如何使用 Cloudflare 從零開始建構 0 成本的 Agentic RAG AI 助手

如果你還在為託管向量資料庫每月支付 20 美元，並在冷啟動的無伺服器函數上託管你的 AI 聊天機器人，那你就做錯了。

當我決定在我的作品集中添加一個 AI 助手時，我有兩個嚴格的要求：它必須是零延遲的，並且運行它的成本必須恰好為 0 美元。

透過將整個 AI 架構轉移到邊緣計算，我實現了這兩個目標。在本教學中，我將向您展示如何使用 Cloudflare 開發者平台從零開始建構一個有狀態的 Agentic RAG（檢索增強生成）系統。

0 美元技術棧架構

為了在保持企業級性能的同時將成本保持在零，我們完全依賴 Cloudflare 的免費層：

Cloudflare Workers：邊緣計算運行時。（每天免費 100,000 次請求）。
Cloudflare Vectorize：用於語義搜尋的向量資料庫。（每月免費查詢 3000 萬個維度）。
Cloudflare D1：用於聊天記錄的無伺服器 SQLite 資料庫。（每天免費讀取 500 萬行）。
Cloudflare AI Gateway：用於緩存 LLM 請求並防止速率限制。

我們建構的不是一個僅僅將文檔塞進提示詞中的被動 RAG 系統，而是一個智能體 (Agentic) 系統。這意味著 AI 運行在一個 "ReAct"（推理和行動）循環中，配備了自定義工具，它可以根據用戶輸入動態調用這些工具。

第 1 步：初始化邊緣 Worker

首先，我們需要啟動一個 Cloudflare Worker。這將作為我們操作的大腦。

npm create cloudflare@latest agentic-assistant
cd agentic-assistant

打開您的 wrangler.toml 文件。這是奇蹟發生的地方。我們需要將 D1 資料庫和 Vectorize 索引直接綁定到 Worker 環境，以便它們以近乎零延遲執行。

name = "agentic-assistant"
main = "src/index.ts"
compatibility_date = "2026-05-01"

[[d1_databases]]
binding = "DB"
database_name = "chat_history"
database_id = "your-d1-id"

[[vectorize]]
binding = "KNOWLEDGE_BASE"
index_name = "rag-index"

第 2 步：攝取知識庫

在我們的 Agent 能夠回答問題之前，它需要資料。我創建了一個簡單的 rag-data.ts 文件，其中包含我的職業背景、服務和定價。

要將這些資料嵌入到 Cloudflare Vectorize 中，我們使用 Cloudflare 原生的 Workers AI 文本嵌入模型。這比調用 OpenAI 嵌入 API 便宜得多（也快得多）。

import { Ai } from '@cloudflare/ai';

export default {
  async fetch(request, env) {
    const ai = new Ai(env.AI);
    
    // 1. 在邊緣生成向量嵌入
    const { data } = await ai.run('@cf/baai/bge-small-en-v1.5', {
      text: "Elvis Li 是一名專注於 AI 的獨立全棧開發者。"
    });

    // 2. 直接插入到 Vectorize
    await env.KNOWLEDGE_BASE.upsert([{
      id: "bio-1",
      values: data[0],
      metadata: { category: "background" }
    }]);

    return new Response("Knowledge Base updated!");
  }
}

第 3 步：建構調用工具的 ReAct 循環

這就是系統成為 Agentic 的原因。標準 RAG 只會盲目搜尋向量資料庫。我們的系統要求 LLM 決定它是否需要搜尋。

我透過 Cloudflare AI Gateway 使用 Gemini 1.5 Pro。我們為 Gemini 提供可用工具的 JSON Schema。

const tools = [
  {
    name: "query_knowledge_base",
    description: "使用此工具搜尋關於 Elvis 的事實的向量資料庫。",
    parameters: {
      type: "object",
      properties: {
        query: { type: "string" }
      },
      required: ["query"]
    }
  }
];

當用戶詢問 “你建構什麼樣的 AI 系統？” 時，Worker 會攔截請求並觸發 Agent 循環：

請求 (The Request)：Worker 將用戶的消息和工具列表發送給 Gemini。
思考 (The Thought)：Gemini 意識到它不知道答案，但它知道 query_knowledge_base 工具知道。它返回一個 tool_call 響應。
行動 (The Action - RAG)：Worker 攔截工具調用，獲取 Gemini 生成的搜尋查詢，透過 Workers AI 將其嵌入，並查詢 Cloudflare Vectorize。
解析 (The Resolution)：Worker 將向量搜尋結果反饋給 Gemini，Gemini 隨後綜合出一個自然的、類人的響應。

所有這些都發生在物理位置靠近用戶的單個邊緣節點內，從而實現令人難以置信的快速響應時間。

第 4 步：使用 Cloudflare D1 持久化狀態

如果 AI 患有健忘症，那麼它是沒用的。為了使聊天機器人具有對話能力，我們必須保留消息歷史記錄。

我們使用 Cloudflare D1，而不是設置外部 PostgreSQL 實例。它是建構在 Durable Objects 上的 SQLite，這意味著它與我們的 Worker 一起在邊緣運行。

// 在邊緣本地保存對話
await env.DB.prepare(`
  INSERT INTO messages (session_id, role, content) 
  VALUES (?, ?, ?)
`).bind(sessionId, 'user', userQuery).run();

在每個傳入請求中，Worker 只需使用 SELECT * FROM messages WHERE session_id = ? 在訪問 LLM 之前重建聊天歷史記錄。由於 D1 是無伺服器的分布式資料庫，此查詢幾乎沒有增加任何開銷。

結果：企業級，零成本

透過利用 Cloudflare Workers、Vectorize 和 D1，您無需使用昂貴的託管向量資料庫、冷啟動的 Lambda 以及專用的資料庫伺服器。

結果是一個完全自主的、有狀態的 Agentic RAG 系統，其運營成本為 0 美元，響應速度比幾乎任何商業替代品都要快。如果您正在建構個人作品集、初創公司登錄頁面或內部工具，這是 2026 年的終極架構。