Kredit
Keberhasilan proyek ini tidak akan mungkin terjadi tanpa bantuan dan dukungan dari setiap kontributor. Berikut adalah semua kontributor yang terlibat dalam proyek ini：
Catatan: Daftar di bawah ini diurutkan secara acak dan tidak mencerminkan tingkat kontribusi sebenarnya.
Entitas Tak Dikenal
Agen Mahakuasa
Akan bekerja menggantikan saya saat saya tidur, hanya perlu beberapa cangkir kopi, tetapi entah mengapa saya masih merasa lelah.
Wang Feng Ping
Pendiri Proyek & Pengembang Utama
Membangun situs web ini dari awal, izinkan saya dengan tidak tahu malu berterima kasih kepada diri sendiri!
Penghargaan Proyek Sumber Terbuka
Proyek ini dibangun di atas banyak proyek sumber terbuka yang sangat baik. Berikut adalah semua paket sumber terbuka yang digunakan, diurutkan berdasarkan tingkat kepentingan.
Next.js
Vercel
Framework React terkemuka industri yang menyediakan Server-Side Rendering (SSR), Static Site Generation (SSG), Incremental Static Regeneration (ISR), routing bawaan, API Routes, dan optimasi gambar - pilihan terbaik untuk pengembangan web modern.
Penggunaan di situs web ini:Framework inti yang menggerakkan situs web ini, menyediakan arsitektur full-stack, sistem routing, optimasi gambar dan dukungan internasionalisasi
React
Meta
Library UI JavaScript deklaratif berbasis komponen yang dikembangkan oleh Meta (Facebook), menawarkan performa yang sangat baik melalui virtual DOM dan mekanisme pembaruan yang efisien, dengan ekosistem dan dukungan komunitas yang luas.
Penggunaan di situs web ini:Library dasar untuk semua komponen UI frontend termasuk halaman, formulir, animasi, dan antarmuka pengguna
TypeScript
Microsoft
Superset JavaScript yang dikembangkan oleh Microsoft, menambahkan sistem tipe statis dan fitur ECMAScript terbaru, menyediakan pengalaman pengembangan yang lebih baik, petunjuk kode dan pemeriksaan kesalahan, sangat meningkatkan maintainabilitas dan efisiensi.
Penggunaan di situs web ini:Bahasa pengembangan untuk seluruh proyek, menyediakan keamanan tipe, petunjuk cerdas, dan pemeriksaan kesalahan saat kompilasi
Tailwind CSS
Tailwind Labs
Framework CSS utility-first yang revolusioner untuk membangun desain kustom dengan cepat melalui komposisi kelas utilitas, dengan desain responsif bawaan, mode gelap dan kompiler JIT, secara dramatis meningkatkan kecepatan pengembangan sambil menjaga CSS tetap ramping.
Penggunaan di situs web ini:Framework styling utama yang menangani semua gaya visual, layout responsif, dan mode gelap
next-intl
Jan Amann
Solusi internasionalisasi yang dirancang untuk Next.js App Router, mendukung komponen server dan klien, format pesan, bentuk jamak, lokalisasi tanggal/waktu, dengan dukungan multi-bahasa lengkap dan keamanan tipe yang sangat baik.
Penggunaan di situs web ini:Sistem multi-bahasa yang mendukung 13 bahasa (Cina Tradisional, Cina Sederhana, Inggris, Jepang, Korea, Thailand, Vietnam, Indonesia, Melayu, Prancis, Spanyol, Klingon, Elf)
MySQL2
sidorares
Driver MySQL standar industri untuk Node.js, menyediakan koneksi database yang cepat dan andal. Mendukung Promise/async-await, connection pooling, dan Prepared Statements untuk pencegahan SQL injection. Proyek ini menggunakannya sebagai antarmuka database utama untuk menyimpan dan query data pengguna, catatan game, posting blog, dan lainnya.
Penggunaan di situs web ini:Menghubungkan dan mengoperasikan database MySQL untuk semua akses data
Fastify
Fastify
Framework web modern berkinerja tinggi yang fokus pada pengalaman pengembang dan kecepatan aplikasi. Menampilkan sistem plugin yang kuat, validasi JSON Schema, dan dokumentasi API otomatis. Layanan AI Core dan RAG Ingestor menggunakan Fastify sebagai server API mereka untuk menangani percakapan AI, query RAG, dan logika backend.
Penggunaan di situs web ini:Framework backend untuk AI Core dan RAG Ingestor
LangChain
LangChain
Framework terkemuka industri untuk membangun aplikasi LLM, menyederhanakan alur kerja pengembangan AI. Menyediakan antarmuka terpadu untuk mengintegrasikan berbagai LLM, database vektor, alat, dan sistem memori. Proyek ini menggunakan LangChain untuk membangun sistem RAG (Retrieval-Augmented Generation) untuk Q&A dokumen cerdas dan pembuatan konten.
Penggunaan di situs web ini:Framework inti untuk membangun sistem chat AI dan RAG
Ollama
Ollama
Lingkungan runtime LLM lokal yang ringan memungkinkan pengembang untuk menjalankan model bahasa besar di mesin mereka. Mendukung model open-source seperti Llama 3, Gemma, dan Mistral. Proyek ini menggunakan Ollama sebagai mesin inferensi AI untuk percakapan AI yang sepenuhnya offline, memastikan privasi pengguna dan keamanan data.
Penggunaan di situs web ini:Menjalankan model bahasa besar secara lokal (Llama, Gemma, dll.)
LanceDB
LanceDB
Database vektor embedded berkinerja tinggi yang dirancang untuk aplikasi AI. Dibangun di atas Apache Arrow dan format Lance untuk pencarian kesamaan vektor yang sangat cepat. Proyek ini menggunakan LanceDB untuk menyimpan embedding vektor dokumen, menggerakkan pencarian semantik sistem RAG untuk cepat menemukan konten yang paling relevan dengan query pengguna.
Penggunaan di situs web ini:Menyimpan dan mengambil embedding vektor untuk sistem RAG
