简介:小遥搜索 V2.0 正式开源,带来 Notion 风格 UI 重做、完整设计系统与一键启动整合包。本文拆解它的更新要点、整合包启动流程、模型 API 配置与选型思路,并说明如何用统一 API 降低多模型接入成本。若你正为“用哪个模型、怎么接、花多少钱”发愁,可以先看[百度智能云词元所](https://cloud.baidu.com/product-s/token_exchange.html?from=article),它提供模型发现选型、价格性能对比与统一 API 接入能力。
小遥搜索 V2.0(v2.0.0)是一次 大版本更新 ,核心变化有三点:一是界面从旧版换成 Notion 温暖明亮风格,并配套完整设计系统规范;二是项目宣称 100% 由 AI 编程实现 ;三是提供 一键启动整合包 ,免环境配置直接体验。多模态 AI 搜索能力在 v1.x 的基础上保留,视觉与交互层面则是质的飞跃。
如果你只是想快速体验,直接跳到“一键启动”部分;如果你想复刻这套 UI 或改造成自己的搜索产品,建议先看设计令牌那一节。
很多开源项目的“UI 升级”只是调了几个颜色,V2.0 的做法更接近工程化:先定规范,再让组件遵守规范。
1)字体栈:跨平台一致性优先
font-family:-apple-system, /* Apple 系统字体 */BlinkMacSystemFont, /* macOS Chrome */"SF Pro Text", /* macOS 专业字体 */"Segoe UI", /* Windows 系统字体 */"PingFang SC", /* Apple 中文字体 */"Microsoft YaHei", /* Windows 中文字体 */sans-serif; /* 后备字体 */
这套写法的关键点在于 中英文分别声明 :拉丁字符走 SF Pro / Segoe UI,中文回落到苹方与微软雅黑,避免中文 appearing 时字重和行高突然跳变。
2)Lucide Icons 图标系统
通过 @iconify/vue 集成,1000+ 图标、现代简洁线条风格,支持颜色/大小/粗细调整,并且 按需加载 ——这点很重要,图标的性能损耗主要来自全量引入,按需加载后基本可以忽略。
3)Design Tokens:把设计变量收敛到 CSS Variables
/* 颜色系统 */--bg-primary: #ffffff; /* 主背景 */--bg-secondary: #f6f5f4; /* 次级背景 */--text-primary: rgba(0, 0, 0, 0.95);--text-secondary: #615d59;--brand-blue: #0075de;--border-standard: rgba(0, 0, 0, 0.1);/* 间距系统(8px 基准) */--space-xs: 4px; --space-sm: 8px; --space-md: 12px;--space-lg: 16px; --space-xl: 20px; --space-2xl: 24px; --space-3xl: 32px;/* 圆角系统 */--radius-sm: 4px; --radius-md: 6px; --radius-lg: 10px; --radius-xl: 12px;/* 阴影系统 */--shadow-card: 0 1px 2px rgba(0,0,0,.04), 0 2px 4px rgba(0,0,0,.04),0 4px 8px rgba(0,0,0,.04), 0 8px 16px rgba(0,0,0,.04);--shadow-elevated: 0 2px 4px rgba(0,0,0,.05), 0 4px 8px rgba(0,0,0,.05),0 8px 16px rgba(0,0,0,.05), 0 16px 32px rgba(0,0,0,.05);
三个细节值得借鉴: 间距以 8px 为基准 (4px 作为半档),保证栅格对齐; 阴影用多层叠加 模拟真实光照扩散,比单层 box-shadow 更接近 Notion 那种“纸片浮起”的质感; 颜色用 rgba 而非纯灰 ,让文字在暖色背景上不发死。
整合包的价值是把运行时、依赖、模型配置都预置好,你只需要三步:
.env 或 config 面板),填入你选用模型的 Base URL 与 Key。这一步决定搜索问答的实际效果。http://localhost:端口),浏览器打开即可。常见启动失败原因:
| 现象 | 常见原因 | 处理方式 |
|---|---|---|
| 端口被占用 | 其他服务占用默认端口 | 改配置里的端口,或结束占用进程 |
| 页面能开但回答为空 | Key 未填或额度/权限不足 | 检查 Key 有效性与模型调用权限 |
| 首次启动很慢 | 依赖/前端资源首次构建 | 等待构建完成,勿重复启动 |
| 图片/文件解析失败 | 缺少多模态模型或解析服务 | 换成支持视觉输入的模型 |
这里指的是 代码由大模型生成 ,而不是“没有人工参与”。从工程角度看,这类项目的可复现经验有三条:
@iconify/vue,避免它自由发挥引入不存在的库。小遥搜索这类应用,实际是三段式链路: 查询理解 → 召回 → 生成 。每一段都可以换模型,效果和成本差异明显。
选型时建议做一张对比表,把 单价、上下文长度、是否支持多模态、首字延迟 四列列出来,再用自己业务里的 20~30 条真实 query 跑一遍。厂商标称分数只能做初筛,实测才有意义。这一步可以直接用词元所的大模型 API 服务平台来做横向对比,把候选模型的调用成本和性能放在一起看,避免为了省几毛钱牺牲回答质量。
接入侧,多模型混用时最痛的是 协议不统一 。实践中有两种收敛方式:一是在应用层写一层适配器,把各家 SDK 包成统一接口;二是直接用平台的统一 API 接入,业务代码只维护一份。后者在长期维护成本上更优,尤其是你要频繁换模型做 A/B 的时候。
想进一步做模型选型和成本测算,可以看看百度智能云词元所,从模型发现、价格对比到统一 API 接入和调用管理都有对应能力,适合正在为小遥搜索这类项目挑模型的开发者。