鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
27
25
49

我做了一个 AI 代码生成小工具(欢迎体验)

一坤年全栈实习生
一坤年全栈实习生
2026-01-07 15:09
阅读 6000
一坤年全栈实习生
2026-01-07 15:09
阅读 6000

为什么会想做这个东西

de7d0b6fd4c28aca8fbcfbfb0352beaf.png 在写代码的时候发现一个很现实的问题:
每个项目的业务都不一样,但「增删改查 + 列表筛选 + 表单」这一套组合拳,基本上是无限重复。

之前的做法是:

  • 搭一个 Vue3 或 React 的前端脚手架;
  • Spring Boot 起个后端,拉一套权限、通用返回体、异常处理;
  • 让新人按模板手搓页面和接口。

久而久之,感觉自己越来越像「高级脚手架生成器」,于是就萌生了做一个通用 AI 代码生成工具的想法——能不能基于表结构 + 自然语言描述,直接给我一整套可跑的前后端项目?

于是就有了现在这个小项目:CodeVerse。
在线体验地址:https://gen.thorleying.icu/

image.png

这个项目现在能做什么

从功能上,它更像是一个「带 AI 的全栈脚手架工厂」,目前支持:

  • 根据需求描述生成项目骨架
    • 填一段项目需求,比如「学生管理系统,需要学生信息管理、班级管理、成绩管理……」
    • 选择前端技术栈(Vue3 或 React),后端默认 Spring Boot
    • 后台会结合描述做表结构设计、接口规划,最终生成一套可运行项目

image.png

  • 完整的前后端代码
    • 前端:列表页、表单页、基础路由和布局,基于 Ant Design Vue / Ant Design
    • 后端:Controller + Service + Mapper + 实体类,以及常规的 CRUD 接口
    • 数据库:生成对应的建表 SQL

image.png

  • 项目管理与历史记录
    • 每一次生成都会成为一个「项目」
    • 可以在「我的项目」里查看历史记录、状态、创建时间等

image.png

  • IDE 插件支持
    • VS Code 插件:可以在编辑器里直接发起生成、插入代码片段
    • IntelliJ IDEA 插件:更适合后端同学,支持连接数据库、导入表结构、预览生成代码

image.png image.png

  • 积分和签到机制
    • 为了控制生成成本,引入了积分系统
    • 每日签到可以拿积分,用于抵扣生成项目时的消耗

实际体验:从零到一个 Demo 要多久

自己测试下来,从打开页面到拿到一个可跑的 Demo,大概是这样的节奏:

  1. 登录(如果第一次用,建议顺手把邮箱/实名认证走一遍,后续一些功能会用到)
  2. 在 AI 代码生成器里写一小段项目需求描述(至少 10 个字)
  3. 选前端模板(Vue3 或 React),点「开始生成」
  4. 等待 3~5 分钟,看进度条跑完
  5. 在「我的项目」里找到刚刚那次生成,可以查看详情,或者直接下载代码(下载运行就能跑)

一些实现细节和取舍

简单列几点现在的设计思路:

  • 技术栈选择

    • 前端:Vue3 + Ant Design Vue / React + Ant Design,两套都比较成熟,适合后台类项目
    • 后端:Spring Boot,结合日常项目里沉淀的一些最佳实践模板
  • 生成流程

    • 不是简单模板替换,而是「描述 → 结构设计 → 代码拼装」三步
    • 中间有一个任务系统,前端可以看到当前进度、步骤提示,也可以中途取消
  • 安全与成本

    • 引入实名认证(邮箱验证码认证)和积分,是为了避免恶意刷生成任务
    • 每次生成前都会提示本次预计消耗的积分

给有兴趣玩的同学

  • 在线体验:https://gen.thorleying.icu/
  • 如果你也经常在做「类似但不完全相同」的后台项目,可以试着用它先起一个骨架,再自己补业务。
  • 欢迎帮我踩坑、提建议,尤其是:
    • 生成出来的项目结构有哪些不合理
    • 哪些模块你觉得还可以自动化掉
    • 有什么更适合国内业务场景的预置模板想法

这篇就当作一次阶段性小结,也算是把这段时间在「用 AI 做工程化工具」上的一些尝试分享出来。希望能给你一些启发,也欢迎直接上站点玩一玩。

Java
AI
AI 零代码应用生成平台
27
49
分享
操作
评论
相关内容
0个评论
全部评论
点击登录,快来和大家讨论吧~
表情
图片

目录

🔥 热门文章
1
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
450
2
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
410
3
DeepSeek 全新模型发布,性价比最高的一集!
410
4
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
370
5
又一个国产版 Codex 神器,也来卷办公了!
340
6
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
330
7
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
320
8
我的第一个出海产品!7 天 2 万
310
9
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
310
10
什么是LLM
300
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题