fulling

GitHub
2.4k 228 困难 1 次阅读 3天前MIT语言模型Agent开发框架
AI 解读 由 AI 自动生成,仅供参考

Fulling 是一款由 AI 驱动的全栈开发平台,旨在让开发者能够专注于核心代码逻辑,而将环境配置、测试运行及部署等繁琐工作交给 AI 处理。它本质上是一个基于浏览器的集成开发环境,内置了强大的 AI 结对编程助手 Claude Code。

对于全栈开发者而言,Fulling 解决了传统开发中环境搭建耗时、第三方服务集成复杂以及部署流程繁琐等痛点。通过“配置驱动开发”模式,用户只需在设置中输入 API 密钥(如 Stripe 或 OAuth),AI 即可自动读取配置并完成相应的功能集成,无需手动编写样板代码或处理环境变量。此外,Fulling 提供了开箱即用的沙箱环境,包含 PostgreSQL 数据库、Web 终端、文件管理器以及即时生成的 HTTPS 域名,支持从 GitHub 导入项目或直接新建,实现秒级启动。

Fulling 特别适合希望提升效率的全栈工程师、独立开发者以及初创团队。无论是快速原型验证还是实际产品生产,它都能提供流畅的开发体验。其技术亮点在于深度整合了 Next.js、TypeScript 和 Kubernetes 基础设施,不仅支持在浏览器中进行完整的 Linux 终端操作和包管理,还实现了“一键部署”至生产环境,彻底免去了配置 CI/CD 流水线或处理端口映射的麻烦。需要注意的是,目前 Fulling 正处于 v2.0 重构阶段,致力于升级为更智能的 Agent 应用,追求稳定性的用户可参考 v1.0 版本。总体而言,Fulling 通过自动化底层设施管理,极大地降低了全栈应用的开发与维护门槛。

使用场景

独立开发者 Alex 计划在一个周末快速构建并上线一个包含用户订阅功能的 SaaS 原型,以验证市场想法。他需要处理从前端界面、后端逻辑到数据库和支付集成的全栈开发工作。

没有 fulling 时

  • 环境配置耗时:需手动安装 Node.js、配置 PostgreSQL 本地数据库、设置环境变量,往往在写代码前就耗费数小时解决依赖冲突。
  • 集成复杂度高:接入 Stripe 支付和 OAuth 登录需要查阅大量文档,手动编写 SDK 初始化代码、回调处理逻辑及安全性校验,容易出错。
  • 内网穿透麻烦:为了让测试人员或客户预览效果,必须配置 ngrok 或 Cloudflare Tunnel,处理域名绑定和 HTTPS 证书问题,流程繁琐。
  • 部署门槛高:从本地推送到生产环境需要编写 Dockerfile、Kubernetes YAML 文件或配置 CI/CD 流水线,运维成本远超开发成本。

使用 fulling 后

  • 秒级环境就绪:导入 GitHub 仓库或新建项目后,fulling 自动提供包含 PostgreSQL 数据库、Web 终端和文件管理器的完整开发沙箱,无需任何本地配置。
  • 配置驱动集成:只需在设置中填入 Stripe API Key,fulling 内置的 Claude Code 会自动读取配置并生成完整的支付集成代码,无需手动处理底层 SDK 细节。
  • 即时 HTTPS 域名:应用运行即自动生成可用的 HTTPS 链接,Alex 可直接将链接分享给潜在用户进行测试,彻底告别内网穿透工具的配置烦恼。
  • 一键生产部署:开发完成后,点击即可将应用从沙箱直接部署至基于 Kubernetes 的生产环境,无需关心容器化或服务器运维细节。

fulling 的核心价值在于通过 AI 代理和自动化基础设施,将全栈开发的“准备与运维”时间压缩至零,让开发者能真正专注于业务逻辑与创新。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

最低 25Mi (容器请求), 推荐充足内存以支持 Kubernetes 集群及多个沙箱运行

依赖
notes该工具主要基于 Node.js 和 Kubernetes 构建,而非 Python AI 模型。运行需要预先配置好 Kubernetes 集群并安装 KubeBlocks。需要设置 GitHub OAuth 应用凭证。当前 v2.0.0-dev 版本正在重构中,存在破坏性变更,生产环境建议使用 v1.0.0 稳定版。
python未说明
Node.js >= 22.12.0
Next.js 16
TypeScript 5
PostgreSQL 14
Kubernetes 1.28
KubeBlocks
pnpm
Prisma
fulling hero image

快速开始

Fulling - 基于 AI 的全栈开发平台

版本 2.0.0-dev Next.js TypeScript PostgreSQL Kubernetes Claude Code

[!CAUTION] v2 开发中

我们正在将 Fulling 重构为一个智能体应用。预计会有重大变更。

如需稳定的版本,请使用 v1.0.0

Fulling 是什么?

Fulling 让你专注于编码,其他一切由 AI 处理。

你可以从 GitHub 导入项目,也可以从头开始。Claude Code 就像你的 AI 配对程序员——它会编写代码、运行测试、管理数据库,并将应用部署到生产环境。所有这些都在基于浏览器的开发环境中完成。

配置驱动的开发。 需要集成 Stripe 或 OAuth 吗?只需在项目设置中输入 API 密钥即可。服务会立即可用——无需安装 SDK、配置环境变量或编写集成代码。Claude Code 会读取你的配置并为你实现所需功能。

概览

Fulling 提供了一个沙盒环境,内置 Claude Code 和 PostgreSQL —— 你开发全栈应用所需的一切都已就绪。

Fulling 会自动为你设置好所有内容,一分钟内即可准备就绪:

  • AI 配对程序员(Claude Code)
  • 全栈开发环境
  • 专用数据库(PostgreSQL)
  • Web 终端和文件管理器
  • 实时 HTTPS 域名

fulling-frame

fulling-desktop

功能

  • AI 配对程序员:Claude Code 已预装并随时可用。只需描述你的需求,它就会帮你编写代码。
  • 零配置:全栈环境包含数据库、终端和文件管理器。所有内容均已预先配置,几秒钟内即可使用。
  • Web 终端:在浏览器中使用完整的 Linux 终端。运行命令、安装软件包、调试——你本地能做的都可以在这里完成。
  • 文件管理器:支持拖放文件,在浏览器中编辑代码。内置大文件支持。
  • 实时域名:你的应用会立即获得 HTTPS URL。无需端口转发,也不用 ngrok。直接运行并分享即可。
  • 配置驱动:只需在设置中输入 API 密钥,即可添加 Stripe、OAuth 或任何其他服务。Claude Code 会读取你的配置并为你实现集成。
  • GitHub 集成:导入仓库、推送更改、版本控制。操作方式与你预期的一致。
  • 一键部署:从沙盒到生产环境,只需点击一下。无需 YAML 文件,也不需要 CI/CD 流水线。

技术栈

  • 前端:Next.js、React、TypeScript
  • 后端:Node.js、PostgreSQL
  • 基础设施:Kubernetes

更多技术细节,请参阅 架构文档

安装

前置条件

  • Node.js 22.12.0 或更高版本
  • PostgreSQL 数据库
  • 已安装 KubeBlocks 的 Kubernetes 集群
  • GitHub OAuth 应用程序凭证

环境设置

  1. 克隆仓库:
git clone https://github.com/FullAgent/fulling.git
cd fulling
  1. 安装依赖:
pnpm install
  1. 设置环境变量:

复制 .env.template.env.local 并填写你的值:

cp .env.template .env.local
  1. 初始化数据库:
npx prisma generate
npx prisma db push
  1. 运行开发服务器:
pnpm run dev

打开 http://localhost:3000 即可访问应用。

数据库模式

有关模式详情,请参阅 数据库文档

部署

Kubernetes 资源

平台会为每个项目创建以下 Kubernetes 资源:

  1. 数据库集群(KubeBlocks):

    • PostgreSQL 14.8.0
    • 3Gi 存储空间
    • 自动生成的凭据
  2. 沙盒 StatefulSet

    • 自定义 fullstack-web-runtime 镜像
    • 预装 Claude Code CLI
    • ttyd Web 终端(端口 7681)
    • FileBrowser(端口 8080)
    • 应用程序端口(3000)
  3. 服务与 Ingress

    • 用于 Pod 网络的内部服务
    • 带有 SSL 终止的 HTTPS Ingress
    • 支持终端的 WebSocket

资源限制

每个沙盒的默认资源分配:

  • CPU:20m 请求,2000m 限制
  • 内存:25Mi 请求,4096Mi 限制
  • 存储:10Gi 用于沙盒,3Gi 用于数据库

开发

项目结构

fulling/
├── app/                    # Next.js App Router 页面
│   ├── api/               # API 路由
│   ├── projects/          # 项目管理页面
│   └── layout.tsx         # 根布局
├── components/            # React 组件
│   ├── ui/               # Shadcn/UI 组件
│   └── terminal/         # 终端组件
├── lib/                   # 核心库
│   ├── k8s/              # Kubernetes 管理工具
│   ├── events/           # 事件系统
│   ├── jobs/             # 后台任务
│   ├── repo/             # 仓库层
│   └── services/         # 业务服务
├── prisma/               # 数据库模式
├── runtime/              # 沙盒使用的 Docker 镜像
└── docs/                 # 文档

关键服务

  • SandboxManagerlib/k8s/sandbox-manager.ts):StatefulSet 操作
  • DatabaseManagerlib/k8s/database-manager.ts):KubeBlocks 操作
  • 认证lib/auth.ts):多提供商 OAuth
  • 事件监听器lib/events/):生命周期处理器

文档

安全性

  • 认证:多提供商 OAuth(GitHub、密码、Sealos)
  • 隔离:每个沙盒运行在用户专属的 Kubernetes 命名空间中
  • 终端认证:HTTP Basic 认证,配合 URL 令牌注入
  • 密钥管理:敏感数据存储在 Kubernetes Secrets 中
  • 资源限制:防止资源耗尽

贡献

详细信息请参阅 贡献指南

开发设置

  1. 分支仓库
  2. 创建特性分支
  3. 进行修改
  4. 运行测试:pnpm test
  5. 提交拉取请求

许可证

MIT 许可证——详情请参阅 LICENSE

发布历史请查看 CHANGELOG.md

致谢

联系方式

如果想获取最新动态,请给项目点个星吧!

star-demo


100% 由 AI 生成的代码。 由 [@fanux](https://github.com/fanux) 提示生成。
基于 Claude Code 构建,使用了 Anthropic(Sonnet、Opus)、Google(Gemini)、智谱 AI(GLM)以及 Moonshot(Kimi)等模型。

版本历史

v1.0.02026/01/30

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|2天前
Agent图像开发框架