背景
作为一名全栈开发者，一年前我利用业余时间帮助我朋友所在公司内部开发了一个AI协作平台，解决团队在知识沉淀、权限管控和项目协同中的实际问题。现在，我将这个项目进行重构与精简，发布我的个人产品 -「灵格若」 ，希望能为更多个人和开发团队提供一种更优雅的AI工作流解决方案。
核心功能
灵格若是一个以“工作区”为单元的AI协作平台，旨在通过统一入口管理Prompt、知识库、MCP工具与模型选择等等。以下是已实现的核心模块：
- 多引擎知识库系统
- 支持三种引擎：向量数据库（小规模知识库,语义相似搜索）、ElasticSearch（百万级文档,关键词精准匹配）、图数据库（关系网络分析,着重推理分析），可根据场景自由切换。
- PDF/Word/PPT/TXT/音视频等10+种非结构化文件类型的数据处理，提供元数据信息抓取，文档内容深度总结分析。同时也支持直连云存储(OSS、COS等)，实现文档数据自动同步。
- 版本控制与增量更新：知识库支持多版本管理，支持增量文档数据的构建与版本回滚，避免全量重建的成本。
- 混合检索模式：支持“私有知识库+网络搜索”混合查询，并可通过浏览器插件快速抓取网页内容批量投喂。
- 统一模型路由与MCP工具扩展
- 无缝切换多种模型：集成通义千问、GPT、Claude、Gemini、DeepSeek等主流模型，支持负载均衡与降级策略。
- MCP（Model Context Protocol）工具栈：兼容开源MCP协议，可快速接入自定义工具。
- “工作区”协作体系
- 配置继承机制：在“工作区”中预设Prompt模板、知识库与工具，“工作区”下所有新建会话自动继承，减少重复配置。
- 分享与细粒度权限管控：支持“工作区”的快速分享，统一沟通标准，实现团队高效协作；支持团队角色划分（管理员/编辑者/查看者），实现会话、知识库的分权管理。
技术栈与架构
后端：
- Python + langchain + langgraph 基础架构处理LLM
- Java + SpringBoot 处理服务端各类微服务
前端：
- TypeScript + React + Antd 网页端
- Flutter 移动端（开发中...）
部署：
- 全容器化，采用k8s部署，能够快速扩容
当前状态与使用方式
- 在线体验：点击立即体验
- 计费模式：目前仅按实际调用模型的token量计费，其他功能完全免费。
- 产品实现都是我在工作的业余时间去开发的，功能可能存在bug，用户体验上也会有些粗糙，大家可以在评论区提出相关建议和问题，我都会积极跟进去改进。有任何技术上的问题，也同样欢迎评论区交流沟通。
寻求反馈
作为个人项目，我特别希望得到社区的建议：
- 目前产品上您认为有哪些问题和建议？
- 哪些功能最实用？
- 您在平时使用中有哪些痛点，未来期待什么功能？
体验方式
- 官网点击【立即体验】：www.i-lingro.com
- 稀土掘金专属福利：输入邀请码 BvEVBj ，获取代金券，先到先得
写在最后：一个“野生开发者”的几句心里话
如果你打开我产品官网看到蓝紫渐变色的首页，你大概已经意识到了这是一个AI开发出来的页面。没错，这个AI协作平台的产品，是我协同AI设计和编码实现的，实现的流程基本上是我列出基本技术框架，设计产品功能、流程，然后同AI推理实现细节、coding、review，AI极大地提高了整个开发周期各个层面工作的效率。但是AI终究是个“快枪手”，能快速输出代码和方案，却没法替我决定产品该往哪儿走、用户需要什么——这些还得靠我自己一点点琢磨和试错。
这两年有关AI的相关技术真的是日新月异，可能昨天我还在研究检索的新方案，第二天又出了新的论文介绍如何大幅提高F1、减少幻觉输出，后天xx模型又出新版本。这些变化真的令人兴奋，但是也非常累人，这样让我在独立开发这条路上逐渐摸索并意识到，做产品的核心始终没变，就像我去帮助我朋友他们公司实现的目标一样：怎么让技术真正落地，帮助到企业、团队或者个人。
独立开发不是一条容易的路，相比较我上班“打螺丝”，每天对着固定需求写业务代码，独立开发需要操心每一件事情，从攒服务器、装系统、网络拓扑，到全栈开发、k8s集群部署，再到上线、运营等等，亲手一步步的把想法做成产品，这一点一滴的实现路程大概是我作为一个独立开发者最纯粹的快乐和收货吧。未来我也期待会有更多的用户去使用和反馈，我也会更努力的迭代我的产品。如果你也在做类似的事情，或者有任何想法，欢迎随时找我聊聊 —— 咱们都是这条路上的同行者。
最后放几张AI编码的时候，无聊就爱看的监控图片吧：
