better-chat

better-chat：多模型 AI 对话应用的 Cloudflare Workers 实践

一、项目背景与起源

在 AI 应用遍地开花的 2024-2025 年，开发者们面临一个共同困境：如何在享受多模型协作便利的同时，避免被单一平台绑定，同时确保用户数据的隔离与隐私安全。Chris31372 推出的 better-chat 正是针对这一痛点的解决方案——一个基于 Cloudflare Workers + Durable Objects 构建的多模型 AI 对话应用，强调用户数据隔离、多模型灵活切换和持久化会话管理。

该仓库采用 Turso（分布式 SQLite）作为持久化层，突破了传统无服务器函数的临时存储限制，使对话记录得以长期保存。44 次提交记录显示项目经历了从 MVP 到成熟应用的持续迭代。

二、技术架构解析

better-chat 是一个典型的前后端一体化 monorepo：

better-chat/
├── apps/
│   ├── web/      # React 19 前端，Vite 构建
│   └── server/   # Cloudflare Workers 后端
├── kanephore/    # 独立工具包（分发包）
└── package.json  # Turborepo 根配置

2.1 前端技术栈

2.2 后端技术栈

2.3 核心 AI 模型支持

项目集成了四个主流模型提供方的最新 API：

• Anthropic (@ai-sdk/anthropic)：Claude 系列模型
• Google (@ai-sdk/google)：Gemini 系列模型
• OpenAI (@ai-sdk/openai)：GPT-4o 及更新模型
• MCP (@ai-sdk/mcp)：Model Context Protocol，支持连接第三方 MCP 服务器

通过 @modelcontextprotocol/sdk 实现对 MCP 的原生支持，可接入任何兼容 MCP 的工具服务端点。

三、部署方案详解

无 Docker 支持，这是该项目的最大部署限制。项目使用 alchemy 和 Wrangler CLI 进行 Cloudflare Workers 原生部署：

# 安装依赖
bun install

# 开发环境
bun run a:dev --env-file .env.dev

# 生产部署
bun run a:prod:deploy --env-file .env.prod

必需依赖：Cloudflare 账号（Workers 免费）、Turso 账号（libSQL 免费层）、至少一个 AI API Key、Bun 或 Node.js。

四、功能亮点与适用场景

亮点一：用户数据强隔离 通过 Cloudflare Workers 的边缘计算，每个用户的对话数据存储在独立的 Durable Object 实例中，实现物理级别的数据隔离。

亮点二：多模型自由切换 一个界面同时接入 Claude、GPT-4o 和 Gemini，可在同一对话中无缝切换模型。

亮点三：持久化对话管理 借助 Turso 分布式 SQLite，即使 Workers 重启，对话历史依然完整保留。

适用场景：个人 AI 助手开发者、需要私有化部署的团队、对数据主权有要求的企业用户。

五、局限与风险

风险一：供应商锁定 项目深度依赖 Cloudflare Workers 生态（Durable Objects、Turso libSQL），迁移到其他平台成本较高。

风险二：冷启动延迟 Workers 无状态特性导致首次请求可能有冷启动延迟。

风险三：文档不足 README 以用户安装引导为主，缺少开发者架构文档和 API 说明。

风险四：AI API 费用 所有模型调用均走外部付费 API，无本地模型支持，长期使用成本取决于对话频率。

六、行业意义

better-chat 代表了 2025 年 AI 应用开发的边缘 AI 新范式——在 CDN 边缘节点运行 AI 对话逻辑，配合全球分布式数据库，实现低延迟、强隐私的 AI 服务。相比中心化的 API 代理方案，边缘部署减少了数据在传输过程中的暴露面。

该项目对 Model Context Protocol 的积极采纳，使其具备接入更广泛 AI 工具生态的潜力，例如连接本地 RAG 系统、企业知识库或第三方 SaaS 工具链。

本报告基于 GitHub 仓库源码分析生成，数据来源：package.json、turbo.json、README.md 及仓库文件结构。