gemini-chatbot数据持久化方案：Vercel Postgres与Blob存储实战

【免费下载链接】gemini-chatbot Build your own generative UI chatbot using the Vercel AI SDK and Google Gemini 项目地址: https://gitcode.com/gh_mirrors/ge/gemini-chatbot

gemini-chatbot是一个基于Vercel AI SDK和Google Gemini构建的生成式UI聊天机器人项目。本文将深入探讨其数据持久化方案，展示如何利用Vercel Postgres进行结构化数据存储和Vercel Blob实现文件上传管理，为开发者提供完整的数据持久化实战指南。

技术架构概览：双引擎驱动的数据持久化

gemini-chatbot采用分层数据存储架构，结合关系型数据库与对象存储的优势，构建了高效可靠的数据持久化系统。项目使用Drizzle ORM作为数据访问层，通过类型安全的方式操作Vercel Postgres数据库，同时集成Vercel Blob服务处理文件上传需求。

gemini-chatbot数据持久化架构/opengraph-image.png) 图1：gemini-chatbot数据持久化架构示意图

核心技术栈包括：

• Vercel Postgres：存储用户信息、聊天记录和业务数据
• Vercel Blob：处理图片、PDF等二进制文件存储
• Drizzle ORM：提供类型安全的数据库交互
• Zod：实现数据验证与类型定义

数据库设计：Vercel Postgres与Drizzle ORM实践

数据模型设计

项目的数据模型定义在db/schema.ts文件中，主要包含三个核心表结构：

1. User表：存储用户认证信息

   export const user = pgTable("User", {
     id: uuid("id").primaryKey().notNull().defaultRandom(),
     email: varchar("email", { length: 64 }).notNull(),
     password: varchar("password", { length: 64 }),
   });
   

2. Chat表：保存聊天会话及消息记录

   export const chat = pgTable("Chat", {
     id: uuid("id").primaryKey().notNull().defaultRandom(),
     createdAt: timestamp("createdAt").notNull(),
     messages: json("messages").notNull(),
     userId: uuid("userId")
       .notNull()
       .references(() => user.id),
   });
   

3. Reservation表：管理业务相关的预订数据

   export const reservation = pgTable("Reservation", {
     id: uuid("id").primaryKey().notNull().defaultRandom(),
     createdAt: timestamp("createdAt").notNull(),
     details: json("details").notNull(),
     hasCompletedPayment: boolean("hasCompletedPayment").notNull().default(false),
     userId: uuid("userId")
       .notNull()
       .references(() => user.id),
   });
   

数据库迁移与配置

Drizzle配置文件./drizzle.config.ts定义了数据库连接和迁移设置：

import { defineConfig } from "drizzle-kit";

export default defineConfig({
  schema: "./db/schema.ts",
  out: "./lib/drizzle",
  // 其他配置...
});

迁移脚本db/migrate.ts负责数据库结构的创建和更新：

import { drizzle } from "drizzle-orm/postgres-js";
import { migrate } from "drizzle-orm/postgres-js/migrator";
// ...
const db = drizzle(connection);
await migrate(db, { migrationsFolder: "./lib/drizzle" });

文件存储方案：Vercel Blob实现文件上传

上传接口实现

文件上传功能在app/(chat)/api/files/upload/route.ts/api/files/upload/route.ts)中实现，使用Vercel Blob的put方法处理文件存储：

import { put } from "@vercel/blob";
// ...
const data = await put(`${filename}`, fileBuffer, {
  access: "public",
});
return NextResponse.json(data);

文件验证策略

上传接口集成了严格的文件验证机制，确保安全性和合规性：

const FileSchema = z.object({
  file: z
    .instanceof(File)
    .refine((file) => file.size <= 5 * 1024 * 1024, {
      message: "File size should be less than 5MB",
    })
    .refine(
      (file) => ["image/jpeg", "image/png", "application/pdf"].includes(file.type),
      {
        message: "File type should be JPEG, PNG, or PDF",
      },
    ),
});

前端文件上传组件

项目提供了直观的文件上传界面，用户可以轻松上传图片和文档，支持多模态交互体验。

图2：gemini-chatbot文件上传功能演示

数据访问层：类型安全的数据库操作

数据访问逻辑集中在db/queries.ts文件中，使用Drizzle ORM提供类型安全的数据库操作：

import { desc, eq } from "drizzle-orm";
import { drizzle } from "drizzle-orm/postgres-js";
import { user, chat, User, reservation } from "./schema";

let db = drizzle(client);
// ...

该文件包含了各种数据查询和操作函数，如获取用户信息、聊天历史、预订详情等，为应用提供统一的数据访问接口。

实战部署与配置

环境配置

项目使用环境变量管理数据库连接信息，确保敏感配置安全：

# .env.local 示例
POSTGRES_URL=postgres://username:password@host:port/database

部署步骤

1. 克隆项目仓库：

   git clone https://gitcode.com/gh_mirrors/ge/gemini-chatbot
   

2. 安装依赖：

   pnpm install
   

3. 配置环境变量

4. 执行数据库迁移：

   pnpm run db:migrate
   

5. 启动开发服务器：

   pnpm dev
   

性能优化与最佳实践

1. 数据索引：为常用查询字段创建索引，提升查询性能
2. 连接池管理：优化数据库连接池配置，避免连接泄漏
3. 文件大小限制：实施合理的文件大小限制，防止存储滥用
4. 错误处理：完善的错误处理机制，确保系统稳定性
5. 数据备份：定期备份数据库，防止数据丢失

总结

gemini-chatbot项目展示了如何结合Vercel Postgres和Blob存储构建现代化的数据持久化方案。通过Drizzle ORM实现类型安全的数据访问，利用Vercel生态系统提供的服务，开发者可以快速构建可靠、可扩展的AI聊天应用。无论是结构化数据存储还是文件管理，该方案都提供了清晰的实现路径和最佳实践参考。

通过本文介绍的持久化方案，开发者可以为自己的AI应用构建坚实的数据基础，专注于核心业务逻辑的实现，而无需过多关注底层存储细节。

【免费下载链接】gemini-chatbot Build your own generative UI chatbot using the Vercel AI SDK and Google Gemini 项目地址: https://gitcode.com/gh_mirrors/ge/gemini-chatbot