💡 为什么要做这个项目？

平时我们在使用各种大模型 API 套壳工具或者官方对话框时，往往会遇到一个非常头疼的问题：单线对话的“记忆污染”与“上下文冗余”。

在学习或探讨一个复杂问题时，我们常常需要针对某个细节衍生出新的问题。在传统的单线聊天中，这些衍生的追问会和主线问题混杂在一起。当你想回到主线继续提问时，AI 的记忆已经被刚才的旁支问题“污染”了，回答开始跑偏；而且长时间的对话会导致上下文急剧膨胀，不仅浪费 Token，还容易触发模型的注意力衰减。

为了解决这个问题，我开发了 循迹 (XunJi) —— 一个基于 FastAPI + Vue3 + LangChain 的前后端分离 RAG 对话平台。它最大的特色就是引入了非线性的“聊天树 (Conversation Tree)” 机制。

🌟 核心亮点：不仅是 API 套壳，更是思维导图

1. 非线性对话管理：让每次追问都有独立的“平行宇宙”

这是循迹最核心的功能。我们将每一次对话建模为树的一个节点：

• 无感分叉与回溯：当你对 AI 的某次历史回答产生新的疑问时，无需在当前对话末尾追加，而是可以直接点击该历史节点发起新对话。系统会自动为你创建一个新的分支。
• 记忆物理隔离：在新的分支里，AI 的上下文仅包含该节点及其父节点的路径，彻底杜绝了多问题混杂导致的记忆污染。
• 可视化树图：内置基于 ECharts 的聊天树可视化视图。你的整个思考路径一目了然，还可以对关键节点进行星标（橙色高亮），轻松理清主线与分支。
  在这里插入图片描述
  

2. 为扩展而生的底层架构 (LangChain + FastAPI)

相比于简单透传 API 的套壳项目，循迹在后端重度依赖了 LangChain 框架。
这样设计是为了给未来的深度 AI 开发留足空间：

• RAG 知识库增强：原生支持 PDF、TXT、MD 等文档上传，结合 ChromaDB 向量数据库实现精准语义检索，让 AI 回答基于你的专属知识库。
• Agent 扩展准备：底层的抽象使得后续接入各种外部工具（如联网搜索、代码执行）变得非常顺滑。目前已经集成了 OpenClaw 服务，提供了更深度的自动化能力。

3. 在线体验与全量模型私有化部署

作为一个扩展性极强的对话平台，循迹在基础体验上同样拉满，并且把数据隐私的控制权全部交还给你：

• 在线 Demo (快速体验)：为了让大家直观感受“聊天树”无感分叉与回溯的魅力，我搭建了一个在线体验站点。考虑到个人开发者的 API 成本，在线体验版本目前仅开放了 DeepSeek 模型供大家尝鲜试玩。
• 私有化部署 (解锁完全体与绝对安全)：如果你想将循迹作为主力学习工具，或者对数据隐私有严苛要求，强烈建议克隆代码自行部署。自行部署后，你将解锁全部潜能：
  • 自带 Key (BYOK) 与多模型自由切换：后端全面兼容 OpenAI 格式接口。只需填入你个人的 API 凭证，无论是长文本利器 Kimi、还是通义千问 (Qwen) 等都能无缝接入。数据只留在你自己的机器或私有服务器上，彻底告别隐私焦虑。
  • 完美支持本地模型：如果有极高的保密需求，循迹完美支持接入本地部署的 Ollama。彻底实现零成本、纯离线可用的私人 AI 助手。
  • 精细化 Prompt 控制：支持全局提示词与单会话提示词的叠加，让你更精准地调教每个对话分支的 AI 人设。

4. 极致顺滑的流式渲染体验

针对长对话场景，前端进行了深度性能优化：

• 节流渲染：采用 requestAnimationFrame 与节流技术，大幅降低高频流式输出时的 CPU 占用。
• 智能视口锁定：采用 overflow-anchor 结合智能自动滚动逻辑，彻底告别流式输出时页面乱跳、滚动卡顿的问题。
• 智能输入交互：动态 Enter 逻辑，单行模式下 Enter 直接发送；一旦通过 Shift+Enter 或粘贴进入多行模式，Enter 自动转为换行，防止误发。

🛠️ 技术栈速览

• 前端：Vue 3 (Composition API) + Vite + Pinia + Element Plus + ECharts
• 后端：FastAPI + Uvicorn + SQLAlchemy
• AI 底层：LangChain + ChromaDB (向量库)

🚀 快速体验与开源地址

循迹目前已经开源，无论你是想找一个好用的日常学习 AI 工具，还是想学习 FastAPI + LangChain 的实战项目源码，都欢迎来体验！

• Gitee 仓库地址：https://gitee.com/ha-big-brother/xunji
• GitHub 仓库地址：https://github.com/tangdeyx2333-beep/xunji
• 在线体验地址：http://hadage.fun/xunji/

部署教程和详细说明都在仓库的 README 中。如果你在部署或使用过程中有任何建议，欢迎在评论区交流，或者直接去仓库提 Issue。如果觉得这个“聊天树”的思路对你有帮助，求一个免费的 Star ⭐️！