KeyFrame內部研究專用

Vibe Coding Your First App in 2026 (AI App Builder)

Zinho Automates12 min英文
觀看原始影片

三句話摘要

使用 Softr 視覺化編碼平台,從自然語言提示一次對話內構建完整可交付的業務應用程式。 --- Softr 真正實現了視覺化編碼的承諾——一次對話內用自然語言從零構建包含資料庫、認證與權限控制的完整可交付應用,讓非專業開發者能直接交付商業軟體給客戶。 真實應用與演示的根本差異在於後端基礎設施。大多數視覺化編碼工具只生成前端頁面,但可交付的應用需要真正的資料庫、使用者驗證、權限管理。Softr 將這些自動化,讓應用從第一天起就具備商業軟體的完整架構。

重點整理

  1. 真實應用與演示的根本差異在於後端基礎設施。大多數視覺化編碼工具只生成前端頁面,但可交付的應用需要真正的資料庫、使用者驗證、權限管理。Softr 將這些自動化,讓應用從第一天起就具備商業軟體的完整架構。

  2. 描述問題優於列舉功能能得到更好結果。「我需要追蹤客戶是否付款」這樣的需求陳述,比「給我狀態下拉選單」能讓 AI 理解業務邏輯並自動衍生完整的資料模型與工作流程。

  3. 內置權限系統確保多使用者安全與隔離。定義使用者角色後,系統自動生成登入、註冊、密碼重設等認證機制,並根據角色限制可見資料,使客戶無法存取他人資訊。

  4. 漸進式開發模式勝於一次性複雜提示。每個提示處理一項功能,逐步添加時能確保各部分正確實現;大量需求堆積在單一提示中容易導致部分功能遺漏。

  5. --

實用技巧與重點

  • 工具與平台
  • Softr(視覺化編碼平台)
  • 應用架構四層
  • Interface(介面層):使用者看到的頁面
  • Data(資料層):關聯式資料庫與表格連結
  • Users(使用者層):身份驗證、角色、權限
  • Workflow(工作流程層):自動化與業務邏輯
  • 自動生成的預設頁面
  • 登入頁、註冊頁、忘記密碼、重設密碼
  • 發票應用案例的關鍵功能
  • 關聯式資料庫(Invoices 表與 Clients 表自動連結)
  • 付款狀態欄位(已付款 / 未付款 / 逾期)
  • 視覺狀態指示器
  • 工作流程自動化(標記為已付款時自動記錄時間戳記)
  • PDF 匯出功能
  • 使用者角色(管理員可見全部、客戶只見自己的發票)
  • 三項構建規則
  • 描述問題而非功能
  • 每個提示一項功能,逐步疊加
  • 保留手動微調權限(顏色、細節、自訂元件)
  • --

結論

Softr 真正實現了視覺化編碼的承諾——一次對話內用自然語言從零構建包含資料庫、認證與權限控制的完整可交付應用,讓非專業開發者能直接交付商業軟體給客戶。

完整解析

視覺化編碼的承諾經常流於空談。許多開發者把「應用」與「演示」混淆,用視覺化工具快速生成漂亮的前端介面,卻忽視了真正可交付軟體所需的基礎設施——沒有資料庫就無法儲存真實數據,沒有認證系統就無法管理使用者,沒有權限控制就無法保護隱私。Softr 解決了這個根本矛盾,它在生成 UI 的同時自動構建整個應用生態。

當使用者提交一個需求提示時,Softr 不只是擺放頁面元素,而是同步推導出四個層面的完整架構。以發票管理應用為例,一個精心描述的需求——「構建發票應用,為每個客戶建立並發送發票、追蹤付款狀態、集中查看全部發票」——會自動生成包含 Invoices 與 Clients 表格的關聯式資料庫、每筆發票的付款狀態欄位(已付款 / 未付款 / 逾期)、視覺指示器,甚至包括工作流程自動化(當發票標記為已付款時系統自動記錄時間戳記)。這些都發生在一個提示內。

更關鍵的是使用者管理層。定義角色後——比如「我是管理員,看得到全部客戶和發票;客戶登入後只看自己的發票」——系統自動生成完整的認證基礎設施:登入頁、註冊頁、密碼重設頁。更重要的是存取控制邏輯嵌入每個資料記錄,確保客戶看不到他人的發票。這一步標誌著應用從「展示用原型」躍升為「可以真正交付給客戶運營的商業軟體」。

成功構建的訣竅在於三個規則。首先,向 AI 描述你的業務問題而非要求特定功能——「我需要追蹤客戶是否付款」遠勝於「給我一個狀態下拉選單」,因為前者能引導 AI 推導完整的資料模型與工作流程。其次,逐步構建而非一次列舉——每個提示處理一項功能,觀察結果再移向下一步,避免複雜提示導致部分功能實現不完整。最後,保留人工微調的空間——你不必完全依賴 AI,可直接點擊任何元件進行手動調整、改變顏色或實現自訂邏輯,讓 AI 處理架構大事,你負責細節優化。整個過程中,自訂元件仍然建立在真實的資料庫與權限系統之上,不會因為個人調整而破壞既有的應用結構。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。