AI Short 离线部署实战：企业内网无后端纯静态提示词库的搭建、迁移与运维

• AI 应用
• 提示工程
• 人工智能
• 前端

AI Short（ChatGPT-Shortcut）离线版是一套面向企业内网、政务网络、保密环境等无法或不便访问外网场景的纯静态部署方案：无需后端服务器、无需用户注册，所有个人数据（收藏、自建提示词、排序、标签）都保存在浏览器localStorage中，管理员一次部署后团队成员打开浏览器即可使用。本文以 离线部署文档 为骨架，结合仓库内的 Dockerfile、nginx.conf、package.json 与前端缓存实现 cache.js，完整讲解离线版的架构原理、Docker/源码/Nginx 三种部署方式、数据导入导出与从在线版迁移的实操流程，并解答团队使用中的高频疑问。

离线版是什么：定位与适用场景

离线版是为 IT 管理员或技术负责人设计的部署形态。它把整个提示词库站点编译为一套纯静态文件（HTML/CSS/JS），托管在内网服务器上，团队成员通过浏览器访问内网地址即可浏览、搜索、复制提示词，整个过程：

• 无后端：不依赖任何服务端接口，站点本身不保存用户数据；
• 无账户：不需要注册、登录，打开即用；
• 数据本地化：每个人的收藏与自建提示词只存在于自己浏览器的localStorage，互不影响。

典型适用场景包括：企业内网、政务网络、保密环境、校园网、对数据本地化有严格要求或无法访问外网的任何环境。普通用户不需要阅读部署文档——管理员部署完成后，把内网访问地址发给他们即可。

团队使用方式：一次部署，全员开箱即用

离线版是纯静态网站，整体工作流如下：

1. 管理员将离线版部署到内网服务器（例如http://192.168.1.100:3000）；
2. 团队成员用浏览器打开该地址，即可浏览、搜索、复制提示词；
3. 每个人的收藏和自建提示词保存在自己的浏览器中，互不影响；
4. 无需注册账户、无需安装任何软件，打开即用。

这里的关键设计是：提示词库（精选提示词）是构建时打包的静态数据，所有用户看到的内容完全一致；而每个用户的收藏、自建提示词、排序和标签则各自保存在浏览器本地，彼此独立。

从仓库实现看，这一"静态库 + 本地个人数据"的架构与源码结构高度吻合：站点全部由 Docusaurus 静态构建（见 package.json 的start/build脚本），而本地数据层则由 src/utils/cache.js 基于lscache封装实现，统一走浏览器localStorage读写，并在其上增加内存缓存与跨标签页同步。

与在线版的功能差异

离线版与在线版共享同样的提示词浏览体验，但在需要服务端的场景做了取舍，功能对照如下：

可以理解为：离线版保留了读与复制提示词、本地个人管理（收藏/自建/排序/标签）、数据导入导出这三条核心链路，砍掉了所有依赖服务端的能力（账户、社区、评论）。docs/deploy.md 中也将"离线部署版"列为与"标准部署""带后端的完整自部署"并列的三大部署形态之一。

数据存储设计：四个 localStorage 键

每位用户的数据保存在自己浏览器的localStorage中，与服务器无关。离线版共使用四个核心存储键：

源码层面，src/utils/cache.js 通过lscache将数据写入localStorage（键名带lscache-前缀），并额外提供两层增强：

• 内存缓存（memCache）：lscache每次get都会从localStorage反序列化并返回新对象引用，缓存层保证相同 key 多次读取返回同一引用，避免不必要的重渲染；
• 跨标签页同步：通过监听storage事件（键名以lscache-开头），一个标签页修改数据后，其他标签页自动失效对应缓存，保证同一浏览器多标签下的数据一致性。

需要注意的容量与风险

文档明确提醒以下三点：

• 浏览器本地存储约5MB容量上限，日常个人使用通常够用；
• 清除浏览器数据会丢失个人数据——建议定期通过「我的账户 → 数据管理 → 导出数据」备份；
• 更换电脑或浏览器后需重新导入数据。

部署：三种落地方式

离线版基于offline分支。管理员完成一次部署后，团队成员无需任何额外操作即可使用。以下是三种推荐的部署路径。

方式一：Docker 部署（推荐）

最简单的方式，一条命令即可在内网服务器上运行预构建的离线版镜像：

# 使用预构建的离线版镜像（GitHub Container Registry） docker run -d -p 3000:3000 --name aishort-offline ghcr.io/rockbenben/chatgpt-shortcut:offline # 或使用 Docker Hub 镜像 docker run -d -p 3000:3000 --name aishort-offline rockben/chatgpt-shortcut:offline

部署后团队成员访问http://<服务器IP>:3000即可使用。

若希望以docker-compose方式管理，使用如下配置：

services: aishort-offline: container_name: aishort-offline image: ghcr.io/rockbenben/chatgpt-shortcut:offline ports: - "3000:3000" restart: unless-stopped

仓库中的 Dockerfile 展示了官方镜像的构建思路，可帮助理解离线版容器的运行方式：

• 第一阶段（构建）：基于node:24-alpine，执行yarn install --frozen-lockfile后运行yarn build生成静态站点；构建时设置SKIP_GIT_INFO=true，使站点完全不依赖 git 元数据；
• 第二阶段（运行）：基于nginx:stable-alpine，将构建产物build/复制到/usr/share/nginx/html，并应用仓库自带的 nginx.conf，对外暴露3000 端口，启动 Nginx 提供静态服务。

也就是说，ghcr.io/rockbenben/chatgpt-shortcut:offline镜像本质上就是一个"静态文件 + Nginx"的容器，这也是它能一行命令跑起来的原因。

方式二：源码构建

如需自定义提示词内容或修改配置，可以克隆offline分支自行构建：

# 克隆离线版分支 git clone -b offline https://gitcode.com/gh_mirrors/ch/ChatGPT-Shortcut.git cd ChatGPT-Shortcut # 安装依赖 yarn # 本地开发 yarn start # 构建单语言版本（中文） yarn build --locale zh-Hans # 构建全部语言 yarn build

构建产物位于build/目录，可部署到任意静态文件服务器（Nginx、Apache、Caddy 等）。

需要说明两点构建细节（来源：package.json 与 Dockerfile）：

• yarn build实际执行的是scripts/buildPhased.mjs（分段构建脚本），会按语言分阶段编译，避免单进程一次性构建 18 种语言导致内存溢出（OOM）；
• yarn start前会自动执行scripts/genCommunitySnapshot.mjs生成社区快照数据（prestart钩子），本地开发时保证数据完整。

方式三：Nginx 静态托管

若已有内网 Nginx，直接把build/目录作为站点根目录即可。文档给出的参考配置：

server { listen 3000; server_name _; root /path/to/build; index index.html; location / { try_files $uri $uri/ /index.html; } }

其中try_files $uri $uri/ /index.html是关键：它把所有未命中的路由回退到index.html，保证 Docusaurus 站点内页面的前端路由（如提示词详情页、我的收藏页）在直接刷新时也能正确加载——仓库自带 nginx.conf 也采用了完全相同的try_files回退策略。

方式四：平台部署（Vercel / Cloudflare Pages）

在 Vercel、Cloudflare Pages 等平台部署时，只需在导入仓库时选择offline分支，其余步骤与在线版完全一致。更完整的部署形态选择与流程对照可参考 项目部署指南。

数据导入导出与从在线版迁移

离线版虽然无后端，但通过 JSON 导入导出能力保证了个人数据的可迁移性。

导出

进入「我的账户 → 数据管理 → 导出数据」，即可将个人收藏和自建提示词导出为 JSON 文件。文档建议将重要数据定期导出备份，以对冲浏览器数据被清除的风险。

导入

离线版支持导入以下格式的 JSON 文件，并自动做兼容处理：

• 离线版导出的文件：完整恢复收藏、提示词、排序和标签；
• 在线版导出的文件：自动兼容处理，规则如下：
  • 用户提示词 → 合并到本地（按标题去重）；
  • 精选收藏（card）→ 合并到本地收藏；
  • 社区收藏（community）→ 自动转为本地自建提示词；
  • MySpace 排序 → 恢复到本地；
  • 自定义标签 → 追加合并（不覆盖已有）。

从在线版迁移

如果团队此前使用在线版，迁移只需三步：

1. 在在线版的「我的账户」页面导出数据；
2. 在离线版的「我的账户 → 数据管理」导入该 JSON 文件；
3. 社区收藏会自动转为本地提示词，精选收藏正常同步。

这套兼容机制背后的关键约定是：导出的 JSON 格式在两个版本间互通，虽然提示词 ID 不同（在线版用服务器 ID，离线版用时间戳 ID），但导入时按标题去重，因此不会发生冲突。

常见问题（FAQ）

部署后团队怎么用？

管理员部署到内网服务器后，把访问地址（如http://192.168.1.100:3000）告诉团队成员即可。每个人用浏览器打开，无需安装、无需注册。

每个人的数据会互相影响吗？

不会。每个人的收藏和自建提示词保存在各自浏览器的localStorage，完全独立。服务器上只有共享的提示词库（只读）。

数据会丢失吗？

以下操作会导致个人数据丢失：

• 清除浏览器数据/缓存；
• 使用隐私/无痕模式浏览；
• 更换电脑或浏览器。

建议重要数据定期通过「我的账户 → 数据管理 → 导出数据」备份为 JSON 文件。

能否在团队间共享自建提示词？

可以。一人导出 JSON 文件后，其他成员在「我的账户 → 数据管理 → 导入数据」中导入即可，系统会自动去重。

如何更新提示词库？

提示词库是构建时打包的静态数据，更新方式为：

1. 管理员拉取最新的offline分支代码；
2. 重新构建并部署（或拉取最新 Docker 镜像）；
3. 团队成员刷新浏览器即可看到新内容，个人数据不受影响。

离线版的数据格式和在线版兼容吗？

兼容。导出的 JSON 格式相同，可在两个版本间互相导入。提示词 ID 不同（在线版用服务器 ID，离线版用时间戳 ID），但导入按标题去重，不会冲突。

小结

AI Short 离线版用"纯静态站点 + 浏览器 localStorage"的极简架构，解决了无外网环境下的提示词库共享难题：管理员通过 Docker、源码构建或 Nginx 任选一种方式部署一次，团队即可零安装、零注册地使用完整的浏览、搜索、复制与个人收藏能力；JSON 导入导出机制则打通了与在线版之间的数据迁移路径。从 docs/deploy/offline.md、Dockerfile 到 cache.js，整条链路在仓库源码中均有对应实现，可作为内网私有化部署的直接参考。

• AI 应用
• 提示工程
• 人工智能
• 前端