如何使用 Cloudflare 从零开始构建 0 成本的 Agentic RAG AI 助手

如果你还在为托管向量数据库每月支付 20 美元，并在冷启动的无服务器函数上托管你的 AI 聊天机器人，那你就做错了。

当我决定在我的作品集中添加一个 AI 助手时，我有两个严格的要求：它必须是零延迟的，并且运行它的成本必须恰好为 0 美元。

通过将整个 AI 架构转移到边缘计算，我实现了这两个目标。在本教程中，我将向您展示如何使用 Cloudflare 开发者平台从零开始构建一个有状态的 Agentic RAG（检索增强生成）系统。

0 美元技术栈架构

为了在保持企业级性能的同时将成本保持在零，我们完全依赖 Cloudflare 的免费层：

Cloudflare Workers：边缘计算运行时。（每天免费 100,000 次请求）。
Cloudflare Vectorize：用于语义搜索的向量数据库。（每月免费查询 3000 万个维度）。
Cloudflare D1：用于聊天记录的无服务器 SQLite 数据库。（每天免费读取 500 万行）。
Cloudflare AI Gateway：用于缓存 LLM 请求并防止速率限制。

我们构建的不是一个仅仅将文档塞进提示词中的被动 RAG 系统，而是一个智能体 (Agentic) 系统。这意味着 AI 运行在一个 "ReAct"（推理和行动）循环中，配备了自定义工具，它可以根据用户输入动态调用这些工具。

第 1 步：初始化边缘 Worker

首先，我们需要启动一个 Cloudflare Worker。这将作为我们操作的大脑。

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

打开您的 wrangler.toml 文件。这是奇迹发生的地方。我们需要将 D1 数据库和 Vectorize 索引直接绑定到 Worker 环境，以便它们以近乎零延迟执行。

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：摄取知识库

在我们的 Agent 能够回答问题之前，它需要数据。我创建了一个简单的 rag-data.ts 文件，其中包含我的职业背景、服务和定价。

要将这些数据嵌入到 Cloudflare Vectorize 中，我们使用 Cloudflare 原生的 Workers AI 文本嵌入模型。这比调用 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. 在边缘生成向量嵌入
    const { data } = await ai.run('@cf/baai/bge-small-en-v1.5', {
      text: "Elvis Li 是一名专注于 AI 的独立全栈开发者。"
    });

    // 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：构建调用工具的 ReAct 循环

这就是系统成为 Agentic 的原因。标准 RAG 只会盲目搜索向量数据库。我们的系统要求 LLM 决定它是否需要搜索。

我通过 Cloudflare AI Gateway 使用 Gemini 1.5 Pro。我们为 Gemini 提供可用工具的 JSON Schema。

const tools = [
  {
    name: "query_knowledge_base",
    description: "使用此工具搜索关于 Elvis 的事实的向量数据库。",
    parameters: {
      type: "object",
      properties: {
        query: { type: "string" }
      },
      required: ["query"]
    }
  }
];

当用户询问 “你构建什么样的 AI 系统？” 时，Worker 会拦截请求并触发 Agent 循环：

请求 (The Request)：Worker 将用户的消息和工具列表发送给 Gemini。
思考 (The Thought)：Gemini 意识到它不知道答案，但它知道 query_knowledge_base 工具知道。它返回一个 tool_call 响应。
行动 (The Action - RAG)：Worker 拦截工具调用，获取 Gemini 生成的搜索查询，通过 Workers AI 将其嵌入，并查询 Cloudflare Vectorize。
解析 (The Resolution)：Worker 将向量搜索结果反馈给 Gemini，Gemini 随后综合出一个自然的、类人的响应。

所有这些都发生在物理位置靠近用户的单个边缘节点内，从而实现令人难以置信的快速响应时间。

第 4 步：使用 Cloudflare D1 持久化状态

如果 AI 患有健忘症，那么它是没用的。为了使聊天机器人具有对话能力，我们必须保留消息历史记录。

我们使用 Cloudflare D1，而不是设置外部 PostgreSQL 实例。它是构建在 Durable Objects 上的 SQLite，这意味着它与我们的 Worker 一起在边缘运行。

// 在边缘本地保存对话
await env.DB.prepare(`
  INSERT INTO messages (session_id, role, content) 
  VALUES (?, ?, ?)
`).bind(sessionId, 'user', userQuery).run();

在每个传入请求中，Worker 只需使用 SELECT * FROM messages WHERE session_id = ? 在访问 LLM 之前重建聊天历史记录。由于 D1 是无服务器的分布式数据库，此查询几乎没有增加任何开销。

结果：企业级，零成本

通过利用 Cloudflare Workers、Vectorize 和 D1，您无需使用昂贵的托管向量数据库、冷启动的 Lambda 以及专用的数据库服务器。

结果是一个完全自主的、有状态的 Agentic RAG 系统，其运营成本为 0 美元，响应速度比几乎任何商业替代品都要快。如果您正在构建个人作品集、初创公司登录页面或内部工具，这是 2026 年的终极架构。