CONNTEK AIBridge MVP

让产品被看到
也被 AI 理解

基于 Cloudflare 全栈构建的 AI-native 产品可发现性平台,一周落地,月费 $1-3。覆盖产品网页、AI 选型对话、MCP 工具调用、LLM 可读索引全链路。

7
在线产品
9/10
AI 友好度
5
MCP 工具
~$2
月费用
Section 01

MVP 方案背景

AIBridge V4 方案目标:用 Cloudflare 免费资源在一周内跑通完整链路,验证「AI-native 产品可发现性」概念。

四项核心验证能力

01
LLM 可发现目录

通过 /llms.txt/llms-ctx.txt 让 AI 爬虫(ChatGPT、Claude、Perplexity)自动发现 CONNTEK 产品目录。

02
结构化 REST API

外部系统通过 API 做参数搜索(电压、封装、接口)和竞品替代查询,返回 JSON 格式结果。

03
AI 选型对话

受保护的 /agent/chat 端点,调用 DeepSeek LLM 做智能选型推荐,支持中英文。

04
MCP Server

5 个工具供 Cursor、Claude Code 等 AI 开发工具直接查询产品规格,Streamable HTTP 传输。

技术选型

项目选择说明
Worker 框架Workers + Hono + TypeScript单 Worker 跑全部端点
数据库D1 (边缘 SQLite)7 个产品,5 个索引
MCP@modelcontextprotocol/sdkWebStandard Streamable HTTP 传输
LLM 推理DeepSeek API~$1-3/月
前端VitePress → Cloudflare Pages静态站 + Vue 组件
认证Bearer Token + x-api-key公开/受保护接口分离

明确的非目标

-公网开放的 AI Chat(需认证)
-OAuth 登录流
-R2 托管真实 PDF(暂缓)
-向量检索 / RAG
-多轮对话状态
-Claude Desktop 直连 MCP
Section 02

系统架构

Frontend
Design Center
conntek-design-center-bu1.pages.dev
/products/* 产品详情页
/chat/ AI 选型助手 UI
/llms.txt LLM 产品目录
/llms-ctx.txt LLM 参数上下文
/sitemap.xml 搜索引擎索引
/downloads/* Datasheet PDF
VitePress + Vue 3 → Cloudflare Pages
API 调用
Backend
AIBridge Worker
conntek-aibridge.workers.dev
/api/v1/* REST API (搜索/详情/竞品)
/agent/chat DeepSeek 对话
/mcp MCP Server (5 工具)
D1 7 产品结构化数据库
Hono + D1 + MCP SDK → Cloudflare Workers

数据流向

👨‍💻
AE 填写 YAML
产品参数 + Datasheet
⚙️
自动化处理
生成网页 + SQL + 索引
🌐
Design Center
产品页 + Chat UI
🤖
AIBridge
API + MCP + Chat
👥
客户 / AI Agent
浏览 / 搜索 / 对话
Section 03

功能展示

点击卡片可直接访问线上地址。

谁在用这些数据

🌐
客户(浏览器)
产品页 + Chat UI
🤖
AI 爬虫
llms.txt + llms-ctx.txt
💻
开发者 AI 工具
MCP Server (5 工具)
🔎
搜索引擎
sitemap.xml + meta
⚙️
第三方系统
REST API (JSON)
💬
内部演示
/agent/chat (受保护)
Section 04

AI 友好度评测

由外部 AI Agent 独立测试评分,三轮迭代从 6.5 提升到 9 分。

6.5
初始版本
8.0
第一轮修复
9.0
当前版本
Round 1 — 补齐 AI 入口
  • 新增 /llms.txt — 完整产品目录 + API 入口 + AI 助手链接
  • 新增 /llms-ctx.txt — 7 产品紧凑参数 + Quick Selection Guide
  • 启用 /sitemap.xml — VitePress 自动生成,覆盖全部页面
  • 新增 /robots.txt — 含 Sitemap 指向
  • 每个产品页添加独立 meta description(含型号、参数、应用场景)
Round 2 — 消除死链
  • 补建 4 个缺失产品页(KTH5701、KTH5702、KTH5721、KTH3601)
  • 对齐 llms.txt、sitemap、实际页面三者一致
  • sitemap 从 4 个产品扩充到 8 个产品
Round 3 — 缓存优化
  • llms.txt / llms-ctx.txt: Cache-Control: public, max-age=3600
  • sitemap.xml: max-age=3600
  • robots.txt: max-age=86400

当前状态清单

/llms.txt 可访问且内容完整
/llms-ctx.txt 可访问且参数准确
/sitemap.xml 覆盖全部页面
/robots.txt 含 Sitemap 指向
所有 llms.txt 链接无死链
每页独立 meta description
缓存头正确配置
SSR HTML(非空壳 SPA)
Section 05

产品数据现状

已上线产品

型号分类网页AI 数据库Datasheet负责人
KTH57013D Hall✓ 在线✓ 已入库✓ 中/英zuoxinchi
KTH57023D Hall✓ 在线✓ 已入库✓ 中/英zuoxinchi
KTH57213D Hall✓ 在线✓ 已入库✓ 中文zuoxinchi
KTH57713D Hall✓ 在线✓ 已入库liaochongqi
KTH57723D Hall✓ 在线✓ 已入库liaochongqi
KTH57743D Hall✓ 在线✓ 已入库liaochongqi
KTH57913D Hall✓ 在线✓ 已入库wangchao
KTH3601Linear Hall✓ 在线PreviewPreviewliaochongqi

待补充数据

产品缺失项负责人
KTH5701工作电流 (IDD)、绝对最大额定值zuoxinchi
KTH5702工作电流、工作温度、绝对最大额定值、封装尺寸zuoxinchi
KTH5721工作电流、绝对最大额定值、封装尺寸zuoxinchi
KTH5771工作电流liaochongqi
KTH5774工作电流liaochongqi
KTH5791工作电流wangchao
全部产品竞品替代关系 (cross_references)各负责人

产品 Pipeline(待 AE 提供 YAML)

型号类型说明
KTH5761/5762/57633D Hall智能手表专用,首页已提及
KTH55033D Hall (I2C)替代 TLV493D / TMAG5373
KTH5581 / KTH5502待确认负责人: liaochongqi
KTH5591待确认负责人: wangchao
KTH5565待确认负责人: dongfei
KTH31xx / KTM36xxLinear Hall负责人: yangzhili
Section 06

AE 工程师指南

AE 只需要做 3 件事

1
填 YAML
从 Datasheet 提取参数
填入 YAML 模板
2
放 PDF
把 Datasheet PDF
放到指定目录
3
通知管理员
@ 管理员触发
网页和 AI 更新

不需要写代码、不需要碰网页、不需要懂前端。只需关注你熟悉的产品本身。

字段优先级

P0 · 必填
没有这些产品无法上线
  • product_id, name, tagline
  • category, status, owner
  • overview.summary
  • overview.key_features (3-6个)
  • specs.recommended_operating
  • packages (至少一个)
  • documents.datasheets (至少一份)
  • metadata.created / updated
P1 · 推荐
让 AI 推荐更精准
  • specs.absolute_maximum_ratings
  • specs.performance (采样率/精度)
  • overview.advantages_table
  • applications.target_markets
  • applications.related_products
P2 · 可选
丰富产品页面
  • documents.software (驱动/库)
  • documents.hardware (参考设计)
  • documents.videos (演示视频)
  • applications.application_circuit
  • specs.interface (接口参数)

YAML 最小示例(新产品 KTH5503)

yaml
product_id: KTH5503
name: "KTH5503 - 3D Hall Sensor (I2C)"
tagline: "3D 霍尔传感器,I2C 接口,可替代 TLV493D/TMAG5373"
category: 3d-hall
status: preview
owner: zuoxinchi

overview:
  summary: |
    KTH5503 是一款 3D 霍尔传感器,支持 I2C 接口,
    可作为 TLV493D 和 TMAG5373 的国产替代方案。
  key_features:
    - title: "I2C 接口"
      description: "标准 I2C 通信,易于集成"
    - title: "3D 磁场检测"
      description: "X/Y/Z 三轴同时测量"

specs:
  recommended_operating:
    - name: "Supply Voltage"
      min: 2.8  typ: 3.3  max: 5.5  unit: "V"

packages:
  - part_number: "KTH5503AQ3QNS"
    package_type: "QFN3x3-16L"
    pin_count: 16

documents:
  datasheets:
    - name: "KTH5503 Datasheet"
      url: "/downloads/KTH5503/KTH5503_Datasheet_preview.pdf"

填写规则速查

不要猜参数

不确定的值写 null 并加 # TODO 注释

单位要准确

电压 V、电流 mA/uA、温度 C、频率 Hz

文件名 = 型号

KTH5772.yamlproduct_id: KTH5772

tagline ≤ 80 字

一句话说清核心卖点,中文为主

PDF 放对目录

docs/public/downloads/型号/

Min ≤ Typ ≤ Max

确保数值逻辑合理

Section 07

AI 时代的两种必备语言

在这个项目中,我们验证了一个关键洞察:结构化数据负责"准",Markdown 负责"通"。 作为 AE 工程师,掌握 YAML 和 Markdown 这两种格式,是 AI 时代的基础能力。

Core Insight
Markdown 是人机共读的语义总线
而不是唯一数据库。

AI 系统真正高频消费的,不是"最结构化"的那层,而是"语义阻抗最低"的那层。 YAML 保证数据的精确和一致,Markdown 保证信息能低损耗进入人脑和 AI 模型。

三层信息架构模型

我们的项目已经在实践这个模型——AE 填 YAML,系统生成 Markdown 语义层,再分发到各个终端。

LAYER 1 · SOURCE OF TRUTH
YAML / 数据库

存储规范化参数、枚举值、单位、状态、关系。保证"准"

特点:有 Schema 约束、可校验、可精确查询
用途:参数搜索、产品对比、API 输出
维护者:AE 工程师
LAYER 2 · SEMANTIC BUS
Markdown

存储产品定位、应用场景、选型建议、竞品说明。保证"通"

特点:人机共读、零解析成本、高信息密度
用途:llms.txt、AI Prompt、产品页源文件
维护者:AE + 系统自动生成
LAYER 3 · DELIVERY
HTML / JSON / Prompt

分别服务浏览器、程序、LLM。保证"达"

特点:针对终端优化,自动从前两层派生
用途:产品网页、REST API、Chat 回复
维护者:系统自动生成

为什么 AE 要掌握 YAML

YAML 是产品数据的事实源。我们的选型工具能按电压、温度、接口精确筛选产品, 靠的就是 YAML 中结构化的数值字段。

如果没有 YAML 的 Schema 约束,多人协作时"3.3V"、"3.3 V"、"3.3v"、"2.8-5.5V" 这些写法对人一样,但对程序和 AI 完全不同。YAML 强制统一格式,消灭歧义。

YAML — 精确、可校验、可查询
supply_voltage:
  min: 2.8    # 精确数值
  typ: 3.3    # 有单位约束
  max: 5.5    # 可做范围查询
  unit: "V"   # 不会写成 "伏特"
YAML 能做到、Markdown 做不到的事
  • voltage=3.3 精确搜索所有兼容产品
  • ✓ 自动校验 Min ≤ Typ ≤ Max
  • ✓ 枚举约束(status 只能是 active/preview/eol)
  • ✓ 多语言字段完整性检查
  • ✓ 跨产品参数对比表自动生成
  • ✓ API 返回标准 JSON 格式
如果只用 Markdown 会怎样?
  • ✗ "2.8-5.5V" vs "2.8 to 5.5V" — 程序无法统一解析
  • ✗ 多人维护后格式漂移,一致性崩溃
  • ✗ 要做搜索/对比,被迫再结构化一次
  • ✗ 复杂度后移,而不是消灭

为什么 AE 要掌握 Markdown

Markdown 是信息流通的语义总线。我们的 AI 友好度从 6.5 分跳到 9 分, 核心转折点就是加了两个 Markdown 文件(llms.txt 和 llms-ctx.txt)。

LLM 的训练数据中,Markdown 是最常见的结构化文本之一。对 AI 来说, 读 Markdown 就像人读母语——零翻译成本

Markdown — 人机共读、高密度、零解析
## KTH5772 - Gaming Joystick 3D Hall
Supply: 2.8-5.5V | IF: I2C, UART | IDD: 4mA
Apps: gaming joystick, position tracking
→ 3 行 = 一个产品的完整画像
→ 人能读、AI 能读、可直接注入 Prompt
Markdown 能做到、YAML 做不到的事
  • ✓ 产品定位和应用场景的自然语言描述
  • ✓ 竞品对比的人类可读叙述
  • ✓ 直接作为 LLM 上下文注入
  • ✓ AI 爬虫零成本消费(llms.txt)
  • ✓ 同时服务人类阅读和 AI 理解
  • ✓ Git diff 一目了然
同样信息,不同格式的 Token 消耗
Markdown~80 tokens基准
JSON~200 tokens2.5x
HTML~350 tokens4.4x
PDF无法直接输入

AI 友好的 5 个本质特征

Markdown 之所以对 AI 有效,不是因为文件扩展名,而是因为它天然满足以下 5 条。理解这 5 条比记住格式更重要。

语义提取
成本低
不需要解析 DOM 或反序列化
📦
信息
密度高
有效内容占比远超 HTML/JSON
✂️
分块边界
清晰
# ## ### 天然层次结构
🔗
标识符
稳定
型号、链接、锚点不漂移
🔄
载体间
不漂移
YAML→Markdown→Prompt 信息无损

在我们项目中的实际数据流

下图展示了产品信息如何从 AE 笔下流向 6 类消费者,以及每个环节用的格式。

AE 工程师
YAML
填写产品参数、封装、订购信息
系统自动生成
Markdown
SQL
产品页、llms.txt、数据库
6 类消费者
HTML 客户浏览产品页
JSON 程序调用 REST API
Markdown AI 爬虫读 llms.txt
Prompt Chat 助手回答客户
MCP 开发者 AI 工具调用
XML 搜索引擎索引 sitemap

给 AE 同事的一句话总结

YAML 写参数,Markdown 写故事
参数让机器能搜索,故事让 AI 能推荐。
两者缺一不可。

优化重点已从"页面是否好看"转向"语义是否能低损耗进入模型"。
掌握 YAML + Markdown = 掌握 AI 时代的产品信息表达能力。

Section 08

常见问题

我只有 Datasheet PDF,不想手动抄参数到 YAML,能自动化吗?
可以。把 Datasheet PDF 给管理员,管理员可以用 AI 辅助提取参数到 YAML,你只需要审核确认数值是否正确。整个过程你不需要手动抄写参数表。
我更新了 YAML,多久能在网上看到?
管理员处理后通常 10-30 分钟内上线。如果急需,直接联系管理员即时处理。流程是:生成网页 → 更新数据库 → push 部署,Cloudflare Pages 自动构建。
客户问的问题 AI 回答不准怎么办?
大概率是 YAML 数据不够完整。补齐以下字段后 AI 回答会自动改善:
overview.advantages_table — 改善竞品对比回答
applications.target_markets — 改善"什么场景用什么芯片"的回答
specs.performance — 改善参数对比回答
竞品替代关系怎么填?
目前竞品替代关系在 AIBridge 数据库中单独管理。你有两种方式提供:
1. 写在 YAML 的 overview.advantages_table 中(对比竞品名+各项优势)
2. 直接告诉管理员"KTH5503 可替代 TLV493D",管理员会录入数据库
我想修改产品页的排版/样式怎么办?
你不需要管排版。只要 YAML 里的数据准确,网页会自动生成并呈现统一的样式。如果对呈现效果有意见,告诉管理员调整即可。

文档维护: @liyandong  |  最后更新: 2026-03-26  |  CONNTEK AIBridge v1.0