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

Python从0到100(九十七):VisionTransformer(ViT)在时间序列行为识别中的应用

Python从0到100(九十七):VisionTransformer(ViT)在时间序列行为识别中的应用

前言:零基础学Python:Python从0到100最新最全教程。 想做这件事情很久了,这次我更新了自己所写过的所有博客,汇集成了Python从0到100,共一百节课,帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、 计算机视觉、机器学习、神经网络以及人工智能相关知识,成为学业升学和工作就业的先行者! 【优惠信息】 • 新专栏订阅前500名享9.9元优惠 • 订阅量破500后价格上涨至19.9元 • 订阅本专栏可免费加入粉丝福利群,享受: - 所有问题解答 -专属福利领取 欢迎大家订阅专栏:零基础学Python:Python从0到100最新最全教程! 本文目录: * 一、VisionTransformer的基础原理 * 1. 传统卷积的瓶颈与挑战 * 2. VisionTransformer的核心机制 * 3. VisionTransformer的技术优势 * 二、VisionTransformer架构设计 * 1. 架构总览 * 2. 核心模块 * 2.1 Patch嵌入层 * 2

By Ne0inhk

06 Python 数据分析入门:集中趋势与离散程度

Python 数据分析入门:一文搞懂集中趋势与离散程度(附 Pandas 实战) 适合人群:Python 初学者 / 数据分析入门 / 统计学基础学习者 / 教学案例分享 在做数据分析时,我们经常会遇到这样的问题: * 一组数据的“平均水平”到底是多少? * 为什么两组数据均值差不多,但实际情况完全不同? * 如何判断数据是否稳定,波动大不大? * 数据里有没有异常值? 这些问题,本质上都离不开两个统计学基础概念: * 集中趋势 * 离散程度 本文用一个非常简单的案例——班级成绩分析,带你从 0 到 1 学会这些统计指标,并用 Pandas 完成实战分析。 一、先看一个问题:平均分差不多,班级情况就一样吗? 假设现在有两个班级的数学成绩: A班成绩 =[85,82,88,84,86,83,87,85,

By Ne0inhk
rsl_rl——人形运控部署框架汇总:从经典RL框架rsl_rl到宇树开源的unitree_rl_gym(含unitree_sdk2_python)

rsl_rl——人形运控部署框架汇总:从经典RL框架rsl_rl到宇树开源的unitree_rl_gym(含unitree_sdk2_python)

前言 现在人形运控基本都避不开RL了,而对于人形运控本身的部署则是一个完整的工程,而作为经典RL框架rsl_rl,则在本博客里的多篇文章反复被提及,比如 1. 比如Humanplus一文中提到 对于humanplus的整个代码框架,总计包含以下五个部分 Humanoid Shadowing Transformer (HST),此所谓low-level,属于机器人小脑 这个部分的代码是基于仿真的强化学习实现,使用了legged_gym和rsl_rl .. ———— 顺带,该文『详见此文《斯坦福人形HumanPlus的代码解读与复现关键:从HST(含rsl_rl)到HIT、HardWare》』,曾分析过rsl_rl中对PPO的实现 既然本文专门解读rsl_rl,故可以把那部分中对rsl_rl的介绍 也综合到本文之中了 2. 比如NaVILA一文中提到 第二部分 NaVILA/legged-loco中isaaclab_exts/模块的解析:侧重H1人形机器人配置 整体代码库主要分为以下几个部分: isaa

By Ne0inhk
【2026开发者教程】OpenAI API 国内直连指南:从 Key 获取到 Python 实战全解析 (附源码)

【2026开发者教程】OpenAI API 国内直连指南:从 Key 获取到 Python 实战全解析 (附源码)

引言:当 AI 成为开发者的“标准库” 想象一下,如果你的几行代码就能让应用拥有理解上下文的能力;如果输入几个关键词,后台就能自动生成高质量的营销文案;如果上传一张图,程序就能精准识别内容并输出分析报告…… 这不再是科幻电影的桥段,而是 OpenAI API 带来的技术现实。无论你是全栈开发者、数据分析师,还是正在探索 AI 边界的学生,LLM(大语言模型)都已经成为提升效率的“核武器”。 但在国内进行 AI 开发,我们常面临网络不稳定、支付困难、账号被封等“拦路虎”。本指南将跳过冗长的官方文档,直接提供一套适合国内开发者的“避坑方案”,带你从零开始,获取api key秘钥用 Python 玩转 OpenAI 和 Claude 强大的生成能力。 一、 OpenAI API 能做什么?(应用场景) OpenAI

By Ne0inhk