![[开源] 纯前端实现楼盘采光模拟工具：从2D规划图到3D日照分析](https://qiniu.meowparty.cn/coder.2023/2026-04-12/cover_1775931652212_d98811ae4fa04a6c9c163c78eee2abfb.png)
前言 买房是人生大事，不仅要看户型，更要看采光。尤其是现在高层住宅密集，低楼层的日照时长往往是购房者的心病。虽然市面上有专业的日照分析软件，但对于普通开发者或购房者来说门槛太高。 最近利用周末时间，我开发了一套纯前端、零依赖的楼盘规划与采光模拟工具。它包含两个部分： 1. 配置器 (Editor)：基于 Canvas，在普通的楼盘规划图（JPG/PNG）上绘制楼栋轮廓、标定比例尺。 2. 可视化 (Viewer)：基于 Three.js，将配置好的数据生成 3D 模型，模拟冬至/夏至不同时间段的日照阴影。 本文将分享这个项目的核心技术实现思路。 开源地址：[https://github.com/SeanWong17/building-sunlight-simulator] 欢迎 Star ⭐ 和 Fork！ 🚀 功能演示 1. 2D 规划图配置器 这是数据生产的入口。用户上传一张总平图，
一、集群架构规划（共 8 台虚拟机） ip段用自己的 当然完成这个案例并不是一定要8台虚拟机，集群是可以合并在一起或者一个功能集群少开一点虚拟机 节点角色主机名IP 地址核心职责Web 节点 1web01192.168.72.201挂载 NFS 共享，提供 Web 服务Web 节点 2web02192.168.72.202挂载 NFS 共享，提供 Web 服务Web 节点 3web03192.168.72.203挂载 NFS 共享，提供 Web 服务DNS 主节点dns-master192.168.72.107解析www.chengke.com到 Web VIPDNS 从节点dns-slave192.168.
不仅是记忆：设计前端侧的AI对话历史存储与上下文回溯方案 在当前的大模型应用浪潮中，很多前端开发者切入AI领域的第一步往往是封装一个ChatGPT般的对话界面。起初，我们可能只是简单地将用户输入和AI回复Push到一个数组中，并在页面上渲染。然而，随着应用场景的深入，这种“玩具级”的架构很快就会面临严峻挑战。 背景：被忽视的“记忆”成本 很多前端同学在开发AI应用时，最容易踩的坑就是“只顾眼前交互，忽视持久化与上下文管理”。 痛点主要体现在三个方面： 1. 数据脆弱性：用户不小心刷新页面，长达几十轮的深度对话瞬间灰飞烟灭。这种体验在Web端是致命的，用户无法接受自己的“思考过程”因误操作而丢失。 2. 上下文窗口限制：大模型都有Token限制（如GPT-3.5的4k，GPT-4的8k/32k）。如果前端只是无脑累加历史记录发给后端，很快就会报错context_length_exceeded。前端必须具备“上下文回溯”与“裁剪”的能力。 3. 多会话管理：现代AI应用往往是多会话并行的（类似ChatGPT左侧列表）。如何高效索引、
纯前端 PNG/JPG 转 PDF 工具（无需服务器，源码分享） ✨ 一个完全运行在浏览器中的图片转 PDF 工具，不依赖后端、不上传文件、保护隐私，支持拖拽、排序、预览、批量导出，代码开源，一键部署！ 🌐 在线演示 👉 https://longsongline.github.io/png-to-pdf/ 打开即可使用，无需注册、无需登录，所有处理都在你的浏览器中完成！ 📦 功能特性 * ✅ 纯前端实现：基于 jsPDF + FileReader，无任何服务端依赖 * ✅ 隐私安全：图片不会上传到任何服务器，全程本地处理 * ✅ 多格式支持：PNG、JPG、BMP、TIFF、SVG（自动转 PNG） * ✅ 灵活输出： * 合并为单个 PDF（