大家好，我是一名普通的后端开发。这个 demo 是我用 TRAE 全程驱动做出来的——从爬虫、LLM 解析、Agent 对话到前端可视化，3 周时间，一个后端独立交付了全栈产品。
产品介绍
它是什么：把 TRAE 大赛的报名帖自动采集、AI 结构化解析，变成一个可搜索、可对话、可分析的创意知识库。
先看几张图，你就知道它做什么：
【数据看板：大赛创意全景
】
【AI 对话：问问题，看思考过程，点项目看详情】
【项目库：浏览 / 筛选 / 搜索所有报名创意】
它解决什么问题
大赛报名帖 2.4 万条，人工根本看不过来。这个平台把它们变成可检索、可对话、可分析的数据资产。
面向谁
-
参赛者：避免选题撞车，发现差异化机会
-
评审者：一键看全局，不用逐篇翻
-
创业者/投资人：看需求趋势，找方向
三个核心功能
- 数据看板：KPI 卡片 + 赛道分布 + 趋势折线 + 技术方向排行。每 30 分钟增量更新。
- AI 对话：自研 ReAct Agent，AI 自主调用 4 个工具回答问题，展示完整思考过程，项目名可点击查看详情。
- Hybrid Search：全文 + 语义双通道检索，RRF 融合排名。支持"用了 RAG 的项目"这类自然语言提问。
现在到了什么程度
-
数据：2.4 万原始帖 / 2 万结构化 / 2 万向量索引，4 个常驻任务持续更新
-
功能：看板、项目库、AI 对话三大页面已上线
-
安全：5 层防护，防注入 / 防泄露 / 防 LLM 编造
-
质量：后端 450+ 测试、前端 130+ 测试、E2E + CI
-
一句话：核心闭环已跑通，进入 v1 收尾 + v2 规划
下一步方向
-
创意生命周期追踪：抓 Demo 帖关联报名帖，看"创意 → 落地"转化率
-
蓝海识别与聚类：赛道×技术×用户四维矩阵，找少人做的组合
-
对话升级：多轮追问、相似项目推荐、竞品雷达
核心思路：从"大赛观察工具"进化为"创意决策助手"。
开发心得
1. 可追溯和大量文档是 AI 开发的标配
在我的工作流里面，3 周做完 52 个变更，每个都有立项/设计/任务/审查/归档工件，决策记录在 ADR 里。
这不是让 AI 写得更好，而是让协作可审计——下一个变更动同一个模块时，AI 能读到上一次的决策而不是从零猜。文档是 AI 协作的地面。
2. AI 永远无法替代人的直觉和品味
AI 能写出"看起来对"的代码，但关键判断要人拍板。几个真实交锋：
-
检索权重：AI 默认均权，我坚持跑 ablation，数据证明 FTS5 必须砍半
-
NL2SQL 拆分：AI 觉得统一接口"更优雅"，我坚持按场景拆分换确定性
-
锚点匹配：AI 觉得 3 轮策略"过度工程"，golden case 证明不做就是漏
AI 给均值解，产品要长尾也稳。品味就是知道什么时候"看起来对"不够。
3. AI 成本和幻觉率依然是主要问题
每个 AI 犯的错都逼出了工程防护：
- 偷懒重复调用 → 重复检测；
- 轮次用完编造 → 诚实退出；
- 返回字符串 “null” → 显式跳过；
- provider 不稳 → 按场景切换。
AI 还没到"放心交出去"的程度，每个幻觉靠工程兜底，每次成本优化拿稳定性换。
详细信息
以下按参赛指南要求整理，包含技术细节、开发过程、Session ID 等评审所需信息。
1. Demo 简介
-
是什么：一个对 TRAE AI 创造力大赛报名帖进行自动采集、AI 结构化解析、可视化分析与智能检索的网站。它把零散的报名帖转化为可搜索、可对话、可分析的创意知识库。
-
面向谁：参赛者（避免选题重复、发现差异化方向）、评审者（一键掌握创意趋势全貌）、创业者（参考需求趋势，发现商业化方向）、大赛主办方（沉淀赛事数据资产）
-
主要功能：
-
数据看板：KPI 卡片 + 赛道环形图 + 每日趋势折线 + 热门技术方向排行，每 30 分钟增量更新
-
AI 对话：自研 ReAct Agent 循环，4 个工具（项目查询 / 统计查询 / 语义搜索 / 全局统计），展示完整思考过程，项目名锚点链接
-
Hybrid Search：FTS5 全文 + bge-large-zh 语义向量双通道，RRF 融合排名
-
2. Demo 创作思路
-
灵感来源：报名期间报名帖数量持续增长，人工浏览无法看出整体分布。这是一个适合用 AI 解决的数据分析问题。
-
想解决的问题：参赛者避免选题重复；评审者快速掌握创意趋势；把比赛产生的创意沉淀为结构化数据资产，比赛结束后仍可检索、分析和复用。
-
为什么做这个方向：大赛本身是天然的创意数据源。做一个"帮所有人看懂这届大赛创意"的工具，价值不随比赛结束而消失。
3. Demo 体验地址
在线体验：https://public.20220106.xyz/
支持三个页面：数据面板（看板）、项目库（浏览/筛选/搜索）、AI 对话（自然语言提问）。
AI 对话每日有调用次数限制（防刷），如需大量体验可联系作者。
4. TRAE 实践过程
4.0 开发概览
| 项 | 说明 |
|---|---|
| 产品形态 | 全栈 Web 应用（看板 + 项目库 + AI 对话） |
| 技术栈 | React 19 + TypeScript + FastAPI + SQLite |
| 检索引擎 | sqlite-vec（向量）+ FTS5（全文）+ RRF 融合 |
| AI 后端 | Deepseek V4 Flash（对话）+ Agnes AI 2.0 Flash（解析）+ bge-large-zh（Embedding） |
| 开发工具 | TRAE IDE（全程 AI 驱动 + 变更管理 harness） |
| 测试 | 后端 450+ pytest + 前端 130+ vitest + Playwright E2E |
| 数据规模 | 2.4 万原始帖 / 2 万结构化解析 / 2 万条 1024 维向量索引 |
| 开发周期 | 2026-06-17 ~ 2026-07-09，约 3 周 |
4.1 用 TRAE 完成开发的关键流程
第一步：数据采集管线（6/17-6/19）
用 TRAE 开发了 Discourse 爬虫（httpx + 断点续爬 + 防风控）、LLM 结构化解析（Agnes AI 2.0 Flash + Pydantic 校验 + JSON retry）、以及 Embedding 向量化（SiliconFlow bge-large-zh-v1.5）。4 个常驻 scheduler 定时增量运行。sqlite-vec 在 Windows 环境的兼容性验证是关键前置，9/9 场景全通过。
357766990409284:7e8da80457b1296814fcb6ea7a1bb15d_6a322fca5cd1aff4cedcd63d.6a3236424e7b0528e8f3ee59.6a3236424e7b0528e8f3ee57:TRAE Work CN.0.1.30.no_sid.no_ppe.T(2026/6/17 13:53:06)
第二步：NL2SQL Agent 对话系统（6/24-6/25）
这是最核心的功能。用 TRAE 实现了自研 ReAct Agent 循环：LLM 自主决定调用哪个工具（项目查询 / 统计查询 / 语义搜索 / 全局统计），最多 10 轮，120 秒超时。配套自研 NL2SQL 安全层（黑白名单 + 表白名单 + 行数限制 + 超时拦截），防止 SQL 注入和表结构泄露。
357766990409284:6d7eff580fba234ffef5fade397bbfad_6a3ab454f5ca94d9c80f8b87.6a3b519ff5ca94d9c80f978d.6a3b519ff5ca94d9c80f978b:TRAE Work CN.0.1.30.no_sid.no_ppe.T(2026/6/24 11:40:15)
第三步：Hybrid Search 双通道检索（6/29-7/2）
用 TRAE 实现了 FTS5 全文搜索 + 语义向量双通道并行检索，RRF 融合排名。经过 ablation 测试调参（k=60 + fts5_weight=0.5），在 26 条 golden set 查询上实现零召回退化。FTS5 触发器自动同步，无需手动维护索引。
357766990409284:608ea8baad870d8a808963b8a27d783a_6a45f184dd5b355ff2994d7c.6a45f841dd5b355ff2994ddd.6a45f841dd5b355ff2994ddb:TRAE Work CN.0.1.30.no_sid.no_ppe.T(2026/7/2 13:33:53)
第四步：安全防护与稳定性加固（6/27-7/7）
用 TRAE 系统性加固了 5 层安全防护：L1 输入消毒（角色标签/零宽字符过滤）→ L2 system prompt 安全规则 → L3 NL2SQL 安全层 → L4 意图判断 → L5 输出过滤（表名/DDL/字段名脱敏）。还实现了 SSE 超时、React.memo 性能优化、限流防刷、失败有界重试等稳定性机制。
357766990409284:efd6972afeb7a5bf6c9817b86ce6d790_6a45f27bdd5b355ff2994d91.6a4733e5dd5b355ff2995809.6a4733e5dd5b355ff2995807:TRAE Work CN.0.1.30.no_sid.no_ppe.T(2026/7/3 12:00:37)
第五步：前端交互打磨、处理技术债（6/23-7/7）
用 TRAE 完成了看板 UI 重构（分组分层 + KPI 下钻）、对话历史 IndexedDB 持久化、中断/重试机制、项目锚点精确匹配（3 轮策略：精确 > 剥离前缀 > 包含关系）、Markdown 流式渲染等。前端测试覆盖单测 + E2E + MSW mock。
357766990409284:b583ac902a81097074e41d4a5123cc9a_6a4f3fab2d2ffc8b16bd9796.6a4f44202d2ffc8b16bd981a.6a4f44202d2ffc8b16bd9818:TRAE Work CN.0.1.30.no_sid.no_ppe.T(2026/7/9 14:48:00)
