dewhale
Dewhale 是一款由 GitHub 驱动的 AI 开发助手,旨在让前端界面构建变得轻松高效。作为 v0.dev 的开源替代方案,它能根据自然语言描述自动生成基于 shadcn/ui、Lucide 图标和 Nivo 图表等主流技术栈的代码,并直接将成果托管至 GitHub 仓库。
对于开发者而言,Dewhale 解决了从创意到原型代码转化繁琐、重复性劳动多以及协作流程割裂的痛点。它不仅仅是生成代码片段,更通过无缝集成 GitHub,让生成的每一行代码天然具备版本控制、代码审查和团队协作能力,实现了“提示词即提交”的流畅工作流。
这款工具特别适合希望提升开发效率的前端工程师、全栈开发者以及需要快速验证产品原型的创业团队。其独特的技术亮点在于高度透明与可定制:核心提示词(Prompt)完全开源,用户可根据需求替换 UI 库或调整编码风格;同时支持灵活切换 AI 模型以优化成本。值得注意的是,项目目前正处于重构阶段,未来将演进为通用的"GitHub as MCP Host"架构,展现出强大的扩展潜力。
使用场景
某初创团队的前端开发者需要在两天内为内部数据看板搭建一个包含交互式图表和现代 UI 组件的原型,以向投资人演示核心功能。
没有 dewhale 时
- 重复劳动耗时:开发者需手动查阅 shadcn/ui 文档并逐个复制粘贴代码来构建基础组件,严重拖慢原型开发进度。
- 图表集成复杂:整合 nivo charts 需要编写大量样板代码来处理数据映射和响应式布局,容易出错且调试困难。
- 协作流程割裂:生成的代码散落在本地文件夹,缺乏即时的版本控制和评审机制,团队成员难以同步查看或提出修改意见。
- 成本与门槛高:若依赖商业化的 AI 生成工具(如 v0.dev),不仅面临订阅费用,还难以根据团队特定的技术栈深度定制生成逻辑。
使用 dewhale 后
- 指令即代码:开发者只需在 GitHub Issue 中描述需求,dewhale 即可利用优化的 Prompt 工程自动生成包含 shadcn/ui 和 lucide 图标的完整页面代码。
- 开箱即用的图表:内置的 nivo charts 支持让复杂的数据可视化组件一键生成,自动处理数据格式适配,大幅降低实现难度。
- 原生 Git 协作:所有生成代码直接提交至 GitHub 仓库,天然具备版本历史、Code Review 和分支管理功能,团队成员可立即在 PR 中评论迭代。
- 灵活可控的成本:团队可根据需要精简 Prompt 中的组件指令或切换低成本模型,在保持生成质量的同时显著降低 API 调用开销。
dewhale 通过将 AI 生成能力无缝嵌入 GitHub 工作流,让开发者以极低的成本和零摩擦的体验,实现了从“想法”到“可协作代码”的即时转化。
运行环境要求
未说明
未说明

快速开始
我正在重写这个项目,它的 v2 版本将是一个通用的 GitHub 作为 MCP 托管平台的项目。如果你对它目前的功能感兴趣,请 fork 这个仓库并自行维护。感谢你的关注!
Dewhale
Dewhale 是一个基于 GitHub 的 AI 工具,旨在让开发工作更加轻松高效。
如果你在寻找 vx.dev,请查看我们的品牌重塑讨论。
快速开始
有关如何设置和使用 Dewhale 的详细说明,请参阅我们的指南。
借助我们的配额管理功能,我们允许给项目加星标的人士进行 3 次试用。
你也可以观看这个演示视频。
更多示例可以在议题列表中找到。
功能特性
更低的使用成本
Dewhale 在 GPT-4 模型的基础上运用提示工程技巧来发出指令。主要的成本取决于输入和完成的 token 数量。我们当前的提示模板位于 prompts/ui-gen.md,其中包含了针对 shadcn/ui、lucide 和 nivo charts 的指导说明。
如果你不需要某些组件(例如图表),可以通过从提示模板中移除相关指令来降低每次生成的 API 费用。
此外,你还可以切换到其他 AI 模型以进一步降低使用成本。
易于定制
由于 Dewhale 的提示模板是开源的,你可以参考现有的模板,并根据自己的需求替换为其他 UI 组件库或编码风格。
你也可以完全自定义整个工作流程,比如构建一个类似 v0.dev 的 Web 应用程序,仅将 Dewhale 的提示模板作为核心部分。
无缝集成 GitHub
生成的代码会存储在 GitHub 上,天然具备版本控制、代码审查和协作功能。
此外,你还可以使用私有仓库,使代码生成结果仅对协作者可见。
工作原理
要了解 Dewhale 的底层架构和工作原理,请参阅我们详细的架构概述。
加入讨论
如果你喜欢 Dewhale 的设计理念,欢迎加入我们的Github 讨论区。
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
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。
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
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。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。