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
效果展示
网站预览
🔗 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
- 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。
- 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。
- 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。
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:
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):
bl命令),默认模型qwen-3.7plusqwen-3.7plus/qwen-3.7max/qwen-3.8max/qwen-3.6flash等mimo-v2.5-pro-ultraspeedgpt-4oclaude-3.5-sonnetgemini-2.0-flashSkill 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:
效果展示
网站预览
🔗 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
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。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。
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。