30天搭建一个本地模型驱动+云端模型支持的智能个人知识库

作为一名即将面临暑期实习投递的软件工程学生，我意识到如今“只会写基础的增删改查”在秋招市场中已经毫无竞争力。在这个 AI 浪潮横扫的时代，“高并发能力” 加上 “AI 引擎工程化落地能力” 才是破局的核心。

因此，我决定在接下来的 30 天内，独立开发一款属于自己的 “本地私有模型驱动的智能个人知识库 (Smart AI Workspace) + 云端模型支持”。这不仅是一项技术的硬核拉练，更是简历上不可替代的杀手锏。

本 项目 ** 拒绝了传统的傻瓜式单体架构，采用“性能与算力分离”的现代微服务思想：

1. 中枢业务层 (Java 17 + Spring Boot 3)：负责高并发防刷 (Redis Lua)、账户隔离鉴权 (Spring Security)、数据落地 (MyBatis-Plus) 以及长链接消息中转 (SSE)。
2. AI 高算力处理层 (Python FastAPI)：专门独立接管极其吃资源的任务。这包括词向量清洗解析 (LangChain)、混合检索打分召回 (Milvus/Rerank)、本地量化模型并列部署 (vLLM/Ollama) 以及特定小模型低秩微调 (PEFT/LoRA)。

今天是挑战的第一天，我们先来搭建后端工程。 选择springboot项目+maven包管理器，然后勾选以下插件

然后我们配置mybatis-plus等插件 https://baomidou.com/ getting-started ** /config/ 创建一个数据库 配置好application.yaml后，就可以尝试启动一下，所有的接口都会被security拦截，并且控制台会输出一段动态生成的临时密码——这就是原生的、被设计给传统 Web 使用的 Spring