html  # Windows

前端测试

cd frontend
npm test
npm run test:coverage  # 生成覆盖率报告

🚢 Deployment

Docker 部署（生产环境推荐）

前后端分离架构，独立容器部署。

使用 Docker Compose

# 构建并启动
docker-compose up -d

# 查看日志
docker-compose logs -f

# 查看特定服务日志
docker-compose logs -f backend
docker-compose logs -f frontend

# 重启特定服务
docker-compose restart backend
docker-compose restart frontend

# 停止服务
docker-compose down

使用 Makefile（更便捷）

# 查看所有命令
make help

# 启动服务
make up

# 查看日志
make logs                # 所有日志
make logs-backend        # 后端日志
make logs-frontend       # 前端日志

# 重启服务
make restart             # 全部重启
make restart-backend     # 仅重启后端
make restart-frontend    # 仅重启前端

# 重建服务
make rebuild             # 全部重建
make rebuild-backend     # 仅重建后端
make rebuild-frontend    # 仅重建前端

# 进入容器
make shell-backend       # 进入后端容器
make shell-frontend      # 进入前端容器

# 健康检查
make health

# 停止服务
make down

持久化数据

数据库文件会自动挂载到 ./backend/data/ 目录，容器重启后数据不会丢失。

自定义端口

编辑 docker-compose.yml：

services:
  backend:
    ports:
      - "8080:8000"  # 将后端端口改为 8080
  frontend:
    ports:
      - "3001:3000"  # 将前端端口改为 3001

服务架构

┌─────────────────────────────────────┐
│     Docker Compose Network          │
│  (chatbot-network)                  │
│                                     │
│  ┌──────────────┐  ┌─────────────┐ │
│  │   Backend    │  │  Frontend   │ │
│  │  (FastAPI)   │◄─┤   (Nginx)   │ │
│  │  Port: 8000  │  │  Port: 3000 │ │
│  └──────────────┘  └─────────────┘ │
│         │                  │        │
└─────────┼──────────────────┼────────┘
          │                  │
          ▼                  ▼
     [Database]         [Static Files]
   (volume mount)      (built in image)

传统部署

Backend Deployment

cd backend
pip install -r requirements.txt
uvicorn main:app --host 0.0.0.0 --port 8000

Frontend Deployment

cd frontend
npm run build
# Serve the 'build' folder with any static file server (e.g., nginx, serve)
npx serve -s build -l 3000

📝 API Documentation

Once the backend is running, visit:

Swagger UI: http://localhost:8000/docs
ReDoc: http://localhost:8000/redoc

🤝 Contributing

Fork the repository
Create a feature branch
Make your changes
Add tests for new features
Ensure all tests pass
Submit a pull request

📄 License

MIT License - feel free to use this project for learning or commercial purposes.

📧 Support

For issues, questions, or suggestions, please open an issue on GitHub.

Name		Name	Last commit message	Last commit date
Latest commit History 1 Commit
backend		backend
docs		docs
frontend		frontend
.dockerignore		.dockerignore
.gitignore		.gitignore
Makefile		Makefile
README.md		README.md
docker-compose.yml		docker-compose.yml
start.sh		start.sh

nightosong/chatbot-system

Folders and files

Latest commit

History

Repository files navigation

🤖 AI Chat System

✨ 核心功能

🤖 Agent 模式 (NEW!)

🎯 可视化模型配置

🌐 多语言回复约束 (NEW!)

💬 多轮对话

📁 智能文件处理

📜 对话历史管理

🎨 现代化 UI

🔧 多 LLM 提供商

🧪 高测试覆盖率

🏗️ 项目结构

🛠️ 技术栈

后端

前端

开发工具

🚀 Quick Start

方式一：Docker 启动（推荐）

Prerequisites

启动步骤

服务架构

方式二：本地开发启动

Prerequisites

Step 1: Clone the Repository

Step 2: Backend Setup

配置方式一：网页界面配置 (推荐 ⭐)

配置方式二：环境变量配置（传统方式）

方式一：使用 Gemini（推荐 - 免费额度）

方式二：使用 DeepSeek（推荐 - 中文友好，性价比高）

方式三：使用 OpenAI

方式四：使用 Kimi

方式五：使用 Qwen

Step 3: Frontend Setup

Step 4: Access the Application

Step 5: 配置你的第一个模型 🎉

🧪 Running Tests

Backend Tests

Frontend Tests

📖 使用指南

⚙️ 模型设置

🌐 语言设置

💬 开始对话

📁 上传文件

📜 查看对话历史

🔄 多轮对话

🎯 界面特色

🔧 高级配置

模型配置优先级

后端配置

前端配置

自定义样式

🎨 Features in Detail

1. Multi-turn Conversations

2. File Upload & Processing

3. Conversation History

4. Modern UI/UX

🔒 Security & Privacy

🐛 常见问题

模型配置相关

后端问题

前端问题

样式问题

📊 测试覆盖率

后端测试覆盖率

运行测试

前端测试

🚢 Deployment

Docker 部署（生产环境推荐）

使用 Docker Compose

使用 Makefile（更便捷）

持久化数据

自定义端口

服务架构

传统部署

Backend Deployment

Packages