Personal AI Hub
把跨设备的对话、资料检索、个人记忆和任务收进同一个私有工作台，并把模型调用、数据权限与生产运维分开处理。
- 职责
- 架构、联调、迁移、验收与运维
- 重点
- 先恢复演练，再切换；先验证真实检索，再声明上线。
- PWA
- PostgreSQL
- pgvector
- RAG
- Cloudflare Tunnel
背景 / 问题
个人资料、任务和不同设备上的工作记录很容易分散。目标不是做一个聊天页面，而是做一个能解释来源、可恢复、可验证的个人工作台。
模型不能直接触碰数据库，也不能把聊天配置和 embedding 配置混在一起。
关键实现
聊天、检索、记忆和任务通过受控服务接口编排；RAG 结果保留引用。
向量服务使用独立的 provider、模型与维度契约；数据库、返回向量与索引必须一致。
跨设备历史同步只处理用户可见内容，并在导入前过滤敏感信息与内部上下文。
一次真实故障
一次同步链路出现“请求成功但没有更新”的假象。
我把问题拆成请求、响应、服务端状态和同步计数四段验证，确认是边缘访问策略与客户端行为不匹配，而不是数据写入失败。修复后再以重复同步零新增确认幂等。
验证与反思
数据结构变更只在隔离恢复环境完成演练和校验后才切换。
验收覆盖检索引用、删除传播、流式聊天、移动端与恢复路径。个人系统同样需要边界、证据和回滚。