Rain9Rain9
首页
AI 岗位
AI 目录
前端
后端
桌面端
WebGL
Web3
  • 算法与面试
  • 面试八股
  • Vim 练级
  • Github
  • 掘金
  • 公众号《与 IT 有约》
首页
AI 岗位
AI 目录
前端
后端
桌面端
WebGL
Web3
  • 算法与面试
  • 面试八股
  • Vim 练级
  • Github
  • 掘金
  • 公众号《与 IT 有约》
  • 2026 · AI 时代

    • 程序员的出路:AI 时代的价值思考
    • 从零开始构建智能体(Hello-Agents 课程通俗笔记)

1.4. 项目概览与开发环境搭建

本节将对即将构建的自动化数据分析 AI Agent 应用做整体概览,并给出本地开发环境的搭建步骤。先对齐目标与架构,再落地环境,能显著减少后续开发过程中的返工。

1. 项目概览

我们将构建一个全栈应用:用户输入自然语言需求,后端 AI Agent 解析并执行数据分析任务,最后在前端以图表/报告形式展示结果。

1.1 应用目标

  • 自然语言交互:用户以自然语言提问,例如“上个季度销售额最高的三个产品是什么?”
  • 自动化数据分析:根据指令自动访问数据源、执行清洗与预处理,并运行分析方法(趋势分析、异常检测等)。
  • 智能洞察生成:把分析结果组织为结构化洞察与可读报告。
  • 可视化呈现:前端以图表、表格、仪表盘等方式呈现洞察。

1.2 核心技术栈

  • 前端(Next.js):负责用户界面、交互与可视化,并将请求发送到后端。SSR/SSG 有助于提升首屏体验与缓存策略;是否需要 SEO 取决于你的应用是否对外公开。
  • 后端(Nest.js):提供 API,承接业务逻辑、数据访问、分析任务编排与模型/工具集成,作为 AI Agent 的核心协调者。
  • AI Agent 核心逻辑:通常实现为后端的一组模块(意图识别、任务分解、工具调用、结果结构化),并在统一的权限、审计与评估体系下运行。

1.3 系统架构图(高层)

flowchart LR
  UI[Next.js 前端(输入/图表/报告)] -->|HTTP / WebSocket| API[Nest.js API(鉴权/编排/业务逻辑)]
  API --> DB[(数据库/数仓)]
  API --> MQ[(消息队列/任务队列)]
  API --> CACHE[(缓存)]
  API --> TOOL[模型/工具/外部服务]

1.4 职责划分

Next.js 前端应用

  • 提供直观的 UI(输入框、结果展示区、图表组件等)
  • 管理会话与交互状态
  • 通过 API 与 Nest.js 后端通信
  • 将后端返回的分析结果可视化渲染

Nest.js 后端服务

  • 暴露 RESTful API 或 GraphQL API 供前端调用
  • 实现身份验证与授权(含必要的审计)
  • 作为 AI Agent 执行引擎:解析请求、编排任务、调用工具/模型
  • 与数据库交互:查询、存储与更新(含任务记录与结果沉淀)
  • 在需要时提供实时通道(WebSocket/SSE)推送任务进度与增量结果

2. 开发环境搭建

在开始编码之前,需要确保本地开发环境已正确配置。

2.1 前提条件

  • Node.js:建议 18+(更推荐使用当前 LTS 版本)。可通过 node -v 检查版本,推荐使用 nvm 管理 Node 版本。
  • 包管理器:npm 或 Yarn(Node.js 默认自带 npm)。可通过 npm -v / yarn -v 检查。
  • Git:用于版本控制,可通过 git --version 检查。
  • 代码编辑器:推荐 Visual Studio Code。

2.2 安装 NestJS CLI(可选但推荐)

NestJS CLI 能帮助快速创建项目、生成代码与管理配置。

npm install -g @nestjs/cli
# 或者使用 yarn
# yarn global add @nestjs/cli

安装完成后,可通过 nest --version 验证。

2.3 创建 Nest.js 后端项目

创建根目录(示例:ai-data-analyzer):

mkdir ai-data-analyzer
cd ai-data-analyzer

创建 Nest.js 项目(命名为 backend):

nest new backend

进入 backend 并启动开发模式:

cd backend
pnpm start:dev

如果一切顺利,可访问 http://localhost:3000(Nest.js 默认端口)看到 “Hello World!”。随后可以按 Ctrl+C 停止开发服务器。

2.4 创建 Next.js 前端项目

返回根目录并创建 Next.js 项目(命名为 frontend):

cd ..
pnpm create next-app@latest frontend --typescript --eslint --app --tailwind --src-dir --import-alias "@/*"

进入 frontend 并启动开发服务器:

cd frontend
pnpm dev

如果一切顺利,可访问 http://localhost:3000(Next.js 默认端口)看到欢迎页。

注意:Next.js 与 Nest.js 默认都使用 3000 端口,实际开发需要修改其中一个端口避免冲突。通常保持前端为 3000,后端改为 3001 或 3002。

2.5 配置环境变量

在实际应用中,使用环境变量保存敏感信息(例如 API Key)与环境配置(例如数据库连接)。

Nest.js 后端(./ai-data-analyzer/backend/.env)

# .env 示例(backend)
PORT=3001
OPENAI_API_KEY=your_openai_api_key_here
DATABASE_URL="postgresql://user:password@localhost:5432/mydb"

Next.js 前端(./ai-data-analyzer/frontend/.env.local)

# .env.local 示例(frontend)
NEXT_PUBLIC_API_BASE_URL=http://localhost:3001/api

重要提示:

  • .env / .env.local 应加入 .gitignore,避免提交到仓库。
  • Next.js 只有以 NEXT_PUBLIC_ 开头的变量才会暴露到浏览器端,请谨慎存放敏感信息。

2.6 推荐的 VS Code 扩展

  • ESLint:代码规范检查
  • Prettier:代码自动格式化
  • Tailwind CSS IntelliSense:Tailwind 提示与语法高亮
  • DotENV:.env 文件语法高亮
  • Markdown All in One:Markdown 编辑体验增强

总结

本节完成了两件事:

  • 从目标、技术栈到职责划分,建立对 AI Agent 应用的宏观理解
  • 按步骤搭建本地开发环境,并完成 Nest.js 与 Next.js 项目的初始化与运行验证

现在你已经具备一个可运行的基础环境。后续章节将进入具体实现细节,逐步把 AI Agent 的能力落到真实的数据分析流程中。

最近更新: 2026/10/31 10:01