Download do oneShotCodeGen - oneShotCodeGen Download de código fonte

oneShotCodeGen

Código-Fonte de IA

1.0.0

Baixar

CLI do gerador de aplicativos

Uma ferramenta de interface da linha de comando para gerar aplicativos de pilha completa com o React Admin Frontend e Supabase Backend.

Atualizações

2025-01-27 (DocUsign + Web Version):
- Adicionado Integração do Docusign
- Versão da web adicionada hospedada no vercel com código aqui: https://github.com/vivek100/webverion1
- Adicionado funções de vercel para back -end para chamadas do OpenAI e Integração Docusign
2024-01-24 (Integração Docker e Nginx):
- Adicionado opções de implantação do Docker e Nginx para fluxos de criação e edição
- Suporte para implantação de contêiner com proxy reverso nginx opcional
- Gerenciamento automático de portas e configuração de contêiner
- Processo de implantação simplificado com configuração de comando único
2024-01-16 (Fluxo de edição):
- Introduziu estratégias de atualização inteligente para modificar os aplicativos existentes
- Adicionado suporte de versão para atualizações de aplicativos
- Suporta duas abordagens principais de atualização:
  - Regeneração completa: reconstrução completa ao preservar a funcionalidade principal
  - Usar atualização do caso: modificações direcionadas para componentes específicos
- Sistema de backup inteligente que cria backups de registro de data e hora antes das mudanças
- Rastreamento de versão para múltiplas iterações do mesmo aplicativo
2024-01-10 (Pipeline de geração AI otimizado):
- Geração de IA reestruturada de 2 chamadas para 4 chamadas especializadas:
  1. Usar geração de casos: focado na lógica de negócios e nos fluxos de trabalho do usuário
  2. Geração do modelo de entidade: esquema e relacionamentos de banco de dados
  3. Geração de dados simulados: dados de teste e cenários de usuário
  4. Geração do modelo de interface: componentes e layouts da interface do usuário
- Benefícios:
  - Precisão aprimorada por meio de avisos especializados
  - Melhor manuseio de erros e validação entre as etapas
  - Uso de token reduzido por chamada
  - Capacidade aprimorada de manter o contexto
- A abordagem original de 2 chamadas mudou para o modo legado para compatibilidade com versões anteriores
2024-12-20 (uso de token reduzido em 70% e precisão em 80%):
- Integrado aos contornos para gerar a saída estruturada, isso usa um método em que os logits são atribuídos com baixa ou zero probabilidade aos tokens que não fazem parte da saída, isso é feito imediatamente antes que o token seja gerado. Isso permite que a ferramenta obtenha maior saída de precisão com modelos menores
- A saída estruturada é então usada para gerar o código de front -end e back -end, que é como arquivos de configuração, isso ajuda a gerar o código com menos tokens
  - A saída do banco de dados é um JSON de entidades e seus relacionamentos, isso é usado para gerar as consultas SQL via código Python e executar o SQL para criar tabelas e visualizações no Supabase
  - A saída estruturada do front -end é estruturada em torno do reacto de reação e os componentes, isso é usado para gerar o código de front -end usando modelos Jinja2
  - O back -end é simulado usando o cliente Supabase JS via DataProviders
- Juntos, isso permite que a ferramenta gerar o código de front-end e back-end com menos tokens, maior precisão e um modelo menor como GPT-4o-mini

Características

Gera aplicativos reativos completos com componentes de material-ui
Integra -se ao Supabase para serviços de back -end
Inclui autenticação e autorização
Gera operações CRUD para entidades
Suporta modelos de domínio personalizados
Inclui componentes pré-construídos (tabelas, formulários, gráficos, etc.)

Pré -requisitos

Python 3.8 ou superior
Node.js e NPM
Conta Supabase
Docker (opcional, para implantação de contêiner)
Nginx (opcional, para proxy reverso)

Docker & Nginx Setup (Opcional)

Instale Docker:

 # For Ubuntu
sudo apt-get update
sudo apt-get install docker.io
sudo systemctl start docker
sudo systemctl enable docker

# For macOS/Windows
Download and install Docker Desktop from https://www.docker.com/products/docker-desktop

Construir imagem base:

 # Navigate to the project root directory
cd oneShotCodeGen

# Build the base image
docker build -t base-image -f base.Dockerfile .

# Verify the image was created
docker images | grep base-image

Instale o nginx:

 # For Ubuntu
sudo apt-get install nginx
sudo systemctl start nginx
sudo systemctl enable nginx

# For macOS
brew install nginx

# For Windows
Download and install Nginx from http://nginx.org/en/download.html

Configure as permissões de usuário Nginx (Linux/MacOS):

 # Add your user to nginx group
sudo usermod -aG nginx $USER
# Ensure nginx config directory is writable
sudo chown -R $USER : $USER /etc/nginx/conf.d

Nota: A imagem base precisa ser criada apenas uma vez, a menos que você faça alterações no DockerFile. Esta imagem base contém todas as dependências e configurações necessárias que serão usadas como base para todos os aplicativos gerados.

Instalação

Clone o repositório
Instale o pacote: pip install -r requirements.txt

Uso

Configure suas variáveis de ambiente em .env :

OPENAI_API_KEY=your_openai_api_key
SUPABASE_PROJECT_URL=your_supabase_url
SUPABASE_ANON_KEY=your_supabase_anon_key
SUPABASE_DB_PASSWORD=your_db_password

Certifique -se de que as seguintes permissões sejam definidas para que o front -end execute consultas agregadas:

ALTER ROLE authenticator SET pgrst . db_aggregates_enabled = ' true ' ;
NOTIFY pgrst, ' reload config ' ;

Gere um aplicativo com o Docker:

a. Latest version
# Just code generation
python -m src.cli create " Create an expense tracker app "

# With Docker only
python -m src.cli create " Create an expense tracker app " --docker

# With Docker and Nginx
python -m src.cli create " Create an expense tracker app " --docker --nginx

b. Usando o modo herdado (abordagem de 2 chamadas):

python -m src.cli create " Create an expense tracker app " --use-legacy

c. Adicionando diretório de saída personalizado:

python -m src.cli create " Create an expense tracker app " --output-dir " path/to/
outputfolder "

Edite um aplicativo existente com o Docker:

 # Just code generation
python -m src.cli edit < project_dir > --description " Add a dashboard for expense 
analytics "
# With Docker only
python -m src.cli edit < project_dir > --description " Add a dashboard " --docker

# With Docker and Nginx
python -m src.cli edit < project_dir > --description " Add a dashboard " --docker --nginx

Executando o aplicativo:

um. Desenvolvimento local (padrão):

 cd output/{output_folder_name}/frontend
npm install
npm run dev

b. Docker Deployment:

O aplicativo estará disponível em http://localhost:<port>
A porta é atribuída e exibida automaticamente após a implantação

c. Docker com Nginx:

O aplicativo estará disponível em http://localhost/{app_name}
Nginx lida com roteamento e balanceamento de carga

Opções de implantação

Desenvolvimento local
- Servidor de desenvolvimento direto baseado em NPM
- Melhor para desenvolvimento e teste
- Relatação a quente ativada
Implantação do Docker
- Aplicação de contêiner
- Ambiente isolado
- Gerenciamento automático de portas
- Adequado para produção
Docker com Nginx
- Configuração do proxy reverso
- Roteamento baseado em caminho
- Capacidade de balanceamento de carga
- Configuração aprimorada de produção

Controle de versão

Os aplicativos agora incluem rastreamento de versão
Formato da versão: v0, v1, v2, etc.
Incrementos do número da versão com base no histórico de backup
Ajuda a rastrear várias iterações do mesmo aplicativo

Estrutura do projeto

app-generator-cli/
├── src/ # Source code for the CLI
├── output/ # Generated applications
│ └── [timestamp]/ # Timestamp-based output directory
│   ├── frontend/ # React frontend application
│   ├── use_cases.json # Use case definitions
│   ├── entities.json # Entity model
│   ├── mock_users.json # Mock user data
│   ├── mock_data.json # Generated test data
│   ├── domain_model.json # Combined application model
│   ├── interface_model.json # UI/UX specifications
│   ├── sql/ # Generated SQL migrations
│   ├── src/ # Generated application source
│   └── generation.log # Generation process log
└── .env # Environment variables

Editar fluxo

O sistema de fluxo de edição permite modificar os aplicativos existentes, mantendo consistência e segurança. Veja como usá -lo:

Atualize um aplicativo existente:

python -m src.cli update " Add a dashboard for expense analytics "

O sistema irá:
- Analise seu pedido de mudança
- Escolha uma estratégia de atualização apropriada
- Crie um backup do seu aplicativo atual
- Aplicar as alterações, mantendo a consistência dos dados

Atualizar estratégias

Regeneração completa
- Usado para grandes mudanças arquitetônicas
- Preserva a funcionalidade existente durante a reconstrução do aplicativo
- Mantém a consistência dos dados com os modelos existentes
Atualização parcial
- Para alterações direcionadas em componentes específicos
- Atualizações apenas as partes afetadas do aplicativo
- Suporta atualizações modulares para:
  - Usar casos e fluxos de trabalho
  - Modelos e relacionamentos de entidades
  - Dados simulados e usuários de teste
  - Componentes da interface

Sistema de backup

Backups automáticos criados antes de quaisquer alterações
Diretórios de backup com registro de data e hora: backups/backup_YYYYMMDD_HHMMSS/
Rollback fácil, se necessário

Estrutura de aplicação gerada

A ferramenta gera um aplicativo REACT com a seguinte estrutura:

frontend/
├── src/
│ ├── components/ # Reusable UI components
│ │ ├── Button.jsx
│ │ ├── Card.jsx
│ │ ├── Chart.jsx
│ │ ├── Form.jsx
│ │ ├── Modal.jsx
│ │ └── Table.jsx
│ ├── pages/ # Application pages
│ ├── providers/ # Data and auth providers
│ └── App.js # Main application component
└── package.json # Project dependencies