AI Agent × 结构化数据 × 工程交付
f1frp 的底层不是「做一个数据库网站」那么简单。它是一个三层叠加的系统：最上层的 AI Agent 消费下面两层，中间的结构化数据层是六大库互相链接的知识图谱，最下层的工程交付层把答案变成工程师拿走即用的产物。
每层各司其职，互相供养
基于 Gemini 2.5 Flash 与 Claude Haiku 双模型路由，pgvector RAG 检索六大库 embedding，citation-first 强制引用来源。用户提问→语义检索→带来源输出，不编造数值。
STACK · @ai-sdk/google · @ai-sdk/anthropic · pgvector · OpenRouter fallback
6 个表互相链接：materials（4,341）· formulas（102）· standards（95）· papers（698+）· patents（1,473+）· supplier_listings（67）。每条参数追溯来源，每个 slug 可通过 hash 锚点深度链接。
STACK · Neon Postgres · Drizzle ORM · pgvector · Zod schema
询盘表单 → Resend 邮件推送给供应商；下载 tier gating；PDF 报告生成；在线计算器（拉挤选型 / U 值）；语言切换 zh/en；Clerk 认证 + 企业认领流程。
STACK · Next.js 16 App Router · next-intl · Clerk · Resend · Vercel
四个让系统自转的设计
材料页挂相关配方 / 推荐供应商 / 下载资源；论文页挂关联论文；专利页挂同类专利。任何一页都是进入其他五库的入口，用户走到哪都有下一步。
每个 AI 回答里的数字和陈述都挂 [#N] 引用链接，点击直达原始 paper/patent/material 页。模型没来源时明确说「库中暂无此信息」，不编造。
next-intl 路径前缀 /zh/ + /en/，默认中文 as-needed。同一 schema 两语言，SEO hreflang 双向指向，llms.txt 面向 LLM 抓取。
每日 cron：CrossRef/OpenAlex/USPTO 采集 + RSS 新闻 → AI 中文解读 → 多引擎推送（Baidu/Bing/Sogou/360）→ Telegram 频道 → 周刊 newsletter。自动转，无需人工。
了解完架构，看看它带来了什么实际优势：