onlook
Onlook 是一款专为设计师打造的开源 AI 优先设计工具,被誉为“设计师版的 Cursor”。它旨在打破设计与开发之间的壁垒,让用户能够以可视化的方式直接构建、样式化和编辑 React 应用。通过 Onlook,用户无需深入编写复杂代码,即可在类似 Figma 的直观界面中完成网页原型的搭建与调整,并实时预览最终效果。
这款工具主要解决了传统工作流中设计稿到代码转换效率低、沟通成本高的问题。以往,设计师使用 Figma 等工具完成设计后,需要开发人员手动将其转化为代码,过程繁琐且容易出错。Onlook 允许用户直接在浏览器 DOM 中进行可视化编辑,底层自动生成基于 Next.js 和 TailwindCSS 的高质量代码,实现了“所见即所得”的开发体验。它不仅支持从文本或图像快速生成应用,还具备分支管理、资源管理及一键部署等功能,极大地简化了从创意到成品的流程。
Onlook 特别适合前端开发者、UI/UX 设计师以及希望快速验证产品创意的独立开发者使用。对于设计师而言,它降低了参与前端开发的门槛;对于开发者来说,它提供了一个高效的视觉化调试和原型构建环境。其核心技术亮点在于将可视化编辑器与实时代码同步相结合,既保留了图形界面的易用性,又确保了代码的可维护性和专业性。目前该项目仍在积极开发中,作为一个开源替代品,它为寻求比 Bolt.new 或 V0 更灵活、可控的用户提供了新的选择。
使用场景
某初创公司的 UI 设计师需要独立搭建一个营销活动落地页,要求基于 Next.js 和 Tailwind CSS 技术栈,且必须保证设计稿与最终代码的高度一致。
没有 onlook 时
- 沟通损耗巨大:设计师在 Figma 中完成视觉稿后,需编写冗长的标注文档交给前端开发,双方常因间距、色值等细节理解偏差导致反复返工。
- 实现效果失真:传统“设计转代码”流程中,开发者手动编写 CSS 往往难以完美还原复杂的交互状态和响应式布局,最终页面与设计稿存在明显“像素级”差距。
- 修改门槛极高:若设计师想微调按钮圆角或调整板块顺序,必须等待开发人员修改代码并重新部署,一个简单的视觉调整可能耗时数小时甚至数天。
- 技术断层明显:设计师不懂 React 组件结构,无法直接干预代码逻辑,只能被动等待开发排期,严重拖慢产品迭代速度。
使用 onlook 后
- 可视化直接编辑:设计师直接在浏览器中通过类 Figma 的界面操作 DOM 元素,实时调整样式和布局,onlook 自动同步生成标准的 Tailwind CSS 代码,无需中间传话。
- 所见即所得:在可视界面中进行的每一次拖拽或参数修改,都能即时预览真实运行效果,确保最终交付的代码与设计意图完全一致,消除还原度焦虑。
- 即时迭代反馈:设计师可自主完成文案替换、图片更换及样式微调,利用分支功能大胆尝试不同设计方案,确认无误后直接保存,将修改周期从“天”缩短至“分钟”。
- 低代码无缝协作:onlook 生成的代码符合工程规范,开发人员可直接接管后续逻辑开发,设计师也能通过理解组件结构更好地配合开发,打破职能壁垒。
onlook 让设计师拥有直接操控代码的能力,将传统的“设计-开发”串行工作流转变为高效的并行协作,极大提升了前端原型的构建速度与质量。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
Onlook
设计师的光标
探索文档 »
👨💻👩💻👨💻 我们在旧金山招聘工程师! 👩💻👨💻👩💻
观看演示 · 报告 Bug · 请求功能
中文 | Español | Deutsch | français | Português | Русский | 日本語 | 한국어
一款开源、以视觉为主的代码编辑器
在 Next.js + TailwindCSS 中利用 AI 打造网站、原型和设计。通过可视化编辑器直接在浏览器 DOM 中进行编辑。实时设计,同时生成代码。它是 Bolt.new、Lovable、V0、Replit Agent、Figma Make、Webflow 等工具的开源替代方案。
🚧 🚧 🚧 Onlook 仍在开发中 🚧 🚧 🚧
我们正在积极寻找贡献者,共同打造 Onlook for Web 这一从提示到构建的卓越体验。请查看 开放议题,了解所有拟议功能(以及已知问题),并加入我们的 Discord,与数百位其他开发者协作。
使用 Onlook 可以做什么:
- 几秒钟内创建 Next.js 应用程序
- 从文本或图片开始
- 使用预建模板
- 从 Figma 导入
- 从 GitHub 仓库导入
- 向 GitHub 仓库提交 PR
- 可视化编辑您的应用程序
- 使用类似 Figma 的界面
- 实时预览您的应用
- 管理品牌资产和样式变量
- 创建并导航页面
- 浏览图层
- 管理项目图片
- 检测并使用组件——此前已在 Onlook Desktop 中实现_
- 拖放组件面板
- 使用分支功能尝试不同的设计方案
- 开发工具
- 实时代码编辑器
- 从检查点保存和恢复
- 通过 CLI 运行命令
- 与应用市场连接
- 几秒钟内部署您的应用
- 生成可分享的链接
- 绑定自定义域名
- 与团队协作
- 实时编辑
- 发表评论
- 高级 AI 功能
- 一次排队发送多条消息
- 将图片用作参考和项目资产
- 在项目中设置和使用 MCP
- 允许 Onlook 自身作为工具调用来创建分支和迭代
- 高级项目支持
- 支持非 NextJS 项目
- 支持非 Tailwind 项目

开始使用
使用方法
Onlook 可以运行在任何 Next.js + TailwindCSS 项目上,您可以将现有项目导入 Onlook,也可以在编辑器中从头开始。
使用 AI 聊天来创建或编辑您正在处理的项目。任何时候,您都可以右键单击某个元素,直接打开该元素在代码中的位置。
通过拖放方式绘制新的 div 并在父容器内重新排列它们。
将代码与您的站点设计并排预览。
使用 Onlook 的编辑器工具栏调整 Tailwind 样式、直接操作对象,并尝试不同的布局。
文档
如需完整文档,请访问 docs.onlook.com。
如需了解如何贡献,请参阅我们的文档中的 参与 Onlook 部分。
工作原理
- 当您创建应用时,我们会将代码加载到一个 Web 容器中。
- 容器运行并提供代码服务。
- 我们的编辑器接收预览链接并在 iFrame 中显示。
- 编辑器会读取并索引容器中的代码。
- 我们会对代码进行插桩,以便将元素映射回其在代码中的位置。
- 当元素被编辑时,我们会在 iFrame 中先编辑该元素,然后再更新代码。
- 我们的 AI 聊天也具有代码访问权限,并拥有理解和编辑代码的工具。
从理论上讲,这种架构可以扩展到任何以声明式方式渲染 DOM 元素的语言或框架(例如 jsx/tsx/html)。目前,我们专注于使其与 Next.js 和 TailwindCSS 良好配合。
有关完整说明,请参阅我们的 架构文档。
我们的技术栈
前端
- Next.js - 全栈框架
- TailwindCSS - 样式工具
- tRPC - 服务器接口
数据库
人工智能
- AI SDK - 大语言模型客户端
- OpenRouter - 大语言模型提供商
- Morph Fast Apply - 快速申请模型提供商
- Relace - 快速申请模型提供商
沙盒与托管
- CodeSandboxSDK - 开发沙盒
- Freestyle - 托管服务
运行时
贡献

如果你有任何改进建议,欢迎 fork 本仓库并提交 pull request。你也可以直接提交 issue。
请参阅 CONTRIBUTING.md,了解贡献指南和行为准则。
贡献者
联系方式

- 团队:Discord - Twitter - LinkedIn - 电子邮件
- 项目: https://github.com/onlook-dev/onlook
- 官网:https://onlook.com
许可证
本项目采用 Apache 2.0 许可证进行分发。更多信息请参阅 LICENSE.md。
版本历史
v0.2.322025/07/17v0.2.312025/07/17v0.2.292025/04/24v0.2.282025/04/14v0.2.272025/04/12v0.2.262025/04/09v0.2.252025/04/05v0.2.242025/03/31v0.2.232025/03/31v0.2.222025/03/29v0.2.212025/03/25v0.2.20-linux2025/03/24v0.2.202025/03/22v0.2.192025/03/22v0.2.182025/03/20v0.2.172025/03/18v0.2.162025/03/17v0.2.152025/03/15v0.2.142025/03/14v0.2.132025/03/12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。
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。
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。
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。
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。