本地运行 · FastAPI

AI Hub — 本地智能中枢

DeepSeek / Kimi 双模型聚合入口，Web + CLI 双端覆盖。兼顾 MCP 桥接、RAG 检索与工具执行——情报引擎的产出在此被加工，再供给方案生成器。

架构图

# 三层架构：Client → API → 智能路由

客户端层
  React Web (Vite) ←→ CLI (ai_hub.py) ←→ macOS App (.command)
  │
  ▼
API 层
  FastAPI (api_server.py :8787)
  ├── POST /chat # 对话
  ├── POST /tools # 工具执行
  ├── POST /mcp    # MCP 桥接
  ├── GET /health # 健康检查
  │
  ▼
智能路由层
  dispatcher.py
  ├── 短文本 → DeepSeek Chat
  ├── 超长文本 → Kimi (1M context)
  ├── 本地图片 → Kimi 视觉 + DeepSeek
  └── 本地优先 → Ollama (gemma/llama)
  │
  ▼
数据层
  ├── Supabase intel_items ← 情报引擎输入
  ├── RAG 索引 (data/)
  ├── SQLite 对话历史
  └── MCP servers

核心能力

智能路由

根据文本长度、图片输入自动选择 DeepSeek / Kimi / Ollama。40+ 工具注册，支持动态执行。

MCP 桥接

通过 mcp_client.py 对接外部 MCP 服务器，扩展 Agent 工具边界。支持 stdio / SSE 模式。

RAG 检索

本地知识库嵌入检索，build_rag.py 每日重建索引。情报引擎数据自动纳入。

工具执行器

tool_executor.py 支持文件读写、Shell、Python、文档生成。Agent Profile 约束权限。

技术栈

Python 3.12 FastAPI Uvicorn Vite + React MCP 协议 DeepSeek API Kimi API Ollama Supabase SQLite httpx feedparser BeautifulSoup uv

◇ 上下游连接
AI Hub 接收来自情报引擎的结构化情报数据，通过 RAG 索引和 MCP 桥接加工成方案生成器可用的知识。同时它也是方案生成器的 AI 后端调用层——用户点击"AI 生成方案"时，请求经过 AI Hub 的路由逻辑分发到最优模型。