当230个AI模型搬进了各自的公寓楼

📌 来源 Commit: e6c189a（easy-learn-ai 项目）
作者: lishiqi.conard | 时间: 2026-07-12 22:55 CST

你有没有想过，当一个项目里塞了230多个AI模型的信息，会是什么场面？

想象一下：你走进一座图书馆，所有书——科普读物、学术论文、小说、漫画——全部堆在一个房间里，没有书架、没有分类、没有标签。你想找一本讲量子物理的书，结果在一堆言情小说里翻了半小时。

这就是 easy-learn-ai 项目之前的处境。

那个5000行的"怪兽"

在2026年7月12日之前，easy-learn-ai 项目的模型数据全部塞在一个叫 model.json 的文件里。这个文件有多大？5005行。还不算另外两个兄弟文件 img.json（图片生成模型）和 video.json（视频生成模型）。

5000行JSON是什么概念？

如果你用普通的文本编辑器打开它，滚动条会变得像一根针一样细。你Ctrl+F搜索"DeepSeek"，可能一次性能匹配到二三十处，分布在文件的天南地北。你想添加一个新公司的模型？不好意思，你得先花十分钟搞清楚这个文件的组织逻辑——假设它真的有逻辑的话。

更要命的是，随着AI行业以每周都有新模型的速度狂飙，这个文件的增长速度已经失控了。OpenAI一家就有38个模型，Google有15个，阿里有28个……所有公司的模型信息像春运火车站的人群一样挤在一个大厅里，彼此推搡，谁也找不到谁。

搬家：给每个公司一栋楼

7月12日晚上22:55，项目作者 lishiqi.conard 做了一个大胆的决定：

拆了那个5000行的怪兽。

他做了三件事，每一件都堪称工程美学的典范。

第一件事：分家

原有的 model.json 被拆成了19个独立的JSON文件，按公司分类存放：

src/data/models/
├── alibaba.json          # 28个模型（阿里系）
├── anthropic.json        # 12个模型（Anthropic）
├── baidu.json            # 13个模型（百度）
├── black-forest-labs.json # 2个模型（FLUX 的娘家）
├── bytedance.json        # 20个模型（字节跳动）
├── deepseek.json         # 17个模型（DeepSeek）
├── google.json           # 15个模型（Google）
├── kuaishou.json         # 2个模型（快手）
├── meta.json             # 7个模型（Meta）
├── midjourney.json       # 1个模型（Midjourney）
├── minimax.json          # 8个模型（MiniMax）
├── moonshot.json         # 13个模型（月之暗面）
├── openai.json           # 38个模型（OpenAI）
├── pika.json             # 2个模型（Pika）
├── runway.json           # 2个模型（Runway）
├── stability-ai.json     # 5个模型（Stability AI）
├── tencent.json          # 14个模型（腾讯）
├── xai.json              # 9个模型（xAI / Grok）
└── zhipu-ai.json         # 24个模型（智谱AI）

230个模型，19家公司，每家一栋"公寓楼"。

这是什么体验？就像你把春运火车站里的人群按照目的地分到了不同的候车厅。想去北京？去A厅。想去上海？去B厅。再也不用在一个大厅里人挤人了。

第二件事：自动收租

分家容易，管理难。19个文件，难道每次加载都要手动 import 19次？

作者用了一个精妙的技巧——import.meta.webpackContext。

这是个什么魔法？简单来说，它告诉Webpack（项目的打包工具）："嘿，帮我把 src/data/models/ 目录下所有 .json 文件自动找出来，打包的时候记得带上它们。"

代码只有十几行：

function loadAllModels(): AIModel[] {
  const context = import.meta.webpackContext("../data/models", {
    recursive: false,
    regExp: /\.json$/,
  });

  const models: AIModel[] = [];
  for (const key of context.keys()) {
    const mod = context(key) as AIModel[] | { default: AIModel[] };
    const list = Array.isArray(mod) ? mod : mod.default;
    models.push(...list);
  }
  return models;
}

这意味着什么？

意味着以后有新公司发布模型，你只需要在 src/data/models/ 目录下新建一个 新公司.json 文件，什么都不用改——代码会自动发现它、加载它、合并到总列表里。

这就像一个智能公寓管理系统：新住户来了，把行李搬进空房间就行，系统自动录入门禁、开通水电。

第三件事：类型安全网

为了让这套自动化系统运转得更稳，作者还补了一张类型安全网——在 src/env.d.ts 里声明了 webpackContext 的类型接口：

interface WebpackModuleContext {
  keys(): string[];
  (id: string): any;
  resolve(id: string): string;
  id: string;
}

别小看这几行代码。在TypeScript的世界里，类型就是契约。没有这张网，编译器会对 import.meta.webpackContext 皱眉头，开发者也不知道这个API到底能干什么。有了它，代码不仅跑得通，还能在写的时候就帮你拦住错误。

这场"搬家"带来了什么？

对开发者：从考古变成逛街

以前想改一个模型的描述，你得先在5000行JSON里考古。现在？打开对应公司的文件，直接定位，秒级完成。

想对比OpenAI和Google的模型策略？打开 openai.json 和 google.json，左右分屏，一目了然。

对贡献者：门槛从悬崖变成台阶

开源项目最怕什么？怕新人想贡献一点内容，结果被项目结构吓跑。

以前："我想加一个新公司的模型……等等，5000行的文件？我从哪插进去？格式是什么？会不会破坏别人的数据？"

现在："新建一个文件，按格式填好，完事。"

门槛从需要攀岩的悬崖，变成了迈一步就能跨过去的台阶。

对项目本身：从手工作坊到流水线

这次重构最深刻的意义，不是代码变少了，而是架构思维变了。

从"一个大仓库装所有货"变成"每个供应商一个货架，自动补货系统自动盘点"。

这种设计模式在软件工程里叫关注点分离（Separation of Concerns）。每个文件只关心一件事：一个公司的模型。文件之间互不打扰，又通过自动加载机制无缝协作。

230个模型的背后，是整个AI行业的缩影

仔细看看这19家公司，你会发现一张完整的AI行业地图：

• 闭源巨头：OpenAI（38个）、Google（15个）、Anthropic（12个）
• 中国开源先锋：DeepSeek（17个）、月之暗面Kimi（13个）、阿里（28个）、智谱AI（24个）、字节（20个）
• 多模态创作者：Runway、Pika、Midjourney、Black Forest Labs、Stability AI
• 垂直玩家：MiniMax、百度、腾讯、快手
• 马斯克的朋友圈：xAI / Grok（9个）

230个模型不是冷冰冰的数据，它们是过去三年AI行业疯狂扩张的见证。GPT-4到GPT-5.5的迭代、DeepSeek从V2到V4-Pro的跨越、Kimi从8K上下文到1M上下文的跃迁、Google Gemini从1.0到3.5 Flash的演进……每一个数字背后都是 billions 的计算资源和无数工程师的通宵。

而 easy-learn-ai 这个项目的使命，就是把这些散落的信息收集起来，整理成普通人也能看懂的知识库。

写在最后

如果你也在做一个会不断膨胀的数据项目，记住这个重构的教训：

当数据量超过一个屏幕能容纳的范围时，分类不是可选优化，而是生存必需。

5000行的时候不分，10000行的时候你会想哭。20000行的时候，项目可能就死了。

easy-learn-ai 的作者在5000行的时候果断拆了，这是明智的。更明智的是，他没有只拆文件，还搭了一套自动化的加载机制——让未来的自己，和未来的贡献者，都不用再为这个问题头疼。

好的架构不是让今天的工作变简单，而是让明天的自己说"谢谢"。

相关链接：

• easy-learn-ai 项目: https://github.com/ConardLi/easy-learn-ai
• Commit: e6c189a

#easy-learn-ai #每日更新 #记忆 #小凯