当前位置: 首页 > news >正文

搭建专属AI聊天网站:NextChat + 蓝耘MaaS平台完整部署指南

文章目录

  • 项目概述
  • 第一步:注册蓝耘平台并获取API凭证
    • 1.1 注册蓝耘MaaS平台
    • 1.2 获取API密钥
    • 1.3 获取模型信息和接口地址
  • 第二步:一键部署NextChat
    • 2.1 开始部署流程
    • 2.2 关联GitHub账号
    • 2.3 创建项目
    • 2.4 配置基本参数
    • 2.5 高级环境变量配置
    • 2.6 重新部署应用
  • 第三步:访问和测试您的AI聊天平台
    • 3.1 首次登录
    • 3.2 功能测试
  • 第四步:AI应用开发案例 - BMI健康指数计算器
    • 4.1 向AI提出需求
    • 4.2 获取和使用代码
    • 4.3 测试BMI计算器
  • 总结

项目概述

在AI迅猛发展的今天,拥有一个私人AI聊天网站已不再是奢望。本教程将指导您如何零编码搭建一个专业级AI聊天平台,具体包括:

  • 🚀 部署NextChat前端界面到Vercel(支持免费托管)
  • 🔌 接入蓝耘MaaS平台的Kimi-K2-Instruct等高性能AI模型
  • 🔒 配置访问密码保护您的聊天平台
  • 🛠️ 实现一个实用的BMI健康指数计算器案例

准备工作:您需要准备GitHub账号和蓝耘平台账号

第一步:注册蓝耘平台并获取API凭证

1.1 注册蓝耘MaaS平台

首先访问蓝耘MaaS平台官网进行注册。平台为新用户提供大量免费token,可以充分测试各种模型。

蓝耘注册页面

1.2 获取API密钥

登录后,进入MaaS平台选项卡,您将看到多种可调用的AI模型:

蓝耘MaaS平台模型列表

在左侧菜单中找到"API KEY管理",点击"创建API KEY",系统会生成API密钥。请妥善保存这个密钥,它是连接AI模型的关键。

API密钥管理界面

1.3 获取模型信息和接口地址

在MaaS模型广场中,选择您想使用的模型(本教程以Kimi-K2-Instruct为例)。点击查看详情后,您可以看到模型路径为/maas/kimi/Kimi-K2-Instruct

Kimi模型详情页

蓝耘提供了OpenAI兼容接口,可在MaaS平台文档中找到。接口地址为:https://maas-api.lanyun.net/v1

蓝耘OpenAI兼容接口文档

第二步:一键部署NextChat

2.1 开始部署流程

访问NextChat的GitHub仓库,点击Deploy按钮开始部署流程。

NextChat部署入口

2.2 关联GitHub账号

点击Continue with GitHub,然后按提示完成GitHub账号关联。

继续使用GitHub

如果是首次使用,需点击Add GitHub Account添加GitHub账号,并完成授权安装。

添加GitHub账号
安装NextChat

2.3 创建项目

设置项目名称(注意:只能使用小写英文字母),然后点击Create创建项目。

创建NextChat项目

2.4 配置基本参数

输入蓝耘MaaS平台的API密钥,并设置一个访问密码(用于保护您的聊天平台),然后点击Deploy开始部署。

配置NextChat基本参数

耐心等待部署完成,系统会显示部署成功的提示。

部署完成

2.5 高级环境变量配置

点击Continue to Dashboard前往控制面板,然后点击Settings进入设置页面。

进入控制面板
进入设置页面

Environment Variables部分,添加以下环境变量:

环境变量说明
DEFAULT_MODEL/maas/kimi/Kimi-K2-Instruct设置默认模型:用户打开聊天页时默认使用Kimi-K2-Instruct模型
BASE_URLhttps://maas-api.lanyun.netAPI基础地址:指向蓝耘的OpenAI兼容接口(NextChat会自动添加/v1)
CUSTOM_MODELS-all,+/maas/kimi/Kimi-K2-Instruct自定义模型列表:隐藏所有默认模型,只显示Kimi模型
HIDE_USER_API_KEY1隐藏API输入框:用户只能使用您配置的API Key,提高安全性

提示:NextChat会自动在BASE_URL后添加/v1/chat/completions,所以这里只需填写域名部分。

配置环境变量

配置完成后点击SAVE保存。您可以在下方看到所有已配置的环境变量,包括初始设置的OPENAI_API_KEYCODE

已配置的环境变量

2.6 重新部署应用

环境变量更新后,需要重新部署应用使配置生效。点击Deployments,切换到Production环境,找到最新版本点击Redeploy

重新部署
选择重新部署

部署完成后,您可以通过类似https://your-project.vercel.app的地址访问您的AI聊天平台。

访问地址

第三步:访问和测试您的AI聊天平台

3.1 首次登录

首次访问平台时,系统会要求输入访问密钥,即您之前设置的CODE环境变量。

输入访问密钥

输入正确密码后,您将进入聊天界面。

聊天界面

3.2 功能测试

发送一条测试消息(如"你好,请介绍一下自己"),验证系统是否正常工作。

测试对话

第四步:AI应用开发案例 - BMI健康指数计算器

4.1 向AI提出需求

在聊天框中,向AI提出明确的需求:“请你使用CSS+JS+HTML给我实现一个BMI健康指数计算器”。

向AI提出需求

4.2 获取和使用代码

AI会生成完整的HTML、CSS和JavaScript代码。您可以将这些代码保存为HTML文件,直接在浏览器中打开使用,或集成到您的网站中。

<!DOCTYPE html>
<html lang="zh-CN">
<head><meta charset="UTF-8"/><title>BMI 健康指数计算器</title><style>*{box-sizing:border-box;font-family:-apple-system,BlinkMacSystemFont,"Segoe UI",Roboto,"Helvetica Neue",Arial,"Noto Sans",sans-serif}body{margin:0;padding:30px;background:#f4f6fa;color:#333;display:flex;justify-content:center}.wrapper{max-width:420px;width:100%}h2{margin:0 0 15px;font-size:24px;text-align:center}label{display:block;margin-bottom:5px;font-weight:600}input,select{width:100%;padding:10px;margin-bottom:15px;border:1px solid #bbb;border-radius:4px}button{width:100%;padding:10px;background:#007bff;color:#fff;border:none;border-radius:4px;font-size:16px;cursor:pointer}button:hover{background:#0069d9}#result{margin-top:20px;padding:15px;border-radius:6px;font-weight:bold;text-align:center}.success{background:#d4edda;color:#155724;border:1px solid #c3e6cb}.warning{background:#fff3cd;color:#856404;border:1px solid #ffeaa7}</style>
</head>
<body><div class="wrapper"><h2>BMI 健康指数计算器</h2><label>身高 (cm)<input type="number" id="height" placeholder="例如:170"></label><label>体重 (kg)<input type="number" id="weight" placeholder="例如:65"></label><button onclick="calculateBMI()">计算 BMI</button><div id="result" style="display:none;"></div></div><script>function calculateBMI() {const height = parseFloat(document.getElementById("height").value);const weight = parseFloat(document.getElementById("weight").value);const resultDiv = document.getElementById("result");if (!height || !weight || height <= 0 || weight <= 0) {alert("请输入有效的身高和体重!");return;}// 公式:BMI = 体重(kg) / 身高(m)^2const heightM = height / 100;const bmi = (weight / (heightM * heightM)).toFixed(1);let category = "";if (bmi < 18.5) category = "偏瘦";else if (bmi < 24) category = "正常";else if (bmi < 28) category = "偏胖";else category = "肥胖";resultDiv.className = "success";resultDiv.style.display = "block";resultDiv.innerHTML = `您的 BMI 值为 <strong>${bmi}</strong>,属于 <strong>${category}</strong> 范围。`;}</script>
</body>
</html>

4.3 测试BMI计算器

将代码保存为HTML文件并打开,您可以看到一个功能完整的BMI计算器:

BMI计算器效果

之后我们可以继续与AI对话,要求它添加更多功能,如健康建议、历史记录保存、更详细的体型分析等。

总结

通过本教程,我们已经成功搭建了一个专业级的AI聊天平台,无需编写任何代码,只需简单配置即可完成。
希望本教程对您有所帮助,祝您使用愉快!

http://www.lryc.cn/news/603275.html

相关文章:

  • 《C++初阶之STL》【list容器:详解 + 实现】
  • 夯实家庭基石本质上是一场“缓慢的革命”
  • 【Redis实现基础的分布式锁及Lua脚本说明】
  • 使用 Canvas 替代 <video> 标签加载并渲染视频
  • 【深度学习】独热编码(One-Hot Encoding)
  • 怎么提升服务器的防攻击能力!
  • day064-kodbox接入对象存储与配置负载均衡
  • 「源力觉醒 创作者计划」 百度AI的战略“惊蛰”,一场重塑格局的“破壁行动”
  • JSON在java中的使用
  • 力扣热题100--------240.搜索二维矩阵
  • 半导体企业选用的跨网文件交换系统到底应该具备什么功能?
  • Spring Boot 请求限流实战:基于 IP 的高效防刷策略
  • Qt 并行计算框架与应用
  • 重塑浏览器!微软在Edge加入AI Agent,自动化搜索、预测、整合
  • [明道云]-基础教学2-工作表字段 vs 控件:选哪种?
  • nodejs 实现Excel数据导入数据库,以及数据库数据导出excel接口(核心使用了multer和node-xlsx库)
  • 架构实战——互联网架构模板(“用户层”和“业务层”技术)
  • 向量内积:揭示方向与相似性的数学密码
  • 瑞盟NFC芯片,MS520
  • 网上买卖订单处理手忙脚乱?订单处理工具了解一下
  • Radash.js 现代化JavaScript实用工具库详解 – 轻量级Lodash替代方案
  • python优秀案例:基于机器学习算法的景区旅游评论数据分析与可视化系统,技术使用django+lstm算法+朴素贝叶斯算法+echarts可视化
  • 机器学习、深度学习与数据挖掘:三大技术领域的深度解析
  • uipath数据写入excel的坑
  • perf工具在arm上的安装记录
  • 机器学习、深度学习与数据挖掘:核心技术差异、应用场景与工程实践指南
  • p5.js 从零开始创建 3D 模型,createModel入门指南
  • 新升级超值型系列32位单片机MM32G0005
  • p5.js 三角形triangle的用法
  • 逻辑回归算法