二刷完《给阿嬤的情书》，我们真的做了一个替人写家书的 AI 应用

用 AI 替你写一封给阿嬤的家书。项目本身很简单，但从模型调用、云函数、数据库、静态托管到一键部署，全部基于云开发，AI 工具使用云开发提供的大模型完成。 本文不以功能为重点，而是以工程化思维为线索，拆解一个应用从构思到上线的完整链路。

一、爱在心口口难开

二刷《给阿嬤的情书》，依旧眼泪汪汪，推荐大家去看！

电影里，谢南枝替人写了一辈子侨批。那些来找她的同乡，并不是没有话说，只是不知道怎么把心里话落到纸上。

隔着山海，隔着谋生的日子，隔着一张薄薄的信纸，一句“我想你”常常要绕很远，才敢写出来。

云开发团队做了一个小应用，叫「给阿嬤的情书」。

AI 替你落笔，不编造虚假情节，只收拢你细碎零散的倾诉，整理成一封完整可寄、适宜分享的家书。。

首页

二、产品设计：让用户说话，其他交给 AI

产品流程：填称呼、选关系、填写内容、选风格，AI 生成后可分享或投递树洞。

信内容

用户输入往往只有几句零散的话：

阿嬤，我很久没回家了。小时候你总在巷口等我放学，给我做橄榄菜配白粥。我现在工作很忙，但很想你。

AI 生成的目标不是模板化地写一句“亲爱的阿嬤我非常想念您”，而是围绕用户提供的真实细节展开：

阿嬤，见字如面。 近来天热，不知你胃口可还好。 我常想起小时候放学，远远看见你站在巷口，手里像总有一碗白粥等我。那时候只觉得橄榄菜香，如今才知道，原来那是有人惦记的味道。 我在外头一切都好，只是忙起来时，总觉得日子过得太快，快到连一句想你都常常忘了说。 阿嬤，等我回去，再陪你吃一碗白粥。

写信完成之后，即可到分享页面，将信件分享给他人，或者投递到公共树洞。

分享页面

三、工程链路「调通模型」是第一步

「给阿嬤的情书」看起来只是一个超轻量级网页应用，但从搭建到上线，逃不开这些工程问题：

• • 模型调用
• 前端不能直接暴露模型 Key，需要服务端代理。
• • Prompt 编排
• 不同关系、不同风格、不同输入内容，需要在服务端统一拼装请求。
• • 结构化输出
• 模型返回内容需要可解析，不能只返回一段自然语言。
• • 数据持久化
• 生成后的信件需要入库，才能被分享页和树洞再次读取。
• • 访问链路
• 分享链接需要根据 id 还原完整信件。
• • 内容安全
• 开放输入需要处理不合适的称呼和表达。
• • 部署编排
• 云函数、环境变量、前端构建、静态托管需要一次性部署到位。

如果拆分能力独立搭建，就会变为：模型 API、Node 服务、数据库、对象存储、静态托管、CI/CD、环境变量管理等多个模块，运维复杂。 本项目采用云开发一体化建设，全链路收口统一实现：

• • 云函数
• 负责服务端逻辑，包括模型调用、Prompt 编排和返回解析。
• • 云开发 AI 网关
• 负责接入大模型。
• • NoSQL 数据库
• 负责保存每一封生成后的信。
• • 静态托管
• 负责承载 React 前端。
• • CodeBuddy
• 负责把开发、调试、部署串起来。

AI 应用工程闭环架构图

表面上是一个"写信"应用，实际跑通的是一个完整的 AI 应用工程闭环。

四、云开发：应用能调，AI 工具也能接

在 AI 应用开发里，云开发更关键的价值，是把模型能力也纳入同一个开发环境。

项目中，loveletter 云函数通过云开发 AI 网关调用 hy3-preview 模型生成信件正文。

云开发 AI 网关兼容主流 AI 协议，调用方式接近常见的大模型 API：配置 Base URL、API Key、Model Name 即可请求。

云开发 AI 网关支持多种主流协议：

也就是说，除了应用里的云函数可以调模型，任何支持自定义模型端点的 AI 编程工具都可以通过云开发 AI 网关调用模型。

云开发 AI 网关双向接入图

CodeBuddy 原生集成了云开发，开箱即用，可以直接部署云资源。

如 Cursor、Claude Code、Codex、Trae、Cline、GitHub Copilot 等其他工具，只需配置 Base URL 和 API Key 即可接入。

支持多种AI工具

五、云函数：用服务端代理模型调用

项目核心云函数 loveletter。它接收前端传来的 to、relation、words、style，在服务端完成 Prompt 编排，然后请求云开发 AI 网关。

const ENV_ID = process.env.TCB_ENV || process.env.SCF_NAMESPACE;
const AI_ENV_ID = process.env.AI_ENV_ID || ENV_ID;
const AI_BASE_URL = `https://${AI_ENV_ID}.api.tcloudbasegateway.com/v1/ai/cloudbase`;
const AI_API_KEY = process.env.AI_API_KEY;
const MODEL = 'hy3-preview';

async function generateLetter(messages) {
    const resp = await fetch(`${AI_BASE_URL}/chat/completions`, {
        method: 'POST',
        headers: {
            'Content-Type': 'application/json',
            Authorization: `Bearer ${AI_API_KEY}`,
        },
        body: JSON.stringify({
            model: MODEL,
            messages,
            temperature: 0.8,
            max_tokens: ,
        }),
    });

    if (!resp.ok) {
        const text = await resp.text();
        throw new Error(`AI 网关返回 ${resp.status}: ${text}`);
    }

    const data = await resp.json();
    return data.choices?.[]?.message?.content?.trim() || '';
}

服务端代理带来的工程收益：

• • AI_API_KEY 放在云函数环境变量中，不暴露到浏览器侧。
• • 前端只调用云函数，不直接请求模型网关。
• • Prompt 编排、结构化输出解析、内容审核都可以在服务端统一处理。
• • 模型生成结果可以直接写入云开发 NoSQL。
• • 数据库返回的 _id 可以作为分享页和读信页的唯一入口。

前端调用保持轻量：

const res = await cloudbase.callFunction({
    name: 'loveletter',
    data: {to, relation, words, style},
});

const result = res.result;
const content = typeof result.body === 'string' ? JSON.parse(result.body) : result;

用户看到的是一封信；技术上，是云函数、AI 网关、数据库和前端路由之间的一次完整协作。

六、一句话部署：从「写好了」到「上线了」

AI 应用部署涉及多个步骤：云函数部署、环境变量注入、前端构建、静态托管上传，哪步没到位，上线就卡住。

CodeBuddy 和云开发CloudBase集成后，可以把这些步骤编排起来。在 CodeBuddy 中直接说：

帮我部署本项目。

它会依次执行：检查云开发环境、部署云函数、注入环境变量、构建前端、上传静态托管、输出访问地址。

CodeBuddy 一句话部署流程图

CloudBase 把 AI 应用需要的后端能力收在一起，CodeBuddy 再把这些能力接入开发与部署流程。

七、Prompt 约束也是产品规则

模型、后端和部署跑通之后，信写得好不好，仍然取决于 Prompt 设计。

最怕项目生成的是“标准、空泛、煽情”的 AI 作文，用户输入的是自己的橄榄菜白粥，不需要一封人人都能用的模板，因此在 loveletter 中我们对风格做了明确约束：

constSTYLE_HINT = {
warm:
'基调：温情家书。' +
'语言质朴克制，不堆砌形容词，用具体的生活细节代替空泛抒情。' +
'比如写"前日晚饭烤番薯，三个孩童吃得欢喜"，而不是"我非常想念你"。' +
'句式偏短，口语化但不粗糙，带一点文言的温润感。' +
'每段只写一件小事或一个牵挂，段与段之间留白。',
};

这里最重要的不是“写得感人”，而是把产品希望呈现的内容质感拆成可执行规则：

• • 忠于用户输入，不凭空编造。
• • 用生活细节代替抽象抒情。
• • 句子短一点，留白多一点。
• • 可以润色，但不要把别人的回忆写假。
• • 不让模型自由发挥到偏离产品定位。

Prompt 是产品规则的一部分。前端管交互体验，云函数管服务端编排，Prompt 管定义生成内容的边界。三者各司其职，信才像人写的。

你可以用这套链路做什么

本项目功能明确：写一封家书。

值得展开的不是"AI 可以写信"，而是这句话背后的工程链路：

• • 云开发CloudBase
• 把模型接入、Serverless 运行时、数据存储、静态托管收敛到同一个环境，避免能力散落。
• • 云开发 AI 网关
• 同时服务应用端和开发端，模型、鉴权、额度可以统一管理。它既可以通过 SDK 在服务端调用，也支持接入各类 AI 编程工具（查看完整列表），配置 Base URL 和 API Key 即可使用。
• • CodeBuddy
• 把云资源部署编排进开发工作流，从"代码写好了"到"项目上线了"通过一条指令完成。

「给阿嬤的情书」只是一个场景。这套链路本身是通用的。换个场景，改改 Prompt，就是另一个应用：

• 给多年未联系的老友写一封问候： 输入几件共同记忆的事，AI 帮你开口
• 给孩子写一封成长纪念： 记录这一年发生的事，生成一封可以留存的信
• 职场道谢信 / 道别 ：说不出口的感谢，让 AI 帮你整理成文字
• 情绪出口类应用 ：把今天的心情说出来，生成一封写给自己的情书

复制这套链路的最小路径：

云函数 + AI 网关 + NoSQL + 静态托管，四个模块，云开发全部收口，CodeBuddy 一句话部署。代码已开源，改改 Prompt 就能跑一个新场景。

AI 应用开发多出的不只是一个模型接口，而是模型接入、后端、数据、托管和部署被重新放到了同一条链路。

AI 编程工具

https://docs.cloudbase.net/ai/ai-tools/protocol

案例代码：

https://github.com/vancece/DearYou

可以直接 fork，也可在线体验，点击「阅读原文」，先感受一下产品

下篇预告

这套链路最容易翻车的地方是结构化输出，模型返回格式一旦不稳，前端就会崩。

下篇专门讲这件事：结构化输出为什么容易崩、怎么让它稳住；如何把称呼规范和内容边界怎么写进模型调用；以及那句"帮我部署"背后，CodeBuddy 到底做了什么，如何通过一条指令完成部署背后的工程化流程。