使用 Java 24 + Gradle + Java-WebSocket 搭建的AI在线聊天室，使用面向对象分层设计以及浏览器原生 WebSocket 实时通信。

本项目为一个轻量级 Java WebSocket 聊天室，包含：

• 用户注册 / 登录
• 好友搜索、发送好友申请、添加好友
• 私聊与群聊（房间创建/搜索/加入/历史消息回放）
• 发送文件（图片可预览）和 emoji
• 聊天界面进行小游戏互动（扔番茄、掷骰子、石头剪刀布）
• 树洞（匿名贴）
• 朋友圈（可发图，最多九张），支持点赞、文字评论
• 自定义AI分身（支持自定义昵称、头像、提示词设定语言风格），也可以总结用户聊天习惯生成提示词，可在广场添加他人创建的分身
• AI助手在私聊和群聊中可以主动或被动回复，通过AI多选器实现自动智能回复

lixu10

MontesquieuE

pxrmiraitowa

Camellia-0110

1. 暮色降临的静谧 (The Atmosphere) Vesper 原意即为“黄昏”或“晚祷时刻”。 视觉（蓝黑星空）： 象征着白昼的喧嚣褪去，世界进入 Vesper 时刻（入夜）。这是一种保护色，代表着安全感。在这里，用户可以卸下白天的面具（社会身份），回归真实的自我。 寓意： “当世界暗下来，只有这里的星光为你亮起。”
2. 现代人的“晚祷”与倾诉 (The Ritual) 历史上，Vesper 是人们在傍晚进行反思和祈祷的仪式。 在这个聊天室里，“匿名树洞”就是现代人的告解室。用户在这里吐露心声、释放压力，就像古人在晚祷时寻求内心的平静。同时，用户也可以和AI进行聊天，诉说心底的秘密。 谐音梗： Vesper 的发音非常接近 Whisper（耳语/低语）。这完美契合“匿名树洞”的调性——在这里，你可以低声说出那些不能在阳光下大声喧哗的秘密。 注：此意思不在于宣扬任何封建迷信
3. 长庚星的指引与陪伴 (The Evening Star) Vesper 在古典诗歌中指代“长庚星”（金星），它是黄昏天空中最亮的一颗星，也是最早出现的星。 在茫茫的“蓝黑星空”（海量数据或孤独的人海）中，AI 就像那颗Vesper Star。它永远在线，冷静、理智且温暖。 无论用户在深夜多么孤独，AI 都是那颗守望的星，随时准备回应（Respond）、倾听（Listen）和理解（Understand）。它不是冷冰冰的机器，而是黑夜里的导航者。

运行/开发环境：

• 操作系统：Windows / macOS / Linux 任意支持 Java 的系统
• JDK： JDK 21 及以上，建议版本为JDK 24。
• Gradle：本地可使用已安装的 Gradle 或使用项目 wrapper（若存在），通常使用 gradle 命令即可。推荐版本 8.14 。

第三方API：

• OpenAI格式接口、API Key：用于调用大模型完成AI功能。
• Lsky图床API：用于头像、图片上传：lsky-org/lsky-pro: 兰空图床(Lsky Pro)

访问：

• 支持 Google Chrome、Microsoft Edge、Firefox、Safari 等主流浏览器的最新版本访问，不建议使用 IE 浏览器。

环境变量修改位于src\main\java\com\example\chat\config\ServerConfig.java ，其中建议配置的有：

• WS_PORT：WebSocket服务器端口，默认8881；
• IMG_API_BASE：图片上传API地址，需要为lsky图床API格式；
• IMG_API_EMAIL：图片上传API，lsky系统用户名；
• IMG_API_PASSWORD：图片上传API，lsky系统密码；
• OPENAI_API_KEY：OpenAI 或兼容服务的 API Key（不配置时 AI 回退为本地规则回复）
• OPENAI_BASE_URL：可选，OpenAI 兼容服务地址（例如自建或第三方兼容 API）
• OPENAI_MODEL：模型名，默认可使用 gpt-5.2 或项目中指定的默认值

详细配置文件如下：

/** WebSocket 服务器端口，部署时可统一调整。 */
public static final int WS_PORT = 8881;
/** 单个房间默认返回的最近消息数量。 */
public static final int RECENT_MESSAGE_LIMIT = 50;
/** AI 助手的固定用户 ID。 */
public static final String AI_BOT_ID = "ai-bot";
/** AI 助手默认展示名称。 */
public static final String AI_BOT_DISPLAY_NAME = "小爱同学";
/** AI 助手用户名，便于搜索。 */
public static final String AI_BOT_USERNAME = "ai-bot";
/** AI 助手签名文案。 */
public static final String AI_BOT_SIGNATURE = "你好我是小爱同学，欢迎随时和我聊天";
/** AI 助手头像 URL。 */
public static final String AI_BOT_AVATAR = "https://2bpic.oss-cn-beijing.aliyuncs.com/2025/12/04/6930f7d6d5a18.jpg";
/** 用户默认头像 URL。 */
public static final String DEFAULT_AVATAR = "https://2bpic.oss-cn-beijing.aliyuncs.com/2025/12/04/6930f7a2c12fc.png";
/** 头像与图片上传API。 */
public static final String IMG_API_BASE = System.getenv().getOrDefault("IMG_API_BASE", "https://yourdomain/api/v1");
public static final String IMG_API_EMAIL = System.getenv().getOrDefault("IMG_API_EMAIL", "name@youremail");
public static final String IMG_API_PASSWORD = System.getenv().getOrDefault("IMG_API_PASSWORD", "yourpassword");
/** AI 群聊总结时读取的消息上限。 */
public static final int AI_RECENT_SUMMARY_LIMIT = 30;
/** 树洞默认返回的最大条数 */
public static final int TREE_HOLE_RECENT_LIMIT = 100;

/** OpenAI API Key，读取环境变量 OPENAI_API_KEY。 */
public static final String OPENAI_API_KEY = System.getenv().getOrDefault("OPENAI_API_KEY", "sk-kfcvme50");
/** OpenAI Base URL，默认官方地址，可指向第三方兼容服务。 */
public static final String OPENAI_BASE_URL = System.getenv().getOrDefault("OPENAI_BASE_URL", "https://api.openai.com");
/** OpenAI 模型名，默认 gpt-4o-mini。 */
public static final String OPENAI_MODEL = System.getenv().getOrDefault("OPENAI_MODEL", "gpt-5.2");

环境变量（可选，但在启用 AI 功能时必须配置）：

• OPENAI_API_KEY：OpenAI 或兼容服务的 API Key（不配置时 AI 回退为本地规则回复）
• OPENAI_BASE_URL：可选，OpenAI 兼容服务地址（例如自建或第三方兼容 API）
• OPENAI_MODEL：模型名，默认可使用 gpt-4.1-mini 或项目中指定的默认值

构建与运行：

gradle build    # 编译并运行测试
gradle run      # 启动 WebSocket 服务器
gradle test     # 运行单元测试

启动后默认监听地址：ws://localhost:8080（端口来自 ServerConfig.WS_PORT，可在 src/main/java/com/example/chat/config/ServerConfig.java 中修改）。

前端使用方式：打开 src/main/resources/static/index.html（本地文件直接用浏览器打开即可），页面会尝试连接服务端的 ws://localhost:8080，若后端不在本地或端口不同，请在页面中修改连接地址或启用静态服务器并确保跨域设置正确。

1. 完成上述配置文件修改、本地Gradle构建完整过程。成功构建后在 build\libs文件夹下会生成chat-server.jar 文件。

2. 修改项目根目录下的Dockerfile：

   FROM container-registry.oracle.com/java/openjdk:21
   
   WORKDIR /app
   COPY chat-server.jar app.jar
   EXPOSE 8881
   ENTRYPOINT ["java", "-jar", "app.jar"]

3. 确保 Docker 已正确安装并启动：

   # 检查 Docker 状态
   sudo systemctl status docker
   # 如果未启动，则启动 Docker
   sudo systemctl start docker

4. 在服务器端新建项目目录（例如chatroom），并且在项目目录下创建backend、frontend文件夹。

   mkdir chatroom
   cd chatroom
   mkdir backend
   mkdir frontend

   接着，把 chat-server.jar 和写好的 Dockerfile，这两个文件发送到服务器的 backend 文件夹。

   创建Json数据文件，用于数据持久化存储：

   # 先在宿主机创建快照文件
   mkdir -p /your/host/path/chat-data
   touch /your/host/path/chat-data/data-backup.json

5. 启动后端：

   cd backend
   
   # 构建镜像
   docker build -t my-chat-server .
   # 运行容器
   docker run -d --name chat-app --restart always \
     -p 8881:8881 \
     -v /your/host/path/chat-data/data-backup.json:/app/data-backup.json \
     my-chat-server

   现在后端已经成功运行了！若需要停止容器：

   docker rm -f chat-app

6. 前端使用Ngnix作为网页服务器。首先，把前端的 html/css/js 发送到服务器的 frontend 文件夹。

   修改app.js第6-7行：

   const WS_PORT = 8881; // 修改为后端端口
   const WS_HOST = 127.0.0.1; // 填写你服务器的ip

   之后修改 Nginx 配置，把 root 指向 /home/lighthouse/chat-project/frontend。

此时访问前端Ngnix前端绑定的域名即可访问了！

chatroom/
├── build.gradle                    # 依赖 & UTF-8 JVM 参数
├── settings.gradle
├── src/main/java/com/example/chat
│   ├── Main.java                   # 程序入口
│   ├── config/ServerConfig.java    # 端口/消息条数配置
│   ├── util/                       # JsonUtil, IdGenerator
│   ├── model/                      # User/ChatRoom/Message/FriendRequest 等实体
│   ├── dto/                        # UserDTO/MessageDTO/RoomDTO/FriendRequestDTO
│   ├── repository/                 # 内存仓库（用户/房间/消息/好友申请）
│   ├── service/                    # Auth/User/Friend/Room/Chat 业务逻辑
│   └── websocket/                  # ChatWebSocketServer, ClientConnection
└── src/main/resources/static       # 前端静态资源
    ├── index.html
    ├── styles.css
    └── app.js

所有消息统一 envelope：

{ "type": "ROOM_MESSAGE", "payload": { ... } }