Skip to content

ynwelc/AutoCode-Nexus

BranchesTags

Repository files navigation

AutoCode Nexus

一个由 LangGraph4j 驱动的 AI 代码生成工作流平台，实现从需求到可部署应用的全链路自动化

Java 21 Spring Boot 3.2 LangChain4j LangGraph4j Vue 3 Vite

📦 项目基本信息与痛点分析

项目定位

AI Code Zero 是一个由 LangGraph4j 驱动的 AI 代码生成工作流平台，实现从需求到可部署应用的全链路自动化。

核心价值：

  1. 解决 AI 代码生成的质量闭环问题：传统 AI 代码生成工具输出的代码往往存在语法错误、逻辑缺陷，本项目通过 AI 质检 + 自动修复 机制，确保生成代码的可用性
  2. 多模态资源整合：自动收集和整合图片、图标、架构图等资源，让生成的项目直接具备完整的视觉呈现能力
  3. 全链路自动化：从用户输入需求描述，到代码生成、质量检查、项目构建，形成完整的自动化工作流
  4. 单体 + 微服务双架构支持：项目同时提供单体应用（src/）和微服务拆分版本（ai-code-zero-microservice/），便于学习和生产部署

适合学习场景：

  • ✅ 想学习如何将 AI 能力集成到企业级后端系统
  • ✅ 想了解 LangChain4j/LangGraph4j 在实际项目中的应用
  • ✅ 想掌握单体应用到微服务架构的演进思路
  • ✅ 想参考完整的全栈 AI 应用项目结构

核心应用场景

场景 描述
快速原型开发 输入需求描述，一键生成可运行的 Vue 项目
前端页面生成 根据业务描述生成 HTML/CSS/JS 代码
多文件项目构建 自动生成完整的多文件项目结构
代码质量保障 AI 驱动的代码质量检查与自动修复

✨ 核心功能与亮点

1. 智能代码生成引擎

支持三种生成模式：

  • HTML 代码生成：快速生成单页面 HTML 代码
  • 多文件代码生成：生成 HTML/CSS/JS 分离的项目结构
  • Vue 项目生成：完整的 Vue3 + TypeScript 项目骨架

技术实现亮点：

  • 使用 LangChain4j 的声明式 AI Service 定义，通过 @SystemMessage 注解注入系统提示词
  • 流式响应支持，通过 TokenStream 和 Flux<String> 实现实时代码输出
  • 适配器模式统一处理不同类型的流式响应，确保前端接收格式一致

2. LangGraph4j 工作流编排

工作流节点设计：

flowchart TD
    subgraph 代码生成工作流
        START([START]) --> ImageCollector
        ImageCollector --> PromptEnhancer
        PromptEnhancer --> Router
        Router --> CodeGenerator
        CodeGenerator --> CodeQualityCheck
        CodeQualityCheck -->|build| ProjectBuilder
        CodeQualityCheck -->|skip_build| END1([END])
        CodeQualityCheck -->|fail| CodeGenerator
        ProjectBuilder --> END2([END])
    end
Loading

核心节点职责：

  • ImageCollectorNode：并发收集内容图片、插画、架构图、Logo 资源
  • PromptEnhancerNode：基于收集的资源增强原始提示词
  • RouterNode：智能路由到对应的代码生成器
  • CodeGeneratorNode：调用 AI 生成代码并保存
  • CodeQualityCheckNode：AI 驱动的代码质量检查
  • ProjectBuilderNode：Vue 项目构建与打包

3. AI 代码质量闭环

质检流程：

  1. 遍历生成目录下所有代码文件（.html, .css, .js, .vue, .ts）
  2. 拼接代码内容发送给 AI 进行质量分析
  3. 根据质检结果自动路由：
    • ✅ 通过 → 继续构建或结束
    • ❌ 失败 → 携带错误信息重新生成

质量检查维度：

  • 语法正确性
  • 代码规范
  • 逻辑完整性
  • 安全性检查

4. 并发图片资源收集

多源图片采集策略：

  • 内容图片：通过搜索 API 获取相关图片资源
  • 插画资源：调用 Undraw API 获取矢量插画
  • 架构图：使用 Mermaid 语法生成流程图
  • Logo：AI 生成品牌 Logo

并发优化：

  • 使用 CompletableFuture.supplyAsync() 并行执行多个图片收集任务
  • 通过 CompletableFuture.allOf() 等待所有任务完成
  • 异常隔离：单个任务失败不影响其他任务

5. 流式响应与实时交互

SSE 实时推送：

  • 使用 Flux<ServerSentEvent<String>> 实现服务端事件推送
  • 前端根据事件类型（data/done）判断生成进度和完成状态
  • 支持工具调用信息的实时传递（ToolRequestMessage/ToolExecutedMessage）

6. 单体与微服务双架构设计

项目架构演进：

flowchart TB
    subgraph 单体架构 src/
        A[AutoCode Nexus Monolith]
    end
    
    subgraph 微服务架构 ai-code-zero-microservice/
        B[ai-code-ai]
        C[ai-code-app]
        D[ai-code-user]
        E[ai-code-screenshot]
        F[ai-code-common]
        G[ai-code-model]
        H[ai-code-client]
    end
    
    A -->|演进| B
    A -->|演进| C
    A -->|演进| D
    A -->|演进| E
    A -->|抽取| F
    A -->|抽取| G
    A -->|抽取| H
Loading

微服务模块职责：

模块 职责 说明
ai-code-ai AI 核心能力层 LangChain4j 配置、模型服务、工具调用
ai-code-app 应用业务层 代码生成业务、项目构建、部署管理
ai-code-user 用户服务层 用户认证、权限管理
ai-code-screenshot 截图服务层 网页截图、预览生成
ai-code-common 公共组件层 工具类、异常处理、配置
ai-code-model 数据模型层 实体类、DTO、VO
ai-code-client 内部调用层 微服务间通信客户端

架构设计亮点：

  • 关注点分离：AI 能力、业务逻辑、基础设施解耦
  • 独立扩展：各服务可独立部署、弹性伸缩
  • 故障隔离：单一服务故障不影响整体系统
  • 渐进式演进：保留单体版本，便于学习和小型部署

🛠️ 全栈技术栈总览

Backend:

  • 框架: Spring Boot 3.2.x
  • 语言: Java 21 (LTS)
  • AI 框架: LangChain4j 0.34 + LangGraph4j 0.13
  • ORM: MyBatis Flex
  • 数据库: MySQL 8.0 + Redis 7.0
  • 缓存: Spring Cache + Redis
  • 限流: Redisson Rate Limiter

Frontend:

  • 框架: Vue 3.5 + TypeScript
  • 构建工具: Vite 7.0
  • UI 组件: Ant Design Vue 4.2
  • 状态管理: Pinia
  • 路由: Vue Router 4.5
  • 代码高亮: highlight.js

监控与 DevOps:

  • 指标采集: Prometheus
  • 可视化: Grafana
  • API 文档: Knife4j

📡 核心业务流程设计

流程一：AI 代码生成主流程

sequenceDiagram
    participant User as 用户
    participant Frontend as 前端
    participant AppController as AppController
    participant AppService as AppService
    participant Facade as AiCodeGeneratorFacade
    participant GenService as AiCodeGeneratorService
    participant Parser as CodeParserExecutor
    participant Saver as CodeFileSaverExecutor

    User->>Frontend: 请求生成代码(message, appId)
    Frontend->>AppController: GET /api/app/chat/gen/code
    AppController->>AppService: chatToGenCode(appId, message, user)
    AppService->>Facade: generateAndSaveCodeStream(message, type, appId)
    
    alt HTML/MULTI_FILE 类型
        Facade->>GenService: generateHtmlCodeStream(message)
        GenService-->>Facade: Flux<String>
        Facade->>Parser: executeParser(code, type)
        Parser-->>Facade: parsedResult
        Facade->>Saver: executeSaver(result, type, appId)
        Saver-->>Facade: savedDir
    else VUE_PROJECT 类型
        Facade->>GenService: generateVueProjectCodeStream(appId, message)
        GenService-->>Facade: TokenStream
        Note over Facade: 适配器模式转换为 Flux<String>
    end
    
    Facade-->>AppService: Flux<String>
    AppService-->>AppController: Flux<String>
    AppController-->>Frontend: SSE Stream (ServerSentEvent)
    Frontend-->>User: 实时代码输出
Loading

流程二：LangGraph4j 工作流执行

sequenceDiagram
    participant Client as 客户端
    participant Workflow as CodeGenWorkflow
    participant ImageNode as ImageCollectorNode
    participant PromptNode as PromptEnhancerNode
    participant RouterNode as RouterNode
    participant GenNode as CodeGeneratorNode
    participant QCNode as CodeQualityCheckNode
    participant BuilderNode as ProjectBuilderNode

    Client->>Workflow: executeWorkflow(originalPrompt)
    Workflow->>Workflow: createWorkflow()

    Workflow->>ImageNode: execute()
    ImageNode->>ImageNode: 并发收集图片资源
    ImageNode-->>Workflow: context(imageList)

    Workflow->>PromptNode: execute()
    PromptNode-->>Workflow: context(enhancedPrompt)

    Workflow->>RouterNode: execute()
    RouterNode-->>Workflow: context(generationType)

    loop 代码生成-质检循环
        Workflow->>GenNode: execute()
        GenNode->>GenNode: 调用 AI 生成代码
        GenNode-->>Workflow: context(generatedCodeDir)

        Workflow->>QCNode: execute()
        QCNode->>QCNode: AI 代码质量检查
        QCNode-->>Workflow: context(qualityResult)

        alt 质检通过
            Workflow->>Workflow: 跳出循环
        else 质检失败
            Note over Workflow: 携带错误信息重新生成
        end
    end

    alt 需要构建
        Workflow->>BuilderNode: execute()
        BuilderNode->>BuilderNode: npm install && npm run build
        BuilderNode-->>Workflow: context(buildResultDir)
    end

    Workflow-->>Client: finalContext
Loading

🚀 快速本地运行

环境准备

  1. JDK 21 - 下载
  2. MySQL 8.0+ - 创建数据库 ai_code_zero
  3. Redis 7.0+ - 启用默认配置
  4. Node.js 22+ - 前端构建依赖

配置步骤

1. 数据库初始化

CREATE DATABASE IF NOT EXISTS ai_code_zero DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

2. 修改配置文件

编辑 src/main/resources/application.yml：

spring:
  datasource:
    url: jdbc:mysql://localhost:3306/ai_code_zero
    username: root
    password: your_password
  data:
    redis:
      host: localhost
      port: 6379

3. 启动后端服务

cd ai-code-zero
mvn spring-boot:run

4. 启动前端服务

cd ai-code-frontend
npm install
npm run dev

访问地址

🔒 安全与性能指标

安全特性

  • JWT 认证: 通过拦截器实现无状态用户认证
  • 权限控制: @AuthCheck 注解实现细粒度角色校验
  • 参数校验: ThrowUtils.throwIf() 统一参数校验入口
  • 防注入: MyBatis Flex 预编译语句自动防 SQL 注入

性能优化

  • 流式响应: SSE 实时推送，避免大文件等待
  • Redis 缓存: 精选应用列表使用 @Cacheable 注解缓存
  • 请求限流: @RateLimit 注解限制单用户请求频率（5次/分钟）
  • 并发处理: 图片收集使用 CompletableFuture 并行执行

🌟 项目亮点总结

技术含金量：

  • ✅ LangGraph4j 工作流编排：实现 AI 代码生成的完整生命周期管理
  • ✅ AI 代码质量闭环：自动质检 + 失败重试机制，确保代码可用性
  • ✅ 多模态资源整合：并发收集图片、插画、架构图、Logo 等资源
  • ✅ 流式响应设计：SSE 实时推送，提升用户体验
  • ✅ 单体 + 微服务双架构：同一项目展示两种架构模式，便于学习对比

工程实践：

  • ✅ 统一异常处理：全局异常拦截，统一错误响应格式
  • ✅ 请求限流：Redisson 分布式限流，防止接口滥用
  • ✅ Redis 缓存：热点数据缓存优化，提升响应速度
  • ✅ 参数校验：统一校验入口，保证数据完整性
  • ✅ API 文档：Knife4j 自动生成接口文档

学习价值：

  • ✅ 完整的全栈 AI 应用示例
  • ✅ 企业级后端架构设计
  • ✅ AI Agent 工作流实现
  • ✅ 从单体到微服务的演进路径

如果这个项目对你有帮助，请给个支持的 star！谢谢 ⭐️

About

🔮👨‍💻✨💡 An AI code generation workflow platform powered by LangGraph4j, enabling end-to-end automation from requirements to deployable applications.

Topics

agent workflow automation microservices developer-tools ai-code-generation langchain4j langgraph

Resources

Readme
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages