项目目的：

在每一版软件要发版前，使用AI大模型总结一下这一版软件相比于前一版做了哪些改动，方便我们写在release note中。

项目内容：

我们使用一个前端框架搭建一个网页应用，用来输入当前软件的tag1，和前一版软件的tag2，以及提供一个显示窗口来展现软件的改动内容。网页应用在接收到输入后，通过 HTTP POST 请求发送到后端的接口。FastAPI 后端收到请求，解析参数，后端会比较两个tag之间的改动，并将这些改动输入给大语言模型做总结。大语言模型总结完后，将总结的结果返回给后端，最终将change scope作为 JSON 返回给前端。前端收到后端返回的 change scope，直接以 Markdown 格式渲染展示，用户可复制到 release note。

使用的技术：

前端：

• Streamlit：一个开源 Python 库，我用这个库做一个简单的GUI，用来接收输入以及显示最终的change scope。
• requests：用于向后端发送 HTTP POST 请求。

后端：

• FastAPI：现代高性能 Python Web 框架，实现 RESTful API。
• sqlite3：轻量级本地数据库，用于缓存查询结果。选这个作为数据库的主要原因是目前想快速搭建一个MVP，后续会尝试迁移到Redis + PostgreSQL的方案（等使用这个方案后，我也会发布使用心得）。
• LangChain + ChatOpenAI：调用本地大模型进行自然语言总结，在这里我使用的是Qwen3开源模型。

具体细节：

1.使用streamlit搭建好网页应用，方便我们将输入的tags传递给后端。

2.设计了Git相关的API，方便我们对比输入的两个tag之间的代码差异（假如有submodule的话，也比较同一个submodule在不同tag之间的差异）。

3.前端输入的tags，通过发送HTTP POST给FastAPI后端，后端这块先查询输入的tags是否已经存储在数据库中，如果有的话，直接返回结果，返回给前端显示结果；如果数据库没有的话，则调用Git API，获得两个tag之间的全部代码差异，并将差异导入给大语言模型，让其总结change scope，将tags和change scope存储到数据库中，并将结果返回到前端显示。

整体的结构如下图所示：