这篇内容能帮你生成什么
本文给出一条可直接复制给 AI 的“生成型提示词（Prompts）”。目标不是写教程，而是让 AI 一次性产出一个可运行、可构建、可部署的在线工具：电子书（EPUB/MOBI/FB2）批量互转 + 目录/元数据/资源完整性校验 + 报告导出。
适用场景
你需要在团队内部或个人工作流里快速搭一个网页工具：把电子书文件拖进去就能转换格式，并且在转换前后给出“目录是否断链、元数据是否缺失、图片/字体资源是否缺失、编码是否异常”等可读报告；同时提供任务队列、进度、取消、日志、下载，满足运维部署与后续排障。
交付物清单（AI 必须输出）
源码与文件树：前端 + 后端完整项目，可本地一键启动。
运行命令：开发模式与生产模式的启动命令（含环境变量示例）。
部署说明：Dockerfile + docker-compose.yml，写清端口、挂载目录、资源限制与反向代理（可选）。
测试/QA：至少 20 条可执行测试用例或 QA checklist（覆盖异常输入、并发、取消、资源清理、安全边界）。
示例：提供示例输入与示例输出（报告 JSON/HTML 的样例结构即可）。
Prompt（复制给 AI 直接生成项目）
你是一名资深全栈工程师 + 构建/部署负责人。请从零生成一个“在线电子书批量转换与目录校验工作台”项目，要求可直接运行与部署。
【目标】
做一个 Web 在线工具：用户上传一个或多个电子书文件（EPUB/MOBI/FB2），选择目标格式（EPUB/MOBI/FB2）与输出选项，系统执行转换，并在转换前后对“目录(TOC)/元数据/资源完整性”进行校验，最终提供：转换后的文件下载 + 校验报告下载。
【硬性约束】
1) 必须输出完整项目源码与文件树（可用 monorepo 或前后端分离），能在 Windows/macOS/Linux 运行。
2) 必须给出一键启动命令：开发模式 + 生产模式。
3) 必须提供 Dockerfile 与 docker-compose.yml（包含反向代理可选项），写清端口与环境变量。
4) 必须提供测试用例或 QA checklist（至少 20 条），覆盖：异常文件、编码问题、超大文件、并发、取消任务、断点续传(可选)、安全限制。
5) 必须提供日志与错误码设计：用户可读 + 运维可查。
6) 转换引擎必须优先使用开源可靠方案（例如 calibre 的 ebook-convert 或等价工具链）；如果使用外部二进制，请把“依赖安装/下载方式”写清楚，并给出替代方案。
7) 不能把文件上传到第三方云：转换与校验都在本服务完成；临时文件要有清理策略。
【功能细节】
A. 上传与任务
- 支持拖拽上传，支持多文件；单文件最大限制可配置（默认 100MB）。
- 创建任务后进入队列：显示进度、当前步骤（解析/校验/转换/再次校验/打包/完成）。
- 支持取消任务（已开始的转换也要尽可能终止）。
B. 校验与报告
- 解析输入电子书：
- EPUB：检查 container. 、OPF、manifest/spine、NCX 或 nav.xhtml；
- MOBI/FB2：提取/推断元数据与目录结构（能做多少做多少，并在报告里标注“可用度”）。
- 校验项（至少）：
- 目录层级是否为空、是否有重复条目、是否有断链；
- 元数据（标题/作者/语言/出版日期）缺失与格式；
- 资源完整性：图片/字体引用是否存在；
- 字符编码与非法字符检测；
- 转换前后目录条目数量变化提示；
- 生成一个可下载的 JSON 报告 + 人类可读的 HTML 报告。
C. 安全与合规
- 上传类型白名单；禁止可执行文件；服务端做 MIME/魔数检测。
- 对解压类格式（EPUB）防 zip-slip；限制解压后总大小；限制文件数量。
- 速率限制与并发控制；任务隔离（不同用户 token）。
D. UI
- 首页：上传区 + 选项。
- 任务列表页：任务状态、日志、下载按钮。
- 报告详情页：可读的分段报告，支持导出。
【技术栈建议（可改，但要说明）】
- 后端：Node.js(Express/Fastify) 或 Python(FastAPI)。
- 前端：React/Vite 或 Vue。
- 任务队列：BullMQ/Redis 或内置队列（需要解释并发策略）。
- 文件存储：本地临时目录 + 清理；可选 S3 但默认关闭。
【输出格式】
1) 先给项目简介与架构图(ASCII)。
2) 再给完整文件树。
3) 然后逐文件输出源码（重要文件必须完整，次要文件可适度省略但要能跑起来）。
4) 给出本地运行步骤（含依赖安装）。
5) 给出 Docker 部署步骤。
6) 给出测试与 QA checklist。
7) 给出常见故障排查（至少 10 条）。
使用与验收建议
把 Prompt 交给 AI 后，先检查它是否给出了完整文件树、可执行命令与 Docker 部署步骤；然后用 2-3 个不同来源的电子书做冒烟测试：一份目录很复杂、一份含图片与自定义字体、一份存在元数据缺失。最后根据报告里的校验项逐条核对，确认“转换前后目录变化提示、断链提示、资源缺失提示、错误码与日志”都能复现与定位。
常见坑位（让 AI 在代码里提前规避）
重点让 AI 处理：解压 ZIP 的 zip-slip 风险与总大小限制；超大文件的上传限制与流式处理；任务取消的可靠终止；临时目录清理策略；以及转换引擎依赖（如 calibre）在不同系统上的安装与替代方案。
