一、前言
1.开发需求背景
当前,AI Coding 对开发工作的帮助日益显著,我们同样可以利用 AI 技术来提升各个工作环节的效率。我将 AI 辅助前端开发的过程拆解为四个核心环节:AI 原型设计、AI 生成前端 UI 代码、AI 对接后端接口 和 AI 代码评审。本文将针对上述各个环节的 AI 提效实践进行总结,并通过一个完整的项目实战来演示整个开发流程。
2.相关概念
Prompt: 用户向 AI 模型输入的指令或信息集合,可输入自然语言、图片、规则、上下文和指令等,用来触发模型生成特定输出的指令集合。
MCP(Model Context Protocol): 是一种开放协议,定义了 AI 模型与外部数据源、工具、服务之间的标准化交互方式,使模型能够动态获取上下文并执行实际操作(如查询数据库、调用 API),解决了大模型在实时数据与行动能力上的局限。
Skill:Skill 是将完成某一类任务所需的指令、逻辑、脚本、资源等进行封装的可复用能力单元。它可以包含 prompt、调用外部工具的方式、处理流程等。当任务匹配时,AI(通常通过 Agent)可以按需加载并执行该 Skill,以提高效率和稳定性。
Agent:Agent 是一个具备自主决策与执行能力的 AI 实体。它能理解复杂目标,进行任务规划,调用多个工具或 Skills,并根据执行结果进行迭代调整,直至完成目标。相比单次 Prompt 交互,Agent 拥有记忆、规划和多步骤执行的能力。
二、AI 原型设计
1.masterGo设计工具AI快搭

从界面中可以看到,下方左侧的主要功能包括创建新页面、选择设计类型、选择开发语言和 UI 库、输入自然语言描述以及上传本地截图等。

点击代码icon可以在右侧预览生成的代码。

点击局部修改可以在上方对部分区域选定,然后进行针对性修改。
2.使用
如图所示,在操作界面下方,可以选择插入到画布来将生成的设计保存到设计稿中;也可以切换开发语言框架并进行代码预览;右侧的输入框下方,还可以针对局部不满意的地方进行优化。
下图是设计完成后的最终效果。
三、AI 生成前端 UI 代码
1.配置

在设置中选择 MCP 菜单,点击 “Add new global MCP server” 来添加自己的 MCP 服务器。

点击进入后,可根据自身需求进行配置,masterGo 的配置如图所示。
2.使用步骤
获取设计稿链接

进入项目,如果想要开发某个页面,选择页面对应的图层,右键找到复制/粘贴为,选择复制容器链接。Agent对话

粘贴复制的链接,并编写自己的 Prompt,然后发送即可。获取DSL
点击run tool执行工具,获取DSL信息。
可以看到获取到的 DSL 信息是一棵 JSON 树,它描述了设计稿的转换信息,AI 将根据这些描述来生成代码。
完整的工具执行过程如图所示。
四、AI 对接后端接口
1.配置
系统环境:
- 已安装 Node.js 环境(版本号 >= 18,推荐最新的 LTS 版本);
- 任意一个支持 MCP 的 IDE,如cursor、codebuddy、ClaudeCode等;
使用场景:
- 通过Mcp使用Apifox项目内的API文档;
- 通过Mcp使用公开发布的API文档;
- 通过Mcp使用OpenAPI/Swagger文档;
windows系统mcp配置:
{ |
为了项目隔离,我推荐在项目根目录下新建一个mcp.json文件。比如使用Cursor开发就在根目录.cursor文件夹下新建一个mcp.json文件。
Swagger文档路径获取:
直接使用 api-doc 的地址,如果提供的是一个文档网站,可在 Network 面板中找到该地址。
2.使用步骤
生成本地请求函数
直接输入 Prompt 要求 Agent 调用此 MCP 服务,如:
@rule:mcp_apifox 根据我的配置,读取swagger的api文档及接口数量agent会读取文档并汇总结果:

可以继续对话让其生成api请求函数,如
将XX模块的接口生成本地请求函数.然后agent会将你指定的模块的接口都读取并生成请求函数。如图:


页面对接接口
i. 页面对接新接口
直接通过 Prompt 指令触发编辑器 Agent 执行接口对接,将页面和之前定义的规则加入上下文,如图所示:

通过对比接口文档,可以发现大部分字段都已被正确赋值。


ii. 文档更新刷新代码
更新已有的接口,对齐新文档,如图所示:


五、AI 代码评审
代码评审也是开发工作中的重要环节,在某些场景下(尤其是安全方面)至关重要。在谈论 Code Review 时,我觉得应该分两个视角来看:
开发者视角:利用 AI 工具帮助我们快速 Review,发现问题并即时解决,极大降低人力成本,提升开发效能。
团队管理者/资产所有者视角:不信任任何未经平台审核的代码,即使开发遵循了团队规范,代码仍有被篡改的可能。因此,需要一个平台级的工具来做最终的 Code Review 把关。
1.code-reviewer
这是一个Skill(code-reviewer-skill),由 Google Gemini 团队推出,支持审查本地已暂存/未暂存的改动,也支持直接审查远程 PR(只需提供 PR 编号或 URL)。它会分析代码的正确性、可维护性、性能等,并给出明确结论(如批准合并或要求修改)。
使用方式: pnpm dlx skills add google-gemini/gemini-cli
我个人推荐将其下载到本地项目下使用,这样可以针对个人的编码习惯或团队要求进行定制化修改。
2.ai-codereview-gitlab
这是一个开源的AICR工具,AI-Codereview-Gitlab 是一个基于大模型的自动化代码审查工具,帮助开发团队在代码合并或提交时,快速进行智能化的审查(Code Review),提升代码质量和开发效率。
1. 私有化部署
我们通过官方的Docker 部署方式来部署的:
- 准备环境文件
- 克隆项目仓库
git clone https://github.com/sunmh207/AI-Codereview-Gitlab.git
cd AI-Codereview-Gitlab- 创建配置文件
cp conf/.env.dist conf/.env
- 编辑conf/.env文件
#大模型供应商配置,支持 zhipuai , openai , deepseek 和 ollama
LLM_PROVIDER=deepseek
#DeepSeek
DEEPSEEK_API_KEY={YOUR_DEEPSEEK_API_KEY}
#支持review的文件类型(未配置的文件类型不会被审查)
SUPPORTED_EXTENSIONS=.java,.py,.php,.yml,.vue,.go,.c,.cpp,.h,.js,.css,.md,.sql
#钉钉消息推送: 0不发送钉钉消息,1发送钉钉消息
DINGTALK_ENABLED=0
DINGTALK_WEBHOOK_URL={YOUR_WDINGTALK_WEBHOOK_URL}
#Gitlab配置
GITLAB_ACCESS_TOKEN={YOUR_GITLAB_ACCESS_TOKEN} - 启动服务
docker-compose up -d
- 验证
- 主服务验证:
- 访问 http://your-server-ip:5001
- 显示 “The code review server is running.” 说明服务启动成功。
- Dashboard 验证:
- 访问 http://your-server-ip:5002
- 看到一个审查日志页面,说明 Dashboard 启动成功。
- 主服务验证:
2. 配置gitlab webhook
- 创建Access Token
- 方法一:在 GitLab 个人设置中,创建一个 Personal Access Token
- 方法二:在 GitLab 项目设置中,创建Project Access Token

- 配置webhook
在 GitLab 项目设置中,配置 Webhook:- URL:http://your-server-ip:5001/review/webhook
- Trigger Events:勾选 Push Events 和 Merge Request Events (不要勾选其它Event)
- Secret Token:上面配置的 Access Token(可选)

请确保gitlab网络环境和本系统互通。
3. push触发事件

在配置好Webhook后可以点击测试按钮 Test看下网络是否畅通。
4. 查看审查报告

代码push后会在提交Note下增加审查报告。
5. 查看审查日志

这里集合了日志和面板统计功能,也可以进行简单的筛选。从 Score 列查看评分,可针对性地对代码进行优化。
消息通知可以配置钉钉、飞书和企业微信,具体流程可参考官方文档。
局限性:现在对项目整个仓库的评审没有前端页面的配置项,只能用作者给出的指令: python -m biz.cmd.review
3.VSCode 插件
使用 VSCode 编辑器的开发者也可以安装DeepSeek R1和 腾讯云代码助手 CodeBuddy。在添加并启用插件后,在相应的页面或组件上直接右键,可以看到相关的评审功能。


腾讯的代码助手可以在函数顶部添加相关功能按钮,方便快速使用。
六、项目实战
1.项目预设
我们预设一个中后台业务系统的开发场景:实现一个增删改查的列表页面。该页面顶部包含表单查询区域和“新建”功能按钮,下方是数据表格。点击“新建”或操作列的“编辑”按钮,可以唤起一个表单 Modal 组件。
为了更细致地展示整个开发流程,我将各个环节做了拆分,下面进行分步展示。
可以做一个项目通用的列表设计,后续可以直接截图给大模型,只改表格的字段就行。甚至可以更进一步,将业务系统列表页面的重复性工作标准化,封装成skill。
为了更细致展示整个开发流程,我将各个环节做了拆分,下面将各个环节分步展示。
2.原型设计
在 masterGo 的设计文件中,点击上方的 AI 快搭标志开启窗口并输入 Prompt。
然后点击开始创作,会得到初步的设计稿。
针对初步设计稿进行校正,补充细节,得到最终的设计稿。
点击下方的插入到画布,即完成了最终的设计稿。
使用其他设计工具如figma的需要会员请自购,使用mcp需要token验证。
3.生成前端 UI
在设计稿中选中这个页面,复制容器链接,用于生成 UI 代码。
打开你的 AI 编辑器,输入指令生成 UI。我的指令是:
https://mastergo.com/goto/RCmBpTWJ?page_id=M&layer_id=68:1854&file=65624275281607 根据链接在项目新增消息队列模块。 |
生成代码运行效果:
发现和设计稿有差距,尤其是上方的表单搜索区域。我们可以在设计稿中拷贝 Form 的容器链接继续优化。
继续给指令要求优化上方的 Form 区块:
|
优化后的效果如下:
如果你使用了figma作为设计工具,请在你使用的编辑器mcp市场自行搜索figma添加,也可以手动添加Figma-Context-MCP。
4.对接后端接口
在对接接口前,记得先添加 apifox-mcp-server 并配置你的 Swagger 地址。通过 MCP 使用 OpenAPI/Swagger 文档
直接通过指令要求获取你需要的模块或某个指定的接口。我的指令是:
根据我配置的swagger地址,将消息队列资源接口模块封装成请求函数,如果本地已有就覆盖重写。 |
封装的请求函数部分截图如下:
然后在对应的页面对接接口。
index.vue[生成的UI页面] |
前端显示效果如下:
因为我将环节拆分,所以各阶段是各自生成的。此时虽然数据已获取,但字段没有和 Swagger 响应体字段对齐。我们可以再次下指令,让其使用获取的字段进行更新。
columns.ts[这里我将表格列字段的文件添加到对话上下文] |

5.其他
1.生成指令
为了展示各环节的过程,我将生成过程拆分了。实际上,可以一气呵成地从零生成代码。一个简单的 Prompt 指令模板如下:
根据我给出的规则和项目结构,依次执行下列任务,完成前端项目的开发。 |
根据url生成前端页面ui我演示的是一张页面的,整站生成参考官网 官网全站生成教程。
为了准确性,我建议页面 UI 的生成还是一张一张来,这样速度快,且发生错误时能及时更正,后续代码或任务回退的影响最小。
2.模型选择
经过我多次尝试,国外的模型如 Claude、Gemini 都可以执行,国内的 DeepSeek 也可以完成我的任务计划。其他模型我花费了几天时间未能成功。如果想用国外优质模型,可以使用 CodeBuddy 国际版和 Trae 国际版,直接购买会员省心不少(也可自行购买第三方聚合中转 API Key)。CodeBuddy 的中国版也有 DeepSeek-v3.2 模型可供使用。
3.规则和技能
为了更高效地使用 AI 的能力,对 AI 模型进行约束和引导是必须的。目前我个人使用较多的是规则(Rules)和技能(Skills)。由于篇幅所限,我不深入细聊细节。总之,宗旨是:尽可能明确、细颗粒度、对不想要的后果命令禁止,最好给出示例。
分享下我使用mastergo-mcp生成列表场景UI代码的Rule:
# 列表场景开发最佳实践 |
使用提升还是比较明显的,没有规则约束时ai按照自己的理解生成500行以上的代码。有了规则约束,同一个页面在效果一样的情况下生成的代码180行左右。ai自己理解开发不总是使用项目内的组件和hooks,所以要通过规则指定。
七、结语
本文通过将前端开发流程做拆解,将各个环节使用的ai工具进行介绍,并以项目实战来演示纯ai驱动生成一个完整的列表页面。从原型设计到UI代码生成,再到读取swagger文档接口对接。对于项目开发有着很明显的提升,后续开发可以将重复性的工作ai托管,开发者只需要关注业务逻辑代码即可。