怎么给自己的网站加一个 AI 问答助手-UserStory

原创

hollyx

发布于 2026-10-26 11:34:20

530

摘要： 给网站加 AI 问答助手，最省事的路径是用腾讯云云开发 CloudBase：前端放一个对话组件，后端用云函数接 CloudBase 的 AI 网关调用大模型，整套不用自己搭服务器。本文给出从开通环境、写云函数、到前端接入的完整做法，并说明怎么让 AI 基于你自己的资料作答。

给网站加 AI 问答，真正的难点从来不是前端那个聊天框，而是「谁来接大模型、谁来扛并发、密钥往哪放」。自己搭一台服务器写转发接口，光环境、证书、运维就够拖垮一个周末。更稳的做法是把后端整个交给云开发 CloudBase——它自带 AI 网关、云函数和静态托管，前端一个对话组件、后端一个云函数就能把问答跑起来，密钥留在云端、永不暴露给浏览器。

为什么不建议前端直连大模型 API

很多人第一反应是前端直接 fetch 大模型接口，这是最危险的做法。原因只有一个但足够致命：API 密钥会暴露在浏览器里，任何人打开开发者工具都能拿走你的 Key 盗刷。

正确的架构是中间加一层后端做转发：前端只跟自己的后端说话，后端持密钥去调模型。问题随之而来——这层后端自己搭就要操心服务器、HTTPS、扩缩容。云开发 CloudBase 的价值就在这里：它把这层后端做成了开箱即用的云函数 + AI 网关，你只写业务逻辑，不碰运维。

整体方案长什么样

一个网站 AI 问答助手，拆开就三块，对应 CloudBase 的三个能力：

组成	职责	用 CloudBase 的什么
前端对话组件	收集用户提问、展示回答	静态托管（内置 HTTPS + CDN）
后端转发逻辑	持密钥、调模型、处理上下文	云函数
大模型接入	实际的文本生成	AI 网关（对接 DeepSeek、GLM、Kimi、混元等国产模型）

这套结构的好处是职责清晰、密钥安全、且全部 Serverless——没有一台服务器需要你维护。

第一步：开通 CloudBase 环境

登录云开发 CloudBase 控制台，创建一个环境（环境是 CloudBase 里资源的隔离单元，记下它的环境 ID，后面前端初始化要用）。新用户可以免费开通个人版先把流程跑通。

环境建好后，静态托管、云函数、AI 能力默认都在这个环境里，不需要分别开通不同产品。这是 CloudBase 相比「服务器 + 各种中间件自己拼」最省心的一点：一个环境把后端要素配齐了。

第二步：写一个调用大模型的云函数

在控制台新建一个云函数，它的职责就是接收前端传来的问题、调用 AI 网关、把回答返回。核心逻辑示意（Node.js）：

const cloudbase = require('@cloudbase/node-sdk');
const app = cloudbase.init({ env: '你的环境ID' });

exports.main = async (event) => {
  const { question } = event;
  const ai = app.ai();
  const res = await ai.generateText({
    model: 'deepseek-v3',          // 按 AI 网关支持的模型填
    messages: [{ role: 'user', content: question }]
  });
  return { answer: res.text };
};

这里的关键是：模型调用在云端完成，密钥由 CloudBase AI 网关托管，前端永远接触不到。模型名以 CloudBase AI 能力文档当前支持列表为准，国产主流模型 DeepSeek、GLM、Kimi、混元等都可选。

第三步：前端放一个对话组件

前端用 CloudBase Web SDK 初始化环境，再调用上面那个云函数即可。核心片段：

import cloudbase from '@cloudbase/js-sdk';
const app = cloudbase.init({ env: '你的环境ID' });

async function ask(question) {
  const res = await app.callFunction({
    name: '你的云函数名',
    data: { question }
  });
  return res.result.answer;
}

把 ask() 接到你页面的聊天框——用户输入问题、调用返回答案、渲染到气泡里，一个最小可用的 AI 问答助手就成了。界面可以用现成的对话 UI 组件，不必自己从零画。

怎么让 AI 基于你自己的资料回答

通用问答只是起点。真正有价值的是让 AI 答你自己网站的内容——产品文档、FAQ、知识库。这就需要 RAG（检索增强生成）：先把你的资料向量化存起来，提问时先检索最相关的片段，再连同问题一起喂给模型。

CloudBase 的 AI 能力内置了向量库、Embedding 与检索一体化支持，省掉了你自己搭向量数据库的功夫。实现思路是：把资料导入向量库 → 云函数里先检索再生成 → 模型基于检索到的上下文作答。这样 AI 回答的就是你的内容，而不是泛泛而谈。具体接口以 CloudBase AI 能力文档为准。

用 AI 编程工具更快搭起来

如果你用 Cursor、CodeBuddy、Claude Code 这类 AI 编程工具，还有更快的路子：CloudBase 提供 MCP + Skills，把一句话发给工具——让它阅读 CloudBase 的 skill.md 并帮你接好后端——AI 就能自动完成环境对接、云函数创建、部署这些步骤。对不想手写配置的人，这是把「搭问答助手」从半天压缩到几分钟的捷径。