使用说明
# 数字孪生组合
基于人工智能的产品组合，集成MCP、RAG系统和生产就绪安全
Next.js组合应用程序，具有由Claude Desktop、Groq LLaMA 3.3和语义搜索功能支持的数字孪生人工智能助手。内置企业级安全、速率限制和全面测试。
特性
现代UI/UX
- 渐变主题：紫色到粉色渐变设计，带有玻璃形态效果
- 深色模式：完全支持CSS自定义属性的主题切换
- 响应式设计：采用自适应布局的移动优先方法
- 自定义动画：平滑过渡、悬停效果和微交互
- 漂浮猫助手：用于AI聊天导航的动画猫按钮
- 专业足球运动员：具有渐变悬停效果的社交链接
AI和MCP集成
- Claude桌面集成: 可操作的 -完全支持MCP协议
- 7生产工具：投资组合查询、技能评估、面试准备、RAG搜索
- 数字双胞胎助手：对专业经验的情境感知回应
- FastAPI MCP服务器：HTTP和stdio通信模式
RAG系统
- 语义搜索：带有16个嵌入式投资组合块的Uptash Vector
- OpenAI嵌入：text-embedding-3-small用于高质量矢量
- 上下文检索：智能投资组合数据提取
- 本地嵌入：用于开发的可选句子转换器（384 dim）
企业安全
- 速率限制：基于Redis的分布式速率限制（20请求/分钟聊天，30请求/分钟RAG）
- 输入验证：全面的消息/查询清理
- 内容过滤：API密钥检测、密码过滤、防止提示注入
- 加密安全会话：256位安全会话ID生成
- 安全标头：X-Content类型选项、X-Frame-Options、X-XSS-Protection
- 会话管理：每个会话限制100条消息，并自动清理
数据管理
- 升级Redis：聊天记录、会话存储、速率限制
- STAR格式：5个结构化的专业经验项目
- 面试问答：10对预先生成的面试培训对
- 语义缓存：余弦相似度（0.95阈值），100个项目容量，30分钟TTL
快速开始
先决条件
- Node.js 18+及 pnpm 安装
- python 3.8+带 点
- Uptash 帐户（Redis+Vector）
- 格罗克API key（或用于嵌入的OpenAI）
安装
# Clone the repository
git clone https://github.com/TheaMarieM/digital-twin-portfolio.git
cd digital-twin-portfolio
# Install Node.js dependencies
pnpm install
# Create Python virtual environment
python -m venv .venv
.venv\Scripts\Activate.ps1 # Windows PowerShell
# Install Python dependencies
pip install -r requirements.txt
# Set up environment variables
cp .env.example .env.local
# Edit .env.local with your API keys
环境变量
使用以下内容创建.env.local文件：
# OpenAI (for embeddings)
OPENAI_API_KEY=sk-...
# Groq (for LLM responses)
GROQ_API_KEY=gsk_...
# Upstash Vector
UPSTASH_VECTOR_REST_URL=https://...upstash.io
UPSTASH_VECTOR_REST_TOKEN=...
# Upstash Redis
UPSTASH_REDIS_REST_URL=https://...upstash.io
UPSTASH_REDIS_REST_TOKEN=...
运行应用程序
# Start Next.js dev server
pnpm dev
# Open http://localhost:3001
# Start MCP server (optional, for Claude Desktop)
python mcp/server.py
# Server runs on http://127.0.0.1:3000
建筑
my-ai-app/
app/ # Next.js App Router
api/
chat/ # AI chat endpoint (Groq + LLaMA 3.3)
rag/ # RAG semantic search endpoint
metrics/ # Performance metrics
components/
sections/ # Page sections (Hero, Skills, Contact)
ui/ # Reusable UI components
page.tsx # Home page with all sections
mcp/ # Model Context Protocol Server
server.py # FastAPI HTTP server (port 3000)
stdio_server.py # stdio MCP server for Claude Desktop
tools/ # MCP tool implementations
portfolio_tools.py # Portfolio queries, projects, skills
interview_tools.py # Interview Q&A, question generation
rag_tools.py # Semantic search, embeddings
data/
profile.json # 5 STAR-format portfolio items
interview_qa.jsonl # 10 interview training Q&A pairs
scripts/
chat_with_ollama.py # CLI chat with RAG
index_local_embeddings.py # Vector database upserter
docs/
CLAUDE_DESKTOP_SETUP.md # MCP setup for Claude Desktop
VERCEL_DEPLOY.md # Vercel deployment guide
MCP服务器
可用工具
| 工具 | 说明 |
|---|---|
| query_portfolio | 自然语言作品集查询 |
| get_projects | 列出所有具有STAR详细信息的项目 |
| get_skills | 按类别提取技术技能 |
| search_experience | 基于关键字的体验搜索 |
| ask_interview_question | 基于作品集的面试答案 |
| get_interview_questions | 按类别列出的常见面试问题 |
| 语义搜索 | 基于RAG的语义搜索 |
安全特性
速率限制
- 聊天API：20个请求/分钟（基于Redis，分布式）
- RAG API：30个请求/分钟（内存中，每个会话）
输入验证
- 消息长度：聊天最多500个字符，RAG最多300个字符
- 会话消息：每个会话限制100条消息
- 内容过滤：API密钥检测、密码过滤、SQL注入预防
部署
维塞尔
# Install Vercel CLI
npm i -g vercel
# Deploy
vercel --prod
# Set environment variables:
vercel env add OPENAI_API_KEY
vercel env add GROQ_API_KEY
vercel env add UPSTASH_VECTOR_REST_URL
vercel env add UPSTASH_VECTOR_REST_TOKEN
vercel env add UPSTASH_REDIS_REST_URL
vercel env add UPSTASH_REDIS_REST_TOKEN
文档
- CLAUDE_DESKTOP_SETUP.md：MCP集成指南
- VERCEL_DEPLOY.md：部署说明
- 特工.md：副驾驶编码说明
联系
西娅玛丽
- github： @TheaMarieM
- 领英： linkedin.com/intheamarie
Made with by Thea Marie
