一款融合AI、本地优先、隐私安全的现代化写作软件，其技术栈是如何炼成的？

引言

在AI大模型蓬勃发展的今天，将AI能力无缝集成到日常创作工具中已成为开发者的热门方向。我们团队正在开发的“笔触”软件，正是一款旨在赋能写作者、内容创作者的AI辅助工具——支持小说创作、公众号文章、小红书图文、视频脚本等多种内容类型，通过智能体动态理解用户意图，自动生成高质量内容。

作为一款桌面端应用，“笔触”需要在跨平台、性能、安全、AI能力、开发效率之间找到最佳平衡。本文将深入解析“笔触”的技术选型，分享我们在Electron、Vue、AI集成、数据存储等方面的思考与实践，希望能为正在构思类似项目的开发者提供参考。

一、核心架构：稳中求进，现代而不激进

客户端框架：Electron

选型理由：跨平台、成熟生态、可复用Web技术栈。Electron允许我们使用HTML/CSS/JavaScript构建桌面应用，一次开发，打包成Windows、macOS、Linux安装包。对于需要深度访问操作系统（如文件系统、系统托盘、自动更新）的创作软件，Electron是稳妥之选。

版本：使用最新稳定版，享受性能改进和安全性更新。

前端框架：Vue 3 + TypeScript

选型理由：Vue 3的Composition API带来更好的逻辑复用与类型推断，配合<script setup>语法，代码简洁且易于维护。TypeScript提供全栈类型安全，减少运行时错误，提升协作效率。

构建工具：Vite，极速启动与热更新，开发体验极佳。

UI组件库与状态管理

• • Naive UI：一款高质量的Vue 3组件库，内置深色主题，与TypeScript完美集成，组件丰富且API设计友好。
• • Pinia：Vue官方推荐的状态管理库，与Composition API无缝衔接，模块化清晰。
• • Vue Router：管理多页面视图（如作品列表、编辑器、设置页）。

二、Electron主进程：安全隔离，服务化设计

Electron的架构核心是主进程（Node环境）与渲染进程（浏览器环境）的分离。我们严格遵循安全最佳实践：渲染进程通过预加载脚本（preload.ts）调用主进程暴露的有限API，所有敏感操作（文件读写、数据库访问、密钥管理）均封装在主进程的服务模块中。

关键服务模块

三、数据存储：三层架构，各司其职

SQLite：结构化元数据与流程持久化

选型理由：轻量、嵌入式、单文件，无需独立服务，完美契合桌面应用场景。使用better-sqlite3驱动，性能优异且API同步易用。

存储内容：

• • 作品元数据（标题、类型、风格、标签等）
• • 角色关系表（支持历史版本追溯）
• • 智能体流程实例（flow_instances），保存创作状态

LanceDB：向量数据库，语义检索的基石

选型理由：嵌入式向量数据库，基于列存储，查询性能极高，支持复杂元数据过滤。与Electron主进程无缝集成（通过vectordb npm包）。

存储内容：

• • 文本片段的向量嵌入（使用本地BGE模型生成）
• • 元数据关联（所属作品、章节、角色等）

应用场景：AI创作时检索相似段落，保持风格一致；用户灵感搜索；情节连贯性检测。

四、AI与智能体：轻量自研，灵活可控

我们不希望被某个特定AI框架（如LangChain）锁定，因此决定在核心部分自研一套轻量级智能体系统，同时保持对多模型的支持。

LLM服务封装

class LLMService {  async chat(messages: { role: string; content: string }[], options?: any): Promise<string> {    // 根据配置选择 DeepSeek、OpenAI 等    // 从加密存储获取API Key    // 调用 HTTP 客户端（axios）  }}

支持DeepSeek、OpenAI、智谱等主流模型，通过配置切换。

本地嵌入模型

使用@xenova/transformers，在用户设备本地运行BGE系列中英文嵌入模型（量化版本，约300MB），实现完全离线的语义向量生成。

优势：隐私安全、零延迟、无API费用。

动态智能体系统

用户通过自然语言描述创作需求（如“写一篇创业经验分享的公众号文章”），系统自动识别意图，路由到对应工作流。

• • 意图识别器：调用LLM分析用户输入，输出结构化JSON（动作类型、创作类型、主题等）。若信息不足，自动启动多轮对话引导。
• • 工作流定义库：JSON格式，每个创作类型对应一个流程定义（如新建公众号文章、为已有作品添加章节）。节点支持LLM调用、工具调用（如向量检索）、流程控制（foreach）。
• • 模板管理器：从服务器增量下载提示词模板，支持多语言。模板中包含占位符（如{{topic}}、{{genre}}），运行时结合作品元信息动态生成最终提示词。
• • 动态提示词生成器：根据模板ID、作品元数据、上下文变量替换占位符，生成适配当前场景的提示词。

优势：无需为每个创作类型编写硬编码逻辑，新增类型只需添加工作流定义和模板，即可无缝扩展。

五、工具链与支持库

• • Markdown渲染：marked，轻量且生态丰富，支持代码高亮扩展。
• • 数据验证：zod，在IPC边界、配置加载等场景进行运行时类型检查。
• • 唯一ID：uuid，用于流程实例、会话等。
• • HTTP客户端：axios，封装LLM API调用。
• • 打包与分发：electron-builder，配置简单，支持NSIS、dmg、AppImage等格式。
• • 自动更新：electron-updater，实现增量更新。
• • 测试：Vitest（单元测试）、Playwright（E2E测试），保证代码质量。
• • 开发协调：concurrently + wait-on，同时启动Vite和Electron。

六、开发环境与部署

• • Node.js：18+（推荐20 LTS）
• • 包管理器：pnpm（硬链接节省磁盘，依赖解析快）
• • Python：3.11（用于编译部分原生模块，如better-sqlite3）
• • 构建输出：支持Windows（x64/arm64）、macOS（x64/arm64）、Linux（可选）
• • 安装包大小：通过优化（如量化模型、按需打包）控制在合理范围

七、总结：本地优先、隐私安全、可扩展

“笔触”的技术选型贯穿了三个核心原则：

1. 1. 本地优先：所有用户数据（作品、向量、配置）均存储在用户设备，无需云服务，保护隐私。
2. 2. 隐私安全：API密钥使用操作系统加密存储，LLM调用只在用户主动触发时进行；本地嵌入模型确保语义计算不离开设备。
3. 3. 可扩展：基于工作流定义的智能体系统，新增创作类型只需添加模板和流程定义；工具集可插拔，未来可集成图像生成、音频处理等功能。

这套技术栈既保证了开发效率，又兼顾了用户体验和长期可维护性，为“笔触”成为一款强大的AI创作伙伴奠定了坚实基础。

如果你也对类似项目感兴趣，或想探讨某个技术点的实现细节，欢迎留言交流！

邀请你：一起打磨真正属于写作者的AI

目前“笔触”还在开发中，正在邀请第一批种子用户内测。

如果你是：

• • 公众号/自媒体运营者，每天为日更发愁，又不想丢掉个人风格
• • 小说作者，经常卡文，希望有个助手能顺着你的风格续写
• • 兼职写手/内容创业者，想提高效率，又怕AI写的东西太“塑料”
• • 或者只是一个在意自己文字的普通人

——你就是我想找的人。

加入我们的创作者社群，你可以：

• • 抢先体验内测版本
• • 告诉我你的写作习惯，帮算法更懂创作者
• • 和一群重视风格的写作者交流心得

关注下方公众号，回复“笔触”，获取入群方式。