Kredit

Kerangka React terkemuka industri yang menyediakan Server-Side Rendering (SSR), Static Site Generation (SSG), Incremental Static Regeneration (ISR), penghalaan terbina dalam, API Routes, dan pengoptimuman imej - pilihan terbaik untuk pembangunan web moden.

Perpustakaan UI JavaScript berasaskan komponen yang dibangunkan oleh Meta (Facebook), menawarkan prestasi cemerlang melalui virtual DOM dan mekanisme kemas kini yang cekap, dengan ekosistem dan sokongan komuniti yang luas.

Superset JavaScript yang dibangunkan oleh Microsoft, menambah sistem jenis statik dan ciri ECMAScript terkini, menyediakan pengalaman pembangunan yang lebih baik, petunjuk kod dan pemeriksaan ralat, meningkatkan kebolehselenggaraan dan kecekapan dengan ketara.

Kerangka CSS utility-first yang revolusioner untuk membina reka bentuk tersuai dengan cepat melalui gubahan kelas utiliti, dengan reka bentuk responsif terbina dalam, mod gelap dan kompiler JIT, meningkatkan kelajuan pembangunan secara dramatik sambil mengekalkan CSS yang ringkas.

Penyelesaian pengantarabangsaan yang direka untuk Next.js App Router, menyokong komponen pelayan dan klien, pemformatan mesej, bentuk jamak, penyetempatan tarikh/masa, dengan sokongan pelbagai bahasa lengkap dan keselamatan jenis yang sangat baik.

Pemacu MySQL standard industri untuk Node.js, menyediakan sambungan pangkalan data yang pantas dan boleh dipercayai. Menyokong Promise/async-await, connection pooling, dan Prepared Statements untuk pencegahan SQL injection. Projek ini menggunakannya sebagai antara muka pangkalan data utama untuk menyimpan dan query data pengguna, rekod permainan, catatan blog, dan lain-lain.

Kerangka web moden berprestasi tinggi yang fokus pada pengalaman pembangun dan kelajuan aplikasi. Menampilkan sistem pemalam yang kuat, pengesahan JSON Schema, dan dokumentasi API automatik. Kedua-dua perkhidmatan AI Core dan RAG Ingestor menggunakan Fastify sebagai pelayan API mereka untuk mengendalikan perbualan AI, query RAG, dan logik backend.

Kerangka terkemuka industri untuk membina aplikasi LLM, memudahkan aliran kerja pembangunan AI. Menyediakan antara muka bersatu untuk mengintegrasikan pelbagai LLM, pangkalan data vektor, alatan, dan sistem memori. Projek ini menggunakan LangChain untuk membina sistem RAG (Retrieval-Augmented Generation) untuk Q&A dokumen pintar dan penjanaan kandungan.

Persekitaran runtime LLM tempatan yang ringan membolehkan pembangun menjalankan model bahasa besar di mesin mereka. Menyokong model sumber terbuka seperti Llama 3, Gemma, dan Mistral. Projek ini menggunakan Ollama sebagai enjin inferens AI untuk perbualan AI sepenuhnya luar talian, memastikan privasi pengguna dan keselamatan data.

Pangkalan data vektor tertanam berprestasi tinggi yang direka untuk aplikasi AI. Dibina di atas Apache Arrow dan format Lance untuk carian persamaan vektor yang sangat pantas. Projek ini menggunakan LanceDB untuk menyimpan embedding vektor dokumen, menggerakkan carian semantik sistem RAG untuk cepat menemui kandungan yang paling relevan dengan query pengguna.