包含前端源码、预构建产物(dist/)、零依赖 Node.js 服务器(server.mjs)、 Cloudflare Worker 版本(worker/)、部署文档(DEPLOY.md)和交接文档。 技术总监可直接 clone 后运行 node server.mjs 启动,无需安装 React 或 build。 DEEPSEEK_API_KEY 通过环境变量注入,未纳入仓库。
3.1 KiB
3.1 KiB
脑晴测 H5 部署说明(自有服务器 + Node.js)
更新时间:2026-07-28
一、项目简介
- 中文、免登录的认知能力测评 H5
- 含四项游戏 + AI 生成报告(DeepSeek)
- 前端 React 19 + Vite,已构建为静态文件
- 服务端是零依赖单文件 Node.js(
server.mjs)
二、仓库结构
.
├── brain-h5/
│ ├── dist/client/ # 预构建前端(已含,无需再 build)
│ ├── server.mjs # Node.js 服务器入口(零依赖)
│ ├── src/ # 前端源码(仅二次开发时需要)
│ ├── worker/index.js # Cloudflare Worker 版本(本方案不用)
│ └── ...
├── 交接文档.md
└── DEPLOY.md # 本文件
三、部署步骤(自有服务器 + Node.js)
1. 系统要求
- Node.js v18 或更高(推荐 v20+)
- 任何能跑 Node.js 的操作系统(Linux/Windows/macOS)
不需要 npm install,不需要 pnpm,不需要 React 开发环境。
2. 克隆仓库
git clone <仓库地址>
cd Brain
3. 配置 API Key
DEEPSEEK_API_KEY 通过环境变量传入,不要写入任何文件。
Linux/macOS:
export DEEPSEEK_API_KEY=sk-你的key
Windows PowerShell:
$env:DEEPSEEK_API_KEY = "sk-你的key"
或者用 systemd / pm2 / docker 等进程管理工具注入环境变量。
4. 启动服务
cd brain-h5
node server.mjs
默认监听 0.0.0.0:4173。可通过环境变量改:
PORT=8080 HOST=127.0.0.1 node server.mjs
5. 反向代理(推荐)
如果服务器有 Nginx,建议反代到 Node 服务:
server {
listen 80;
server_name your.domain.com;
location / {
proxy_pass http://127.0.0.1:4173;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_set_header X-Forwarded-Proto $scheme;
}
}
6. 进程守护(生产环境)
推荐用 pm2:
npm install -g pm2
cd brain-h5
DEEPSEEK_API_KEY=sk-你的key pm2 start server.mjs --name brain-h5
pm2 save
pm2 startup
四、健康检查
部署完成后应能通过:
| 检查项 | 期望结果 |
|---|---|
GET / |
返回 HTML(200) |
GET /assets/index-*.js |
返回 JS bundle(200) |
POST /api/analyze(带 JSON body) |
返回 JSON 报告(200) |
未配置 Key 时 POST /api/analyze |
返回 503 {"error":"AI service is not configured..."} |
五、关键安全约束
DEEPSEEK_API_KEY必须通过环境变量传入,不要写入仓库、commit、或前端 bundle。.env文件已在.gitignore中排除,不会进入仓库。- Key 由项目负责人通过私密渠道单独发送。
六、本地开发(可选,技术总监无需操作)
如需修改源码并重新构建:
cd brain-h5
pnpm install # 或 npm install
pnpm run dev # 本地开发服务器
pnpm run build # 重新构建到 dist/client/
七、联系人
- 项目负责人:MingNian
- 项目根目录:
D:\GMS project