AI Native Development Scaffold

一个现代化的AI原生开发脚手架，支持微服务架构、自动化部署和模块化开发。

前提条件

在使用本脚手架之前，请确保您的本地环境已安装并配置以下工具：

• AWS CLI: 用于AWS资源管理和部署
• kubectl: 用于Kubernetes集群管理
• helm: 用于Kubernetes应用包管理和部署

重要: 请确保您可以通过kubectl控制一个K8s集群，所有服务将部署到该集群中。

架构概述

本脚手架采用微服务架构，所有服务间通信使用gRPC协议，数据结构定义使用Protocol Buffers。

目录结构

ai-native-dev/
├── README.md                    # 项目主说明文档
├── deploy/                      # Helm部署配置
│   └── README.md
├── proto/                       # Protocol Buffers协议定义
│   └── README.md
├── frontend/                    # 前端Vite项目
│   └── README.md
├── python/                      # Python AI服务
│   └── README.md
└── golang/                      # Golang业务服务
    └── README.md

核心特性

🤖 AI原生设计

• 每个子目录配备独立的Agent和Context处理
• 专门的Python目录处理AI算法、Agent、视觉等工程
• 智能化的开发和部署流程

🔄 统一协议通信

• 所有模块间交互遵循proto目录中的Protocol Buffers定义
• 使用gRPC进行高效的服务间通信
• HTTP流量通过网关自动转换为gRPC流量

🚀 自动化部署

• 基于Helm的Kubernetes部署
• 支持多微服务统一管理
• 模块化构建和部署

🧩 模块化架构

• 前端组件化开发（Vite + Components）
• 后端服务分离（Python AI服务 + Golang业务服务）
• 独立的协议定义和管理

快速开始

1. 环境检查

   # 检查必要工具
   aws --version
   kubectl version --client
   helm version
   
   # 检查K8s集群连接
   kubectl cluster-info

2. 协议定义

   • 首先在proto/目录中定义您的服务协议
   • 按照service/v1/*.proto模式组织协议文件

3. 服务开发

   • Python AI服务：在python/目录中开发
   • Golang业务服务：在golang/目录中开发
   • 前端应用：在frontend/目录中开发

4. 部署

   • 使用deploy/目录中的Helm配置进行部署
   • 通过网关处理HTTP到gRPC的流量转换

开发工作流

1. 协议优先: 在开发任何服务之前，先在proto目录中定义接口协议
2. 独立开发: 每个目录可以独立开发，拥有自己的Agent和Context
3. 统一部署: 通过Helm统一管理所有微服务的部署
4. 流量管理: HTTP流量通过网关自动路由到相应的gRPC服务

注意事项

• 所有子模块间的交互必须遵循proto目录中定义的协议
• 每个子目录都有独立的README.md文件，包含详细的开发指南
• 确保在开发前正确配置AWS CLI、kubectl和helm工具
• 部署前请确认K8s集群的连接状态

支持

如需帮助，请参考各子目录中的README.md文件，或查看相关工具的官方文档。