目前AI零代码生成平台做到第五期。前几期总结： 1、该项目可以看作是AI智能体项目的扩展，将AI智能体项目中所涉及的AI的特性，在完整的项目中运用。 2、用户模块和云图库基本一致，所以这一块直接复制代码，不再重新开发，区别在于持久层从mp换成了mf，但是差别不大。本项目的前端部分，大部分都是利用AI生成的，这里也体现出了提示词的重要性，会向AI提问和不会提问，差别很大。如果不使用AI生成，完全手写前端页面，对于我来说比较有难度，花费的时间相对也会比较长，尤其是sse对接的部分。 3、本项目中运用的AI框架是langchain4j，和spring ai在语法上有区别，但是特性上相差不大。项目中使用代理(AiServices.builder) + 注解(@SystemMessage) 的方式，调用AI大模型(deepseek)，同时将提示词专门保存到了配置文件中统一管理 4、AI生成前端代码，本质上是利用给AI预设提示词，然后用户输入需求，即可生成对应的页面代码，支持单文件（html格式）和多文件（html，js，css）两种模式，生成的效果，一方面取决于大模型的质量，另一方面和提示词也有关系，所以如何编写专业的提示词非常重要。 5、生成的代码文件，暂时是保存在了本地目录下，针对不同文件的解析和保存方式，利用了模板 + 执行器 + 策略 + 门面模式进行抽象优化 6、为了在前端页面模仿出打字机的效果，后端和上一个项目相同，同样是返回SSE格式的响应。这里在返回时，考虑到AI生成内容中的空格，做了特殊处理，转成了json格式再进行返回。 7、在业务设计上，采用了appId进行区分，相当于聊天室的messageId，后续也会通过该字段进行对话记忆的隔离。 8、生成的应用支持用户在页面上预览和部署，预览采用的是spring boot 访问静态资源服务的接口，部署则是利用nginx进行代理，将用户带有deployKey的请求，代理到项目部署根目录下。项目部署的目录，和保存代码的目录也是分离的。在部署时，是将保存代码目录中的内容，复制到部署目录下，并且要对应一个deployKey