AI在线 AI在线

中国首个AI开源后端平台,让前端开发彻底“自给自足”了!

AI 只写一半应用这几年,AI Coding 工具的发展实在是太快了,你随便丢给它一个复杂的需求,它就能迅速拆分成一个个任务,生成漂亮的界面,着实是让人震惊不已。 但是深入观察一下就会发现,那只是“一半的应用”:只有前端代码,没有后端,界面漂亮,数据却是假的。 原因很简单,后端要涉及数据库、API、服务器等复杂环境,要想让AI完全自动生成、集成、部署,难度极高。

AI 只写一半应用

这几年,AI Coding 工具的发展实在是太快了,你随便丢给它一个复杂的需求,它就能迅速拆分成一个个任务,生成漂亮的界面,着实是让人震惊不已。

但是深入观察一下就会发现,那只是“一半的应用”:

只有前端代码,没有后端,界面漂亮,数据却是假的。

原因很简单,后端要涉及数据库、API、服务器等复杂环境,要想让AI完全自动生成、集成、部署,难度极高。

这不能不说是个巨大的缺憾!

最近,一家来自北京的科技公司:跨赴科技,推出了国内首个AI 原生后端即服务(Backend-as-a-Service)平台:AipexBase。

这个平台,补上了AI编程的那一半。

它的理念非常简单:让AI不仅能写“前端”,还能“直接拥有完整的后端”。

借助 AipexBase,前端开发者在 Cursor、Trae 等 AI IDE 里,就能一键创建可运行的完整应用,无需再单独搭后端环境,也不用手动创建数据库,这一切都由AipexBase SDK + MCP Server自动搞定。

BaaS的进化:从 Supabase 到 AipexBase

说起后端即服务(BaaS),很多人都不陌生,例如Supbase就是一个通用型BaaS平台,它提供了常见的后端功能,比如身份验证、数据库管理、文件存储和推送通知。

在 Supabase 上,你可以定义数据库表,然后前端直接用 JavaScript 实现增删改查。

看起来很方便,但问题是:你依然得手动去建表、写配置、做集成,这依然是一件麻烦事儿。

即使有了BaaS,应用想真正跑起来,依然离不开“人工介入”。

而 AipexBase 的创新点在于,它把这些过程也自动化了。

它能根据 AI 生成的应用逻辑,自动完成这些事情:

1.自动识别并设计数据结构

2.自动创建对应的数据库表

3.自动生成数据库访问代码(CRUD)

AipexBase是如何做到呢? 我们用个博客系统的例子来看一下。

准备工作

首先,我们得到AipexBase上去创建一个应用。

图片图片

然后创建一个API Key ,这个东西非常重要,在配置MCP Server时要用,复制下来。

图片图片

剩下的就不用管了,虽然可以在这里手工去建表,但是作为一个前端开发,最好还是把这些事情丢给AI去干。

找一个你顺手的AI Coding工具(我用的是TRAE),把MCP Server给配上。

图片图片

红框中的token就是上一步保存的api key。

你的IDE会通过这个MCP Server去和AipexBase平台进行交互,执行生成数据库表,访问数据库等操作。

图片图片

当然你也可以根据自己的喜好,把MCP Server进一步封装成智能体,把它叫做“软件研发专家”,“全栈开发专家”,都可以。

自动创建数据库表

接下来我们就可以和它交互,创建一个博客应用了:

图片图片

这没什么新奇的,各个AI Coding工具大同小异。

关键点很快来了,TRAE开始自动创建数据库表:包括用户表、博客文章表和评论表。

它会找到我们之前配置的AipexBase MCP Server,自动地到AiPexBase那里把数据库给创建起来。

图片图片

到AiPexBase平台去验证一下,果然,三张表已经自动创建起来了:

图片图片

你看,我们再也不用哼哧哼哧地在BaaS平台上一个字段一个字段地输入了,这才是AI应该给程序员带来的好处。

自动生成数据库访问代码

数据库表都生成了,再自动生成相关的CRUD代码自然不在话下。

这段代码是使用AiPexBase的SDK创建了一个客户端,后续可以使用。

复制

获取博客列表:

复制

获取单篇博客:

复制

添加一条评论:

复制

具体的含义一目了然,语法非常简单,我这里不再啰嗦了,想查看细节的可以看看AppexBase的说明手册:

https://vvx03gck2p.feishu.cn/docx/LSsLdYZQfoAo3zxTkwrcJuGVnC3

值得注意的是,前端开发不用再等待后端提供接口,AI Coding 工具通过MCP Server调用可以知道有哪些表,表中有什么字段,具体如何使用,然后把代码安排得明明白白。

AipexBase通过自动生成数据库访问代码,可以说是极大地降低了前端开发的工作量。

运行起来

其他的功能我就不再展示了,把它跑起来是这样的:

图片图片

这是一个完整的应用,从前端到后端,完全跑通了。

没有假数据,博客文章数据都是从AipexBase的数据库中来的。

图片图片

更懂中国开发者的BaaS

应用开发不仅仅需要数据库的支持,还需要和很多第三方服务进行集成。

比如那个博客系统,我想在发表一篇博客以后,自动把它也发到飞书群、钉钉群里去,广而告之,让大家都看一下。

但是像Supabase主要对接国际生态,对本地的飞书、钉钉、企业微信、鸿蒙支持得并不太好。

AipexBase是国内团队开发的,它更懂中国的开发者,可以轻松地在AipexBase 平台集成第三方服务。

我们拿一个飞书群试一下,先在里边创建了一个机器人:

图片图片

然后我到AipexBase平台去添加一个第三方服务:

图片图片

回到TRAE的界面,告诉它:创建博客以后,需要自动把标题和链接发到飞书群。

TRAE在执行过程中,先通过MCP Server查询第三方服务,很快它就找到了刚刚创建的feishubot,以及两个参数:blog_title,blog_link。

图片图片

然后TRAE找到相关文件,自动修改代码:

图片图片

复制

从上面自动生成的代码可以看出,它调用了刚刚创建的第三方服务feishubot,并且按照正确的格式把博客标题和链接传递过去。

整个过程不需要程序员的介入,完全自动完成。

最终,在飞书群中看到了这样的效果:

图片图片

总结

作为国内首个AI 原生后端即服务(Backend-as-a-Service)平台,AipexBase在AI编程的世界里,补上了一块缺失已久的拼图。

过去几年,AI一直在努力“写出前端”,AipexBase的到来,把后端也拉入了AI领域,让AI能一口气从前端“杀到”后端,连数据库/API都自动搞定,第一次具备了构建真正可运行应用的能力。

这不仅是技术上的进步,更像是开发方式的一次“换代”,之前是前端等后端,后端配接口,然后联调,而现在,AI + AipexBase,直接让开发变成“一人就能干全栈”的事,AI Coding真正闭环了。

近日,AipexBase已经在gitee上开源:

https://gitee.com/kuafuai/aipexbase。

开源版本实现了本地的私有化部署,建议大家都去尝试一下,感受一下国产的AI原生BaaS给编程带来的震撼,也欢迎大家给AipexBase贡献代码,一起壮大国产开源生态。

中国首个AI开源后端平台,让前端开发彻底“自给自足”了!

相关资讯

微软开源Markdown工具爆了:支持Office文档,可接多模态LLM直出报告

微软官方开源了一款文件格式转换工具——MarkItDown! 它不仅可以将常见的Office文档(Word、PowerPoint、Excel)、PDF、图像、音频等转换为对大模型更友好的Markdown格式。 而且还支持集成像GPT-4o这样的多模态LLM,可以直接对图片、音频文件进行更高级的处理,比如快速输出商业报告。
1/20/2025 1:10:22 PM
量子位

微软等开源AIOpsLab,可构建自主云AI Agent

微软、加州大学伯克利分校、伊利诺伊大学等研究人员联合开源了,一个专用于云自动化运维的AI Agents——AIOpsLab。 AIOpsLab能模拟真实云服务环境中的复杂操作任务,实现故障的自动化检测、定位和解决问题。 还具备高度的可观测性,能够收集和分析关键的遥测数据,确保对系统状态和应用环境的深入洞察。
1/27/2025 9:51:24 AM
AIGC开放社区

DeepSeek开源Janus-Pro-7B:多模态AI模型性能超越DALL-E 3 和 Stable Diffusion 3!

中国人工智能公司 DeepSeek 的 R1“推理”人工智能已经引起了广泛关注,位居应用商店排行榜首位并改变了股市。 随后DeepSeek又宣布开源新一代多模态模型Janus-Pro-7B,该模型在图像生成、视觉问答等任务中全面超越 OpenAI 的 DALL-E 3 和 Stable Diffusion 3,并以“理解-生成双路径”架构和极简部署方案引发AI社区轰动。 性能表现:小模型吊打行业巨头Janus-Pro-7B虽仅有70亿参数(约为GPT-4的1/25),却在关键测试中碾压对手:文生图质量:在GenEval测试中以80%准确率击败DALL-E 3(67%)和Stable Diffusion 3(74%)复杂指令理解:在DPG-Bench测试中达84.19%准确率,能精准生成如“山脚下有蓝色湖泊的雪山”等复杂场景多模态问答:视觉问答准确率超越GPT-4V,MMBench测试得分79.2分接近专业分析模型技术突破:像“双面神”分工协作传统模型让同一套视觉编码器既理解图片又生成图片,如同让厨师同时设计菜单和炒菜。
2/7/2025 11:00:00 AM
AIGC Studio
  • 1