Skip to content

【外滩大会2026】网站复刻:Code Designer AI — AI 驱动的网页逆向工程平台 #158

Description

@wx73306-create

参赛项目名称

Code Designer AI — AI 驱动的网页逆向工程平台

团队 / 作者

吴Wxx(GitHub: [@wx73306-create](https://github.com/wx73306-create))

我做了什么

Code Designer AI 是一个 AI 驱动的网页逆向工程平台,旨在解决传统网页复刻过程中"分析难、周期长、还原度低"的问题。用户输入任意网站 URL 后,系统通过 多智能体协作 自动完成:

URL → 网页抓取 → 视觉分析 → Design Token 提取 → 组件架构规划 → React 代码生成 → 质量检测 → 项目导出

平台自动解析目标网站的 HTML / CSS / 布局 / 字体 / 颜色 / 尺寸 / 动画等设计信息,并生成可直接 npm install && npm run dev 跑起来的 React + TypeScript + TailwindCSS Next.js 工程。

核心亮点:模型可插拔 —— 6 个 Agent 阶段中每个阶段的 AI 模型都可在管理后台独立指定,支持阿里云百炼、MiMo、OpenAI、Anthropic、Gemini、DeepSeek 等多家厂商混合编排,用户可以根据成本/效果自由切换。

使用的工具

  • OpenWork / 百炼 CLI

  • 百炼能力 / 模型

    模型按 6 个 Agent 阶段分工(每个阶段模型独立可配):

    阶段 用途 模型角色
    ① 网页抓取 渲染 / DOM / 截图 / 字体资源 无 LLM(Playwright)
    ② 视觉分析 布局 / 字体 / 配色 / 组件识别 VL 模型
    ③ Design Token 提取 结构化输出设计令牌(颜色/字号/间距/圆角/阴影) LLM
    ④ 组件架构规划 组件树 / Props / 状态设计 LLM
    ⑤ React 代码生成 生成 React + TypeScript + TailwindCSS Coder LLM
    ⑥ 质量检测 视觉对比 / Lint / 还原度评分 LLM + VL
    • 默认接入:阿里云百炼(DashScope 兼容 API / bl 命令),默认模型 qwen-3.7plus
    • 支持的模型(用户在管理后台自由切换):
      • 阿里云百炼:qwen-3.7plus / qwen-3.7max / qwen-3.8max / qwen-3.6flash
      • MiMo:mimo-v2.5-pro-ultraspeed
      • OpenAI:gpt-4o
      • Anthropic:claude-3.5-sonnet
      • Google Gemini:gemini-2.0-flash
      • DeepSeek 等
  • Skill 名称QoderWorkCN —— 多智能体调度与百炼调用链封装,统一管理 Agent 调度、Token 计量、失败重试

  • 其他

    • 前端框架:Next.js 15(App Router)+ React 19
    • 语言:TypeScript 5
    • 样式:TailwindCSS + shadcn/ui
    • 数据库:PostgreSQL(Supabase)+ Prisma ORM
    • 任务队列:Redis + BullMQ(异步 Agent 执行)
    • 认证:Auth.js(NextAuth v5)
    • 浏览器自动化:Playwright
    • 部署:Docker + Nginx + 阿里云 ECS

效果展示

网站预览

Image Image

🔗 GitHub Pages 直接预览 5 个真实复刻样例(点击即可查看完整还原效果):

(截图位:①首页 ②URL 输入 → AI 分析流程 ③生成代码与质检报告 ④项目导出 ZIP)

项目链接

踩坑记录

  1. Demo 地址使用 IP + 端口(http://150.158.27.120:3000/
    评审指出公开展示页面不会放这种地址(IP 易变、易被扫描,不是长期可访问链接)。
    解决:将项目完整代码推送到 GitHub 公开仓库作为长期可访问的项目链接;同时启用 GitHub Pages 服务 docs/showcase/,让 5 个内置复刻样例可以直接在线预览。
  2. 早期想用固定的"百炼模型调用链"表格写死每个 Agent 调用的模型
    评审要求写全模型版本号、并说明每个环节的具体模型。深入设计后发现系统的真实架构是模型可插拔的:每个 Agent 的模型都由用户在管理后台独立选择,支持多家厂商混部,硬写一个固定调用链会误导读者。
    解决:README 与提交文案都改为"VL 模型 / LLM / Coder LLM"通用描述,并在「使用的工具」中明确说明模型阶段分工 + 支持的模型清单 + 默认配置(百炼 qwen-plus),既诚实又满足"写全模型版本号 + 哪个环节用哪个模型"的要求。
  3. 多智能体长链路执行的同步超时问题
    6 个 Agent 顺序串联、每一步输出都要作为下一步输入(视觉分析 → Token 提取 → 架构规划 → 代码生成 → 质检),单次完整复刻耗时较长,最初的同步串联方案在 HTTP 长连接下容易超时。
    解决:采用 Redis + BullMQ 异步任务队列 + 事件回调(编排见 src/lib/agents/pipeline.ts,队列见 src/lib/redis.ts),每个 Agent 完成后写回状态与产物,工作台通过轮询/事件实时拉取每个 Agent 的进度,单次完整复刻可异步跑 30 秒 ~ 3 分钟不等。

Metadata

Metadata

Assignees

No one assigned

    Labels

    showcase提交的案例(待处理)外滩大会2026外滩大会 2026 参赛作品

    Type

    No type

    Projects

    No projects

    Milestone

    No milestone

    Relationships

    None yet

    Development

    No branches or pull requests

    Issue actions