AutoBE 是 AI 驱动的后端服务器代码生成工具，通过用户描述需求自动生成高质量的后端代码。基于 TypeScript、NestJS、Prisma 和 Postgres 等技术栈构建，强调“氛围编码”（Vibe Coding），通过持续的用户反馈和编译器反馈来迭代优化代码。AutoBE 结合瀑布模型和螺旋模型的优点，确保代码的可靠性和安全性。
AutoBE的主要功能
- 需求分析（Analyze）：能分析用户的需求，生成结构化的需求规格文档，为后续的代码生成提供明确的指导。
- 数据库模式生成（Prisma）：根据需求规格生成 Prisma 格式的数据库模式和 ERD（实体关系图）文档，方便开发者理解和设计数据库。
- API 接口设计与代码生成（Interface）：基于需求规格和 ERD 文档设计 API 接口，生成 API 接口代码和 DTO（数据传输对象）模式，帮助开发者快速搭建后端接口。
- 测试代码生成（Test）：为每个 API 接口生成 E2E（端到端）测试代码，确保生成的代码质量可靠。
- 代码实现（Realize）：为每个 API 函数编写实现代码，完成整个后端功能的代码生成。
AutoBE的技术原理
- 自然语言理解：AutoBE 通过自然语言处理技术理解用户的需求描述，转化为具体的代码生成指令。
- 代码生成模型：基于深度学习的代码生成模型，如 Transformer 架构，能根据输入的需求描述生成高质量的代码。
- 技术栈集成
- TypeScript：作为开发语言，TypeScript 提供了静态类型检查，能帮助开发者提前发现潜在的错误，提高代码的可靠性和可维护性。
- NestJS：作为一个基于 TypeScript 的框架，NestJS 提供了模块化和可扩展的架构，方便开发者构建复杂的后端应用。
- Prisma：作为 ORM（对象关系映射）工具，Prisma 能简化数据库操作，使开发者以更直观的方式与数据库交互。
- Postgres：作为后端数据库，Postgres 提供了强大的数据存储和查询功能，能满足复杂的应用需求。
- 编译器反馈：在代码生成过程中，AutoBE 会用编译器的反馈信息来优化代码。例如，如果生成的代码存在语法错误或类型不匹配等问题，编译器会提供相应的错误信息，AutoBE 根据这些信息调整代码生成策略。
- 瀑布模型：在需求分析、设计、编码、测试等阶段，AutoBE 按照瀑布模型的顺序依次进行，确保每个阶段的工作都符合预期。
- 螺旋模型：AutoBE 融入了螺旋模型的思想，在每个阶段都会进行验证和测试，及时发现和解决问题，确保代码的质量和可靠性。
AutoBE的项目地址
- Github仓库： https://github.com/wrtnlabs/autobe
