GitHub热榜----前端已死?AionUi 横空出世:首个开源“生成式UI”框架,让 AI 在运行时“手搓”界面

GitHub热榜----前端已死?AionUi 横空出世:首个开源“生成式UI”框架,让 AI 在运行时“手搓”界面

摘要:2025 年我们还在惊叹于 V0 和 Bolt 的代码生成能力,而 2026 年初,AionUi 的发布宣告了**“运行时生成 (Runtime GenUI)”**时代的到来。不再需要预先写好所有 Component,不再需要 Hardcode 每一个表单。AionUi 允许你的应用根据用户的意图,实时渲染出从未被编码过的 UI 界面。本文带你上手这个颠覆性的开源项目。


🚀 前言:从“写死”到“生成”

传统前端开发的逻辑是:

产品经理提需求 -> 设计师出图 -> 程序员把 UI 写成代码 (React/Vue) -> 打包发布 -> 用户看到静态界面。

如果用户想要一个“分析上季度财报”的功能,而你没写这个页面,用户就没法用。

但昨天登上 GitHub Trending 榜首的 AionUi 打破了这个死循环。它的核心理念是:Don't code the UI, code the Intent (不要编码界面,要编码意图)。

项目地址http://github.com/iOfficeAI/AionUi


🔍 什么是 AionUi?

AionUi 是一个专为 AI Agent 时代设计的动态 UI 渲染引擎

它不像 Ant Design 或 ShadcnUI 那样提供一堆死板的组件,它提供的是一个**“画布 (Canvas)”**。当你告诉它“给我展示一个特斯拉股票的走势分析”时,AionUi 会:

  1. 理解意图:调用底层 LLM(支持 DeepSeek, GPT-4o, Claude)。
  2. 结构化流式输出:大模型实时输出 UI 的 JSON 描述结构 (Aion Schema)。
  3. 即时渲染:前端引擎将 JSON 瞬间映射为高颜值的 React/Vue 组件并挂载到页面上。

简单说:它就是 App 里的 ChatGPT,但它回复的不是文字,而是可以直接交互的按钮、图表和仪表盘。


💡 核心特性解析

1. 🌊 流式组件水合 (Streaming Component Hydration)

传统的 Server-Side Rendering (SSR) 是流式传输 HTML。AionUi 做到的是流式传输组件树。

用户还在输入“我要订一张去...”的时候,AionUi 就已经开始预加载“机票搜索框”的组件骨架了。这种极致的响应速度,让 AI 生成界面的体感延迟几乎为零。

2. 🧩 这种 UI 是“活”的 (Adaptive Context)

同一个 <AionWidget /> 组件:

  • 手机端,它可能生成一个简洁的 BottomSheet。
  • 桌面端,它会自动生成一个复杂的多列 Dashboard。
  • 深色模式用户习惯(比如左撇子模式),全部由 AI 在运行时自动调整,无需开发者写繁琐的 Media Query。

3. 🛡️ 安全沙箱 (UI Sandbox)

这是企业级开发最关心的。AionUi 并不允许 AI 随意生成 <script> 标签。它基于一套严格的 Design System Mapping 机制。AI 只能“拼装”你设计系统中已有的原子组件(Button, Card, Chart),确保生成的界面既安全又符合品牌规范。


💻 极速上手:3分钟重构你的聊天机器人

假设你正在做一个 AI 客服,以前它只能回复文字,现在我们用 AionUi 让它回复界面。

第一步:安装

Bash

npm install @aion-ui/react @aion-ui/core 

第二步:定义原子组件库

你需要告诉 AionUi 你的仓库里有哪些“积木”可用。

TypeScript

// registry.ts import { Button, Card, DatePicker } from '@/components/ui'; export const componentRegistry = { button: Button, card: Card, date_picker: DatePicker, // ... 注册你的 ShadcnUI 或 AntD 组件 }; 

第三步:在页面中使用生成画布

TypeScript

import { AionCanvas } from '@aion-ui/react'; import { useChat } from 'ai/react'; export default function AgentPage() { const { messages, input, handleInputChange, handleSubmit } = useChat(); return ( <div className="chat-container"> {messages.map(m => ( <div key={m.id}> {/* 文字消息 */} <p>{m.content}</p> {/* 如果 AI 觉得需要展示 UI,就会在这里生成 */} {m.toolInvocations && ( <AionCanvas intent={m.toolInvocations[0]} registry={componentRegistry} theme="cyberpunk" // 甚至可以指定风格 /> )} </div> ))} </div> ); } 

效果:

当用户问:“下周三去北京的机票多少钱?”

后台 LLM 不会回复“请去携程查”,而是直接通过 AionCanvas 渲染出一个带有日期选择器和价格列表的卡片,用户直接点击“购买”即可。


⚠️ 现在的局限性

虽然 AionUi 很酷,但作为尝鲜者,你需要知道:

  1. Token 消耗:生成 UI 结构比生成纯文本更消耗 Token(XML/JSON 结构冗余)。建议搭配 DeepSeek-V3 这种低成本模型使用。
  2. 一致性问题:偶尔 AI 会“审美崩坏”,比如把红色按钮放在绿色背景上。需要在 Prompt 层面对设计规范做强约束。

🎯 总结

AionUi 的出现,标志着前端开发进入了 Frontend 3.0 时代。

  • 1.0:HTML/CSS (手写)
  • 2.0:React/Vue (组件化)
  • 3.0:AionUi (意图驱动,运行时生成)

未来,我们可能不再需要写具体的页面,而是编写**“UI 的生成规则”**。

对于开发者来说,现在掌握 AionUi,就是掌握了 Agent 应用层的入场券。

Read more

OpenClaw多智能体路由实战:飞书多机器人配置指南

文章目录 * 飞书重新安装问题 * 批量增加机器人 * 缺点 * 多个飞书机器人名称包含大小写的问题 * 多个Agent名称包含大小写的问题 目前我已经完成了OpenClaw的基本安装,但是在对话框只有一个,机器人也只绑定到主会话,一次只能处理一个消息。很多时候我在聊天窗口,说A任务,然后做了一半,又发了关于B任务的指令。一是每次发完消息,如果OpenClaw还在处理,剩下的消息要么进入队列、要么看不到(实际还在队列)。两个任务切来切去,感觉体验很不好。 要彻底解决这个问题,实现网上演示的那种对各Agent、每个对话机器人对应一个Agent,就需要用到多智能体路由技术。 实现的步骤如下: * 在飞书创建一个新的机器人 * 通过控制台创建新的智能体 * 按照指引将飞书配置上去 * 根据需要创建多个Agent和机器人,并对应配置上去(略) 飞书重新安装问题 明明我已经安装好了飞书,系统还是会提示我安装,否则就跳过了添加飞书这步。应该是系统Bug。这次安装的飞书位置在~/.openclaw/extensions/feishu,其实和~/.npm-globa

VRCT完整使用指南:VRChat实时翻译与语音转录终极解决方案

还在为VRChat中的语言障碍而困扰吗?想要与国际友人畅快交流却苦于语言不通?VRCT(VRChat Chatbox Translator & Transcription)正是你需要的跨语言沟通工具!这款创新的实时翻译软件专门为VRChat虚拟社交平台设计,通过先进的语音识别和机器翻译技术,将你的语音对话实时转换为文字并翻译成目标语言,彻底打破语言壁垒。 【免费下载链接】VRCTVRCT(VRChat Chatbox Translator & Transcription) 项目地址: https://gitcode.com/gh_mirrors/vr/VRCT VRCT核心功能深度解析 实时语音转文字翻译系统 VRCT的核心功能就像你的专属翻译助手,能够即时将麦克风输入的语音转换为文字,并翻译成你设定的目标语言。无论你想将日语翻译成英语,还是中文翻译成韩语,VRCT都能轻松应对,让你的VRChat体验从此无国界! 如图所示,VRCT的主界面设计简洁直观,左侧是功能开关区域,右侧是对话记录显示区。你可以一键开启翻译功能,实时查看发送和接收的消息,自由切换多种语言组合。

YOLO+OpenClaw+SAM微调实战:工业缺陷自动标注的低代码落地

YOLO+OpenClaw+SAM微调实战:工业缺陷自动标注的低代码落地

YOLO+OpenClaw+SAM微调实战:工业缺陷自动标注的低代码落地 不能实时,不代表不能用。微调SAM+云端部署,让工业标注从“人工描边”变“一键验收”。 大家好,我是AI小怪兽。上周有位做PCB质检的读者发来一段视频:标注员正对着一块电路板缺陷图,用鼠标一点点勾勒划痕的边界,一张图花了8分钟。他说:“YOLO能框,但框不准;SAM能分割,但通用模型到我们产线就水土不服。有没有办法让标注员少点鼠标?” 当然有。今天我就结合工业缺陷检测场景,展示一套低代码落地路径:YOLO粗定位 + 微调SAM精分割 + OpenClaw自动调度,让标注员从“动手画”变成“动口验收”。 一、工业自动标注的三道坎 坎1:OpenClaw无法实时推理 OpenClaw从接收指令到调用模型返回结果,5秒以上是常态。产线上的产品不可能等5秒,但标注任务可以——把数千张图丢给AI,让它半夜慢慢跑,员工早上来验收结果,不香吗? 坎2:边缘端算力要求大,且存在安全风险 OpenClaw调用大模型需要至少8GB显存,

WeBASE一键部署中关于配置,下载的问题

WeBASE一键部署中关于配置,下载的问题

其实网上的相关内容有好多,但大多数是对官方文档的一个复述,于是我从头开始,用一个新的Ubuntu系统部署WeBASE,分享在部署过程中的问题及解决方法,我用的是Ubuntu20.04 有一定能力的可以直接安照官方文档一键部署 — WeBASE v1.5.5 文档进行部署 1,安装依赖 CentOS 7 / RHEL 7: sudo yum -y install epel-release && sudo yum -y install openssl curl wget git nginx dos2unix Ubuntu 16.04+ / Debian 9+: sudo apt update && sudo apt -y install