AI 生成结果持久化
把每次 AI 生成的文字、图片和用量记录存下来,给每条结果分配 ID 和可分享的永久链接。
功能与用途
AI 生成的结果每一条都要花钱,而且同一句提示词再跑一遍也未必一模一样。很多应用直接流式吐给前端就完事,用户一刷新全丢了,图片还是临时 base64,退出组件就失效。这套模式要求在调模型之前先生成 ID 并落库,文字和元数据进数据库、图片进 Blob 拿永久地址,同时把 token 用量和预估费用一起记下来,顺带用缓存避免同一提示词重复付费。
适用场景
- 用户生成到一半刷新了页面,结果全没了,被投诉要重来一次:用户生成到一半刷新了页面,结果全没了,被投诉要重来一次
- 生成的图片用的是临时链接,过一会儿就打不开,分享出去对方看到:生成的图片用的是临时链接,过一会儿就打不开,分享出去对方看到空白
- 月底算不清 AI 花了多少钱,也不知道哪个功能最烧 toke:月底算不清 AI 花了多少钱,也不知道哪个功能最烧 token
适用人群
- 做 AI 应用的 Next.js 开发者
- 需要给 AI 功能加历史记录与分享链接的产品工程师
- 要核算 AI 调用成本的 SaaS 技术负责人
使用步骤
- 先定好数据库里的生成记录表结构,包含 ID、模型、提示词、结果、图片地址、用量、费用和状态
- 把接口改成先生成 ID 并插入一条 pending 记录,再跳转到对应 ID 的页面
- 在 ID 页面按状态决定继续流式输出还是展示已保存的结果
- 文字与元数据写数据库,生成的图片立刻存进 Blob 并回写永久 URL
- 最后补上按内容哈希的提示词缓存,避免相同输入重复付费
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 编程
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-09-18
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
AI generation persistence patterns — unique IDs, addressable URLs, database storage, and cost tracking for every LLM generation
使用前准备
- 需要 Node 与命令行环境、可用的 Postgres 数据库和对象存储(示例为 Neon Postgres + Drizzle、Vercel Blob),可选 Upstash Redis
依赖与权限
- 读取用户主动提供的内容