AutoBE - 从原型到生产的 AI 后端构建工具

通过 AutoBE 的聊天界面，用自然语言描述你的后端需求。

AutoBE 将分析你的需求并为你构建后端应用。生成的后端应用完全兼容 AI 友好的编译器，并通过强大的端到端测试功能确保稳定性。

借助 AutoBE，你可以快速搭建第一个后端应用，随后使用 Claude Code 等 AI 编码助手进行维护和扩展，从而提升开发效率与系统稳定性。

AutoBE 会生成完整的规范说明、详尽的数据库与 API 文档、全面的测试覆盖率以保障稳定性，以及清晰的实现逻辑，既可作为初级开发者的学习基础，又能显著提高资深开发人员的工作效率。

请查看由 AutoBE 生成的这些完整后端应用示例：

https://github.com/user-attachments/assets/b995dd2a-23bd-43c9-96cb-96d5c805f19f

1. 待办事项列表：todo
2. Reddit 社区：reddit
3. 电子商务：shopping
4. ERP 系统：erp
   • 需求分析：报告
   • 数据库设计：实体关系图 / Prisma 模式
   • API 设计：API 控制器 / DTO 结构
   • 端到端测试函数：test/features/api
   • API 实现：src/providers

快速开始

git clone https://github.com/wrtnlabs/autobe --depth=1
cd autobe
pnpm install
pnpm run playground

要使用 AutoBE，请克隆仓库并在本地运行游乐场应用。这将允许你与 AutoBE 的 AI 代理进行对话、管理多个会话，并使用包括本地模型 qwen3.5-397b-a17b 在内的多种 LLM 提供商。

安装完成后，游乐场将在 http://localhost:5173 上可用。你可以通过聊天界面与 AutoBE 互动——只需简单描述你想构建的内容，AutoBE 就会为你生成后端应用。

以下是一个示例对话脚本，指导 AutoBE 创建一个“经济/政治讨论版”：

1. 需求分析：“我想创建一个经济/政治讨论版。由于我对编程不太熟悉，所以请按照你认为合适的方式撰写一份需求分析报告。”
2. 数据库设计：“设计数据库模式。”
3. API 规范：“创建 API 接口规范。”
4. 测试：“编写端到端测试函数。”
5. 实现：“实现 API 函数。”

游乐场包含一个回放功能，地址为 http://localhost:5173/replay/index.html，你可以在那里查看 AutoBE 开发团队在测试和基准测试中留下的聊天记录。

文档资源

更多详细资源请访问我们的官方网站。

🏠 首页

• 🙋🏻‍♂️ 简介
• 📦 设置
• 🔍 概念
  • 瀑布模型
  • 编译器策略
  • AI 函数调用

📖 功能

• 🤖 代理库
  • 门面控制器
  • 配置
  • 事件处理
  • 提示历史
• 📡 WebSocket 协议
  • 远程过程调用
  • NestJS 服务器
  • NodeJS 服务器
  • 客户端应用
• 🛠️ 后端技术栈
  • TypeScript
  • Prisma ORM
  • NestJS 框架

🔗 附录

• 🌐 无代码生态系统
• 📅 路线图
  • Alpha 版（已完成）
  • Beta 版（已完成）
  • Gamma 版（已完成）
  • Delta 版（正在进行中）
• 🔧 API 文档

AutoBE 的工作原理

flowchart
subgraph "后端编码代理"
  coder("Facade 控制器")
end
subgraph "功能代理"
  coder --"需求分析"--> analyze("分析")
  coder --"ERD"--> database("数据库")
  coder --"API 设计"--> interface("接口")
  coder --"测试代码" --> test("测试")
  coder --"主程序" --> realize("实现")
end
subgraph "编译器反馈"
  database --"验证" --> prismaCompiler("<a href="https://github.com/wrtnlabs/autobe/blob/main/packages/interface/src/database/AutoBeDatabase.ts" target="_blank">数据库编译器</a>")
  interface --"生成" --> openapiCompiler("<a href="https://github.com/wrtnlabs/autobe/blob/main/packages/interface/src/openapi/AutoBeOpenApi.ts" target="_blank">OpenAPI 编译器</a>")
  test --"分析" --> testCompiler("<a href="https://github.com/wrtnlabs/autobe/blob/main/packages/interface/src/test/AutoBeTest.ts" target="_blank">测试编译器</a>")
  realize --"编译" --> realizeCompiler("混合编译器")
end

AutoBE 遵循瀑布式方法论来生成后端应用，由 40 多个专业代理负责处理每个阶段。这些代理在整个开发过程中以协调一致的团队形式协同工作。

每个瀑布阶段都包含对 AI 友好的编译器，以确保生成代码的类型安全性。与直接生成代码不同，AutoBE 的代理首先使用预定义的模式构建语言中立的抽象语法树（AST）。在进行任何代码生成之前，每个 AST 节点都会根据类型规则进行验证，从而在概念层面而非编译阶段捕获结构性错误。

这种方法旨在确保最终生成的 TypeScript 和 Prisma 代码能够 100% 正常构建。根据我们对多个示例项目的测试结果，包括电子商务平台、讨论论坛和任务管理系统，AutoBE 在各种不同类型的应用中均能保持这一编译保证。

为了说明这一过程，以下是我们的“经济/政治讨论论坛”示例的各阶段输出：

1. 需求分析：报告
2. 数据库设计：实体关系图 / Prisma 模式
3. API 规范：API 控制器 / DTO 结构
4. 端到端测试函数：test/features/api
5. API 实现：src/providers

基准测试

AutoBE 包含一个自动化评估管道，可对 13 种以上的 LLM 模型和 4 种项目类型生成的后端进行评分。实时结果请访问 autobe.dev/benchmark。

该基准测试会评估编译正确性、文档质量、需求覆盖率、测试覆盖率、逻辑完整性、API 完整性以及 AI 代理分析（安全性、幻觉问题、代码质量）。每个模型的得分范围为 0–100 分，并按 A–F 等级划分。

模型	Todo	Reddit	购物	ERP	平均
glm-5	88 (B)	87 (B)	82 (B)	87 (B)	86
claude-sonnet-4.6	87 (B)	85 (B)	72 (C)	85 (B)	82
gpt-5.4-mini	89 (B)	87 (B)	74 (C)	78 (C)	82
qwen3-coder-next	86 (B)	76 (C)	75 (C)	88 (B)	81
qwen3.5-27b	88 (B)	81 (B)	77 (C)	78 (C)	81
minimax-m2.7	90 (A)	71 (C)	77 (C)	79 (C)	79
gpt-5.4	79 (C)	78 (C)	79 (C)	80 (B)	79

运行基准测试

# 执行所有模型（默认）
corepack pnpm estimate

# 仅运行单个模型
corepack pnpm estimate -- --model kimi-k2.5

# 仅运行单个项目
corepack pnpm estimate -- --project todo

# 同时指定模型和项目
corepack pnpm estimate -- --model glm-5 --project shopping

# 如果已全局安装 pnpm
pnpm estimate

报告将保存至以下路径：

packages/estimate/reports/benchmark/{model}/{project}/estimate-report.json

此外，您无需使用所有阶段——只需根据需求停留在任意阶段即可。无论您只需要需求分析、数据库设计、API 规范，还是端到端测试，AutoBE 都能适应您的工作流程。

另外，如果您因语言偏好而非工作流程需求而跳过完整流程，此功能目前正在开发中——AutoBE 的语言中立 AST 结构很快将支持除 TypeScript 之外的其他编程语言。

类型安全的客户端 SDK

每个由 AutoBE 生成的后端都会自动附带一个类型安全的客户端 SDK，使前端集成无缝且无误。该 SDK 提供：

• 零配置：SDK 与您的后端同时自动生成，无需手动设置
• 100% 类型安全：全面的 TypeScript 支持，具备自动补全和编译时验证功能
• 框架无关：适用于 React、Vue、Angular 或任何 TypeScript/JavaScript 项目
• 端到端测试集成：驱动 AI 生成的测试套件，实现全面的后端测试

import api, { IPost } from "autobe-generated-sdk";

// 类型安全的 API 调用，支持完整自动补全
const connection: api.IConnection = {
  host: "http://localhost:1234",
};
await api.functional.users.login(connection, {
  body: {
    email: "user@example.com",
    password: "secure-password",
  },
});

// TypeScript 在编译时捕获错误
const post: IPost = await api.functional.posts.create(connection, {
  body: {
    title: "Hello World",
    content: "我的第一篇帖子",
    // authorId: "123" <- 如果缺少此字段，TypeScript 会报错！
  },
});

该 SDK 消除了传统 API 集成中的痛点——不再需要手动定义类型，不会再出现运行时意外，也无需再查找 API 文档。您的前端开发人员可以专注于构建功能，而不是纠结于 API 协议。

超越前端集成：该 SDK 不仅支持前端开发，还用于生成端到端测试。AutoBE 内部同样使用这个类型安全的 SDK 来生成全面的测试套件，确保每个 API 端点都得到充分测试。这形成了一个强大的反馈回路，进一步提升后端的稳定性——AI 使用 SDK 编写测试，SDK 确保类型安全，而您的后端则随着每次生成的测试不断变得更加可靠。

路线图时间表

gantt
  dateFormat YYYY-MM-DD
  title AutoBE Delta 路线图时间线（2026年第一季度）

  section 本地 LLM 基准测试
  Qwen3 数据库阶段             : 已完成, 2026-01-01, 31天
  Qwen3 接口阶段            : 已完成, 2026-01-16, 31天
  Qwen3 测试阶段                 : 已完成, 2026-02-01, 21天
  Qwen3 实现阶段              : 已完成, 2026-02-01, 59天

  section 验证逻辑增强
  动态函数调用模式  : 已完成, 2026-01-01, 7天
  验证反馈字符串化    : 已完成, 2026-01-08, 12天
  JSON Schema 验证器            : 已完成, 2026-01-08, 12天
  模式审查验证逻辑   : 已完成, 2026-01-20, 35天
  测试映射计划优化    : 已完成, 2026-02-05, 24天
  实现映射计划优化 : 已完成, 2026-02-15, 45天

  section RAG 优化
  混合搜索（向量 + BM25）    : 已完成, 2026-01-01, 14天
  动态 K 检索              : 已完成, 2026-01-15, 14天
  RAG 初步提示               : 已完成, 2026-01-15, 28天
  RAG 基准测试与调优           : 已完成, 2026-02-01, 28天
  分析代理重构      : 已完成, 2026-02-01, 28天

  section 设计完整性
  数据库覆盖率代理                : 已完成, 2026-01-15, 28天
  API 端点覆盖率代理      : 已完成, 2026-01-22, 28天
  模式关系代理            : 已完成, 2026-02-01, 28天
  模式结构代理           : 已完成, 2026-02-01, 28天
  模式内容代理             : 已完成, 2026-03-01, 28天

  section 多语言支持
  Java 编译器 PoC                : 已完成,   2026-01-01, 30天
  Java 数据库                    : 已完成,   2026-01-01, 14天
  Java 接口                   : 已完成,   2026-01-15, 21天
  Java 测试                        : 进行中, 2026-02-05, 28天
  Java 实现                     : 进行中, 2026-03-01, 31天

  section 人工修改支持
  数据库模式解析器           : 进行中,  2026-02-15, 28天
  接口模式解析器          : 进行中,  2026-02-22, 28天
  需求同步代理          : 计划中, 2026-03-08, 24天

  section 其他事项
  系统提示简化     : 已完成,   2026-02-01, 28天
  估算代理                 : 已完成,   2026-02-01, 28天
  Playground 服务增强   : 进行中, 2026-02-15, 28天
  PR 文章撰写              : 进行中, 2026-02-15, 30天

AutoBE 已成功完成 Alpha、Beta 和 Gamma 开发阶段，以 100% 的编译成功率 奠定了坚实的基础。当前的 Delta 版本 专注于从横向扩展转向纵向深化。

战略转变：在 Gamma 阶段，我们秉持“尽快发布”的理念，快速实现了 RAG、模块化和补充等功能。而 Delta 版本则通过本地 LLM 基准测试系统性地发现并修复隐藏缺陷，填补了 Gamma 阶段遗留下来的稳定性空白。

重点方向：

• 本地 LLM 基准测试：以 Qwen3 等开源模型为基准，挖掘商业模型掩盖的隐藏缺陷，确保在各类模型上都能更稳健地运行。
• 验证逻辑增强：通过动态函数调用模式、JSON Schema 验证器以及渐进式验证流水线，强化模式和验证逻辑。
• RAG 优化：完成混合搜索系统（向量 + BM25），实现动态 K 检索，并进行全面的基准测试与调优。
• 设计完整性：构建机制，通过覆盖率和模式审查代理，验证并确保数据库与接口阶段之间的设计一致性。
• 多语言支持：推出 Java/Spring 代码生成功能，同时支持 TypeScript/NestJS；语言中立的 AST 结构也为未来添加更多语言奠定了基础。
• 人工修改支持：通过将用户修改后的代码解析回 AutoBE 的内部 AST 表示，确保维护工作的连续性，使 AutoBE 在初次生成后仍具实用性。

该路线图以 Gamma 阶段的实际生产经验为指导，优先考虑稳定性和深度，而非功能广度。

当前局限性

尽管 AutoBE 可实现 100% 的编译成功率，但仍存在以下局限性：

运行时行为：生成的应用程序虽然能够成功编译，但运行时行为可能需要进一步测试和调整。在服务器执行过程中，可能会出现意外的运行时错误，例如数据库连接问题、API 端点故障或编译阶段未捕获的业务逻辑异常。我们强烈建议在部署到生产环境之前，在开发环境中进行充分的测试。我们的 v1.0 版本旨在解决这些问题，实现 100% 的运行成功率。

设计解读：AutoBE 生成的数据库和 API 设计可能与您的预期有所不同。我们建议在继续实施之前，尤其是部署到生产环境之前，仔细审查生成的规范。

Token 消耗：对于复杂项目，AutoBE 需要消耗大量的 AI Token。根据我们的测试，项目通常会消耗 30M 至 250M+ Token，具体取决于复杂程度（简单的待办事项应用大约需要 4M Token，而复杂的电子商务平台可能需要 250M+ Token）。我们正在通过 RAG 优化来降低未来版本中的这一开销。

维护：AutoBE 侧重于初始生成，不提供持续的维护能力。一旦后端生成完毕，您需要手动处理 bug 修复、功能添加、性能优化和安全更新等工作。我们建议建立一种开发工作流，将生成的代码库与 Claude Code 等 AI 编码助手相结合，以高效地完成后续开发和维护任务。

许可证

AutoBE 根据 GNU Affero 通用公共许可证 v3.0 (AGPL-3.0) 授权。如果您对 AutoBE 本身进行修改，或将之作为网络服务提供，则必须以相同许可证公开您的源代码。

然而，由 AutoBE 生成的后端应用程序可以采用您选择的任何许可证进行再授权，例如 MIT 许可证。这意味着您可以自由地在商业项目中使用 AutoBE 生成的代码，而无需承担开源义务，这与其他代码生成工具的使用方式类似。

AutoBE 快速上手指南

AutoBE 是一款基于 AI 的后端构建工具，支持从原型设计到生产环境的全流程开发。只需通过自然语言描述需求，AutoBE 即可自动生成包含数据库设计、API 规范、E2E 测试及完整实现逻辑的后端应用。生成的代码具备 100% 可编译性，并内置类型安全的客户端 SDK。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Windows, macOS 或 Linux
• Node.js：建议安装最新 LTS 版本（推荐 v18+）
• 包管理器：必须安装 pnpm (AutoBE 官方推荐使用 pnpm)
  • 若未安装，可通过 npm 全局安装：npm install -g pnpm
• Git：用于克隆项目仓库

提示：国内开发者若遇到网络连接问题，建议配置国内镜像源加速依赖下载：

pnpm config set registry https://registry.npmmirror.com

安装步骤

通过以下命令克隆仓库并安装依赖，启动本地 Playground 应用：

git clone https://github.com/wrtnlabs/autobe --depth=1
cd autobe
pnpm install
pnpm run playground

安装完成后，Playground 服务将运行在 http://localhost:5173。

基本使用

启动服务后，在浏览器打开 http://localhost:5173，您将看到聊天界面。AutoBE 采用瀑布流开发模式，建议您按以下步骤通过对话引导 AI 完成后端构建：

1. 创建会话并描述需求

在聊天框中输入您的项目构想。例如，创建一个“经济/政治讨论区”：

"I want to create an economic/political discussion board. Since I'm not familiar with programming, please write a requirements analysis report as you see fit." (我想创建一个经济/政治讨论板。由于我不熟悉编程，请酌情撰写一份需求分析报告。)

2. 分阶段构建

根据 AutoBE 的反馈，依次发送以下指令以推进开发流程：

• 数据库设计：

  "Design the database schema."

• API 规范定义：

  "Create the API interface specification."

• 生成测试用例：

  "Make the e2e test functions."

• 实现业务逻辑：

  "Implement API functions."

3. 获取成果

AutoBE 将在后台协调多个专用 Agent 完成上述任务，并通过编译器验证每一步的类型安全。完成后，您可以在左侧文件树中查看生成的完整项目结构，包括：

• 需求分析报告
• Prisma 数据库 Schema
• NestJS 控制器与 DTO 结构
• E2E 测试代码
• 完整的 API 实现逻辑

生成的后端项目默认包含类型安全的 Client SDK，可直接在前端项目中引用，实现零配置的无缝集成。