Next.js支持文件AI平台
AI驱动的文件分析平台，具有拖放上传、知识库创建和MCP集成功能，可实现无缝平台连接。
概述
一个全面的Next.js应用程序，允许用户上传文件，使用AI代理（Google Gemini）对其进行分析，使用向量嵌入构建可搜索的知识库，并通过MCP（模型上下文协议）与外部平台（Google Workspace、Notion、Jira）集成。
主要特点
- 拖放文件上传：直观的文件上传和实时进度跟踪
- AI驱动的分析：使用专门代理的Google Gemini API进行自动文件分析
- 知识库：基于向量的知识库与RAG（检索增强生成）
- 聊天界面：使用自然语言查询您上传的文件
- MCP集成：连接到外部平台（谷歌、Notion、Jira）以扩展功能
- 实时更新：使用Supabase实时跟踪实时进度
- 安全存储：文件安全地存储在Supabase存储中
- 现代用户界面：使用shadcn/ui和Tailwind CSS构建
技术栈
核心
- Next.js 15 -带有App Router的React框架
- 反应19 -UI库
- TypeScript -类型安全
- 顺风 CSS -造型
- shadcn/ui -UI组件
后端和数据库
- Supabase -身份验证、数据库、存储
- PostgreSQL -具有pgvector扩展的数据库
- Supabase实时 -实时订阅
人工智能与机器学习
- Vercel AI SDK -人工智能集成框架
- Google Gemini API -大型语言模型
- pg向量 -向量相似性搜索
- 嵌入 -知识库的文本矢量化
整合
- MCP-SDK -平台集成的模型上下文协议
- 自定义MCP服务器 -谷歌、Notion、Jira连接器
状态管理
- 状态 -全球状态管理
- React查询 -服务器状态管理
项目结构
next-supa-file-ai/
├── app/ # Next.js App Router
├── src/ # Source code
│ ├── components/ # React components
│ ├── lib/ # Core libraries
│ ├── services/ # Business logic layer
│ ├── repositories/ # Data access layer
│ ├── hooks/ # Custom React hooks
│ └── types/ # TypeScript definitions
├── mcp-servers/ # Custom MCP servers
├── supabase/ # Database migrations & functions
└── docs/ # Documentation
快速开始
# Clone the repository
git clone
cd next-supa-file-ai
# Install dependencies
pnpm install
# Setup environment variables
cp .env.example .env.local
# Edit .env.local with your credentials
# Run Supabase locally (optional)
pnpm exec supabase start
# Run migrations
pnpm exec supabase db push
# Start development server
pnpm run dev访问http://localhost:3000
文档
环境变量
所需的环境变量（请参见 .env.example 完整列表）：
# Supabase
NEXT_PUBLIC_SUPABASE_URL=your_supabase_url
NEXT_PUBLIC_SUPABASE_ANON_KEY=your_anon_key
SUPABASE_SERVICE_ROLE_KEY=your_service_role_key
# Google AI
GOOGLE_GENERATIVE_AI_API_KEY=your_gemini_api_key
# MCP Integration
MCP_GOOGLE_CLIENT_ID=your_google_client_id
MCP_GOOGLE_CLIENT_SECRET=your_google_client_secret
MCP_NOTION_API_KEY=your_notion_api_key
MCP_JIRA_API_TOKEN=your_jira_api_token关键设计模式
- 存储库模式 -数据访问抽象
- 服务层 -业务逻辑分离
- 工厂模式 -AI代理创建
- 策略模式 -文件分析策略
- 观察者模式 -实时更新
- 适配器模式 -MCP平台适配器
开发工作流程
- 文件上传 → 上层存储
- 分析触发器 → AI代理工厂
- Gemini处理 → 分析结果
- 嵌入生成 → 向量存储
- 知识库 → RAG驱动的聊天
- MCP工具 → 平台集成
部署
Vercel（推荐）
# Install Vercel CLI
npm i -g vercel
# Deploy
vercel环境设置
- 在Vercel仪表板中添加所有环境变量
- 连接Supabase项目
- 启用Vercel AI SDK
- 部署
贡献
- 复刻仓库
- 创建要素分支(
git checkout -b feature/amazing-feature) - 提交您的更改(
git commit -m 'Add amazing feature') - 推到分支(
git push origin feature/amazing-feature) - 打开拉取请求
许可证
MIT许可证-有关详细信息，请参阅许可证文件
支持
- 文档： ./docs
- 问题：
- 讨论：
路线图
- \[x\] 建筑设计
- \[\]第一阶段：基础和身份验证
- \[\]第2阶段：文件上传和管理
- \[\]第3阶段：人工智能分析管道
- \[\]第4阶段：知识库和RAG
- \[\]第5阶段：MCP集成
- \[\]第6阶段：生产部署
______________________________________________________________________
使用Next.js、Supabase、Google Gemini和MCP构建