别再手动做表了！带你实现一个强大的Excel GPT

打造支持上下文与历史对话的 Excel GPT

在上一篇文章中，我们实现了通过调用 AI 接口生成指定内容的 Excel，具备了根据输入生成预览和下载的功能。

今天我们直接做个大的，创建一个拥有用户交互界面的 Excel GPT，并且实现支持上下文和历史对话记录的强大功能！

一、功能升级

相比上次，这次更新主要引入了数据库作为持久层，用于支持不同历史对话的切换以及当前对话的上下文记录。同时，添加了 router 路由管理，采用 nodemon 实现热更新，并且在服务端实现了加载静态文件的功能。考虑到idea到项目的快速实现，没有花费过多时间精力进行前后端分离，后续项目会考虑使用 NextJS 框架。

二、参考

上下文硬盘缓存技术

DeepSeek API 提供了上下文硬盘缓存技术，并且对所有用户默认开启，用户无需修改代码即可使用。每一个用户请求都会触发硬盘缓存的构建。当后续请求与之前的请求在前缀上存在重复时，重复部分将从缓存中拉取，计入 “缓存命中”。
例如：

第一次请求

messages: [

{
   "role": "system", "content": "你是一位资深的财报分析师..."}

{
   "role": "user", "content": "<财报内容>\n\n请总结一下这份财报的关键信息。"}

]

第二次请求

messages: [
{
   "role": "system", "content": "你是一位资深的财报分析师..."}
{
   "role": "user", "content": "<财报内容>\n\n请分析一下这份财报的盈利情况。"}
]

在上述例子中，两次请求的相同前缀部分（即 system 消息 + user 消息中的 <财报内容>），在第二次请求时会被计入 “缓存命中”。这一技术大大提高了请求处理的效率，减少了与 AI 模型的重复交互，提升了用户体验。

JSON Output

deepseek官方的JSON规范化输出我在调试的过程中经常出现问题，因为有写AI生成内容为空就会跑出异常，所以我还是接续了上次的逻辑，在提示词里面做文章。

多轮对话

DeepSeek /chat/completions API 是一个“无状态” API，即服务端不记录用户请求的上下文，用户在每次请求时，需将之前所有对话历史拼接好后，传递给对话 API。

三、数据库（DB）设计

我选用了 prisma 作为 ORM 工具，因为真的快，只需编写好 model 并执行几个命令，即可完成整个配置。数据库的设计结构如下：

四、项目结构

经典的 MVC 结构，基于 koa 服务搭建。项目结构如下：

excel-generator/ 
├── src/ 
│   ├── controller/     # 控制器层，负责处理请求和响应
│   ├── service/       # 服务层，封装业务逻辑
│   ├── config/        # 配置，存放各种配置信息
│   ├── view/          # 前端页面，提供用户交互界面
│   └── index.ts       # 入口文件，启动整个应用

五、提示词模板（Prompt Template）配置

提示词模板的配置对于与 AI 模型的交互至关重要。我们定义了两个主要的提示词模板：

export const EXCEL_GENERATOR_TEMPLATE = {
  SYSTEM_PROMPT: `你是一个经验丰富的 Excel 生成器。用户会给你一个生成 Excel 的需求，你需要根据需求返回一个 JSON 格式的模板。JSON 模板的结构如下：
  {
    "columns": [{"header&#