引言：把大问题拆成可执行模块

“搭建一个AI网站”，听起来像是一项庞大工程，很容易在落地过程中遗漏关键环节。归根结底，就是把一个看似模糊的设想，拆解成具体可执行的任务模块。先从目标出发，再按产品、页面、接口、模型、数据、部署、安全和运营逐层分解，最后把依赖关系和验收标准都明确下来。

本文提供了一套从零到上线的完整工作分解结构，专为个人开发者或小团队量身定制，可以直接拿来落地执行。

一、目标定义

以一款“AI 内容助手”产品为例。

核心用户流程如下：注册/登录 → 选择任务 → 输入材料 → AI 生成 → 用户编辑 → 保存/导出。整体链路不算复杂，但每一步都需要扎实落地。

第一版范围尽量收窄，只覆盖几个核心场景：文本输入、一种主要生成任务、查看最近的历史记录、按用户设置限额。至于复杂的团队协作、插件市场、多模型路由等，统统留到后续迭代。

成功指标可以这样设定：生成成功率高于98%、P95完整响应时间在业务可接受范围内、目标用户的结果采纳率达到预设门槛、单次成本不超过预算。

二、系统分层

1. 表现层

负责网页交互部分。可以使用Vue、React、Next.js等框架，选你熟悉的即可。关键页面包括首页、工作台、历史记录、登录页和用户设置页。

2. 接口层

向前端提供统一的API，功能涵盖鉴权、参数校验、限流和错误转换。绝不能让前端直接接触模型凭证。

3. 业务层

处理模板选择、额度扣减、会话管理、内容保存、导出以及失败时的补偿逻辑。

4. AI 能力层

封装通义千问的调用，统一管理模型名称、系统提示词、温度、最大输出、超时、重试和用量统计。模型和接口参数从配置中读取，编码时绝不能散落在各处。

5. 数据层

保存用户、会话、消息、用量和订单。大文件存放到OSS，数据库只保存文件地址和元数据。

6. 基础设施层

由阿里云提供计算、网络、域名、证书、日志、监控和告警。模型通过阿里云百炼等官方入口来调用通义千问。

三、组件选型决策

四、接口结构

接口设计上，至少需要规划以下几组：

POST   /api/auth/login  登录
POST   /api/generations 创建生成任务
GET    /api/generations/:id     查询任务或结果
GET    /api/conversations 获取历史会话
DELETE /api/conversations/:id   删除会话
GET    /api/usage 查询剩余额度

举个例子，创建生成任务的请求体如下：

{
  "template": "product_copy",
  "input": "一款适合通勤的轻量双肩包",
  "stream": true
}

而错误结构也要统一，避免前端去消化各家模型供应商的原始错误码：

{
  "request_id": "req_xxx",
  "code": "MODEL_TIMEOUT",
  "message": "生成超时，请稍后重试"
}

五、数据结构

数据表的设计，最小化起步即可，主要包括以下四张表：

users

• id
• account
• status
• created_at

conversations

• id
• user_id
• title
• created_at
• updated_at

messages

• id
• conversation_id
• role
• content 或脱敏后的内容引用
• model
• input_tokens
• output_tokens
• latency_ms
• created_at

usage_records

• id
• user_id
• request_id
• model
• token_usage
• cost_estimate
• status
• created_at

值得特别提一句：如果内容涉及敏感信息，那就需要重新评估是否要保存原文、保存多久、谁能读取，以及用户如何删除。

六、开发顺序

第 1 个里程碑：模型闭环

在本地后端先完成一次通义千问的调用。凭证从环境变量读取，记录延迟、用量和错误，然后用20到50个真实样本评估质量。这一步最快，也最核心。

第 2 个里程碑：前后端闭环

完成输入、提交、加载、流式显示、停止、错误提示和重新生成。这一阶段可以先不着急保存历史记录。

第 3 个里程碑：用户与数据闭环

增加登录、会话历史、额度控制和删除功能。重点提醒：数据库操作一定要做用户归属校验，绝不能只凭前端传来的user_id就判定权限。

第 4 个里程碑：云上部署

1. 部署后端计算服务；
2. 配置运行时环境变量或密钥服务；
3. 创建数据库和最小权限账号；
4. 发布前端静态资源；
5. 配置域名、DNS、HTTPS 和备案；
6. 检查跨域、Cookie、安全响应头和上传权限。

第 5 个里程碑：运营闭环

增加访问量、生成成功率、模型错误率、Token用量、日成本和用户留存指标，并设置告警。到这个阶段，产品才算真正跑起来了。

七、安全检查清单

身份与权限

• 后端校验用户身份；
• 管理端和用户端权限分离；
• 数据查询必须附带所属用户条件；
• 云账号采用最小权限，避免长期使用高权限主账号密钥。

输入与输出

• 限制文本长度、文件类型和文件大小；
• 防止提示词注入影响系统指令或泄露内部信息；
• 不执行模型输出的代码或命令；
• 公开内容建立审核、举报与处置机制。

费用保护

• 用户/IP 限流；
• 每日或每月额度；
• 单次最大输出限制；
• 请求超时与有限重试；
• 费用预算和异常突增告警。

数据保护

• 全站 HTTPS；
• 日志脱敏；
• 备份和恢复演练；
• 明确数据保留与删除策略；
• 上传文件使用私有权限和临时签名访问。

八、测试矩阵

九、上线后的指标树

产品成功
├─ 用户价值：生成完成率、采纳率、复访率
├─ 模型质量：满意率、事实错误率、人工修改率
├─ 系统体验：成功率、首字延迟、P95 延迟
├─ 商业效率：单用户收入、单次成本、毛利
└─ 风险控制：违规率、投诉率、异常调用量

结论

结构化推理最直接的价值，就是把“搭建一个AI网站”从一个模糊的设想，变成了层次分明的架构、接口、数据表、里程碑和测试矩阵。执行时，先完成模型闭环，再做用户闭环，最后补上运营闭环。每增加一个云组件，都要对应一个明确需求、一个责任人、一个可验证的指标。这样一步步走下来，心里踏实，结果也清晰。