本章目标：将已经学过的 FastAPI、RAG、Agent、评估、观测、Docker 和前端整合为一个可以演示、可以解释、可以复现的作品，而不是一长串“我学过的库”。

本章目标：让你的 FastAPI AI 接口在模型慢、外部服务失败、用户并发增多时保持可解释的行为。先实现“失败得干净”，再讨论“跑得更快”。

本章目标：把第 48 章的检索服务包装成一个 MCP Tool。Agent 不再直接摸数据库或随意执行函数，而是通过带输入 Schema、权限检查和返回结构的工具边界访问能力。

本章目标：把当前“SQLite + Chroma 能检索”的学习型 RAG，升级为可解释、可迁移、可在作品中展示的检索架构。你会先替换向量库，再加入元数据过滤；重排只接入一个清晰的接口，不在本章实现复杂混合检索。

本章目标：让每次推送或 Pull Request 自动运行 Python 测试，并只在测试通过后构建容器镜像。部署到 Fedora 保持手动触发，直到你明确配置 SSH Secret 和服务器目录。

本章目标：不再新增框架。你要把现有 RAG、Agent、Dify、语音、多模态、评估、观测和前端交互选成一个小而完整的作品，并用可验证的验收表证明它不是“只在本机回答过一次”。

本章目标：把现有 `POST /ai/chat` 的 SSE 输出接到一个 Vue3 组件，支持逐字显示与用户中断。你已有 Vue3 / TypeScript 基础，本章只补 AI 请求特有的流读取与取消。

本章目标：用浏览器原生 `fetch` 调用现有的受保护 Dify 路由，理解请求体、Bearer Token、错误分支和 CORS 的职责边界。