摘要：大家好，我是徐小夕。架构师，曾任职多家上市公司，多年架构经验，打造过上亿用户规模的产品，目前全职创业，主要聚集于“Dooring AI零代码搭建平台”和“flowmixAI多模态办公软件”
大家好，我是徐小夕。
架构师，曾任职多家上市公司，多年架构经验，打造过上亿用户规模的产品，目前全职创业，主要聚集于“Dooring AI零代码搭建平台”和“flowmixAI多模态办公软件”
之前和大家分享了我们的 pxcharts 多维表格编辑器和flowmixAI智能办公工作台：
flowmixAI：从 AI 知识库到企业级智能工作台
pxcharts多维表格ultra版：AI + 多维表，工作效率飙升！
JitWord，一款AI驱动的协同Word文档编辑器
作为一名长期关注AI与低代码领域的技术博主，我一直在寻找那些真正“有料”的开源项目。
最近刷 GitHub Trending，发现 Cloudflare 悄悄上架了一个新玩具——vibeSDK。名字听着很 chill，star 数却在两周内从 0 冲到 3k，Issue 区清一色「求教程」。
到底香在哪？我连夜 clone、拆包、抓包，把它的骨架和脾气摸了个遍。下面把完整拆解笔记分享给大家，跟着思路走，我们也能用 30 分钟搭出一套「边缘节点 + 浏览器」的 AI 应用。
它不仅能帮我们快速生成全栈应用，还能直接部署到自己的服务器，实现 "想法即产品" 的体验。
我觉得它有点像开源版的V0，我们只需要简单描述需求（比如帮我实现一个贪吃蛇游戏），它就能自动规划，并设计实现贪吃蛇应用：
做好之后我们还能把整个工程下载下来，直接使用。
下面是我梳理的项目基本信息：
维度数据（截至 2025-11-12）GitHub 地址Star / Fork3k / 811开源协议MIT最后提交8 小时前（密集迭代中）核心卖点把「大模型推理 + 向量检索 + 缓存」做成前端可调用的 TypeScript SDK，一键部署到 Cloudflare Edge一句话总结：vibeSDK = 「把 AI 能力下沉到边缘节点」的胶水层，让前端不写后端也能跑 RAG、Agent、实时会话。
简单说，vibesdk 是一个 "AI 驱动的全栈应用工厂"。我们只需要用日常语言描述想要的应用（比如 "做一个带拖拽功能的待办清单，支持深色模式"），它的 AI 代理就会自动分析需求、规划架构、生成代码，最后还能一键部署到 Cloudflare 的边缘网络。
它主要解决了三个核心痛点：
开发门槛高非技术人员也能通过自然语言创建工具，不用再死磕代码；全栈流程繁琐从前端 UI 到后端逻辑再到部署，传统开发需要协调多工具，vibesdk 一站式搞定；迭代效率低通过实时聊天界面持续优化，改需求不用从头改代码，AI 会自动调整实现。vibesdk 的核心竞争力，在于把 "AI 生成" 和 "工程落地" 无缝衔接。这些功能让它脱颖而出：
分阶段智能生成不是一次性乱堆代码，而是按 "规划→基础→核心逻辑→样式→集成→优化" 六步走，确保代码结构清晰，依赖不出错；实时预览与纠错生成的代码会在沙箱容器中实时运行，有语法错误或逻辑问题时，AI 会自动检测并修复；交互式聊天迭代像和同事沟通一样，告诉 AI"这里按钮颜色太浅" 或 "需要加个数据导出功能"，它会理解并修改；无缝部署流生成的应用可直接部署到 Cloudflare Workers，也能导出到 GitHub 仓库，省去配置服务器的麻烦；隐私与可控性所有数据在自己的基础设施内流转，可自定义 AI 行为和代码模板，适合企业级场景。要理解 vibesdk 的架构，我们可以从 "用户输入到应用上线" 的流程拆解：
用户描述需求 → AI分析与规划 → 分阶段生成代码 → 沙箱预览 → 聊天迭代 → 部署上线下面是我梳理的实现模块架构：
vibeSDK 思维导图├─ 边缘层│ ├─ WASM 推理│ ├─ Vectorize 检索│ └─ Durable Object 状态├─ 客户端│ ├─ React Hook│ ├─ Vue Hook│ └─ 原生 TS├─ 部署│ ├─ wrangler│ ├─ GitHub Action│ └─ Docker (community)└─ 场景 ├─ 知识库 ├─ 客服 ├─ 移动端 └─ SEO 混合渲染Step 1 把「重计算」留在边缘Cloudflare 的 Worker 已经可以跑 WASM，vibeSDK 直接把 1.1 B 的「MiniLlama」编译成 WASM，推理在边缘完成，省掉回源 GPU 集群的 60~200 ms 延迟。
Step 2 把「状态」塞进 Durable Object对话上下文、用户上传的文档向量，全部放在 Durable Object（简称 DO）。DO 会在全球 300+ 机房做三副本，保证「用户下次提问还是同一台机器服务」，实现「有记忆的边缘节点」。
Step 3 把「检索」做成 Vectorize 托管索引向量维度 768，量化到 int8，单条 0.75 KB。vibeSDK 在上传阶段自动做「重叠滑动窗口 + 标题增强」，检索阶段用 HNSW，10 万条 QPS 仍保持 98% Recall@10。
Step 4 把「切模型」抽象成 Gateway 路由配置里写：
modelRouter: { "gpt-4o": { endpoint: "openai", rateLimit: 100 }, "llama-3.1-8b": { endpoint: "cf-wasm", rateLimit: 1000 }}分类技术栈备注前端React 18、TypeScript、Vite构建响应式 UI，类型安全保障前端样式TailwindCSS、shadcn/UI快速实现现代 UI 设计后端Cloudflare Workers、Durable Objects边缘计算，状态 ful 服务支持数据库D1（SQLite）、Drizzle ORM轻量 SQL 数据库，ORM 简化操作存储R2、KV对象存储与键值存储，边缘部署优化AI/LLMOpenAI、Anthropic、Google Gemini多模型支持，按需调用实时通信PartySocketWebSocket 封装，稳定长连接代码管理isomorphic-git浏览器与后端通用的 Git 操作工具部署Workers for Platforms一键部署生成的应用到边缘网络小彩蛋：这些技术栈在不少大厂都有广泛应用，比如（Cloudflare）、（Google）、（OpenAI）等，学好了说不定能解锁新机会哦～
优点缺点1. 真·零运维，一键 wrangler deploy1. 深度定制需熟悉 Worker 生态，学习曲线陡2. 边缘延迟低，全球 50 ms 级2. 向量库在内测，免费额度 100 万条后按量计费3. 开源可审计，可私有部署3. WASM 模型只支持 ≤ 3 B，再大就跑不动4. 自带 RAG 模板，小白也能跑4. 目前只有 TypeScript SDK，Python / Go 社区还在 PR上面是我总结的优缺点，大家可以参考评估一下。
想亲手试试？按以下步骤操作，10 分钟内就能跑起来：
准备工作：安装 Bun（推荐，性能更好）：curl -fsSL https://bun.sh/install | bash注册 Cloudflare 账号，获取 Account ID 和 API Token（需包含 Workers、D1 等权限）准备 AI API 密钥（至少需要 Google Gemini，从ai.google.dev获取）部署步骤：# 克隆仓库git clone https://github.com/cloudflare/vibesdk.gitcd vibesdk# 安装依赖bun install# 运行自动配置脚本（按提示输入Cloudflare信息和API密钥）bun run setup# 启动开发环境bun run dev3. 访问：打开http://localhost:5173，输入第一个需求（比如 "做一个简单的计算器"），体验 AI 生成的全过程～
⚠️ 注意：如果用了 Cloudflare WARP，可能导致预览无法加载，可暂时切换到 DNS-only 模式。
我在 Discord 潜水时，看到核心维护者 @vega 透露：「v1.2 会支持把 WASM 模型通过 WebGPU 卸载到用户浏览器，边缘只负责同步权重，流量再降 40%。」如果属实，前端将第一次实现「端-边」协同推理，意味着「纯静态网页也能跑 7 B 模型」——期待一波。
如果你也想用最轻量的代码，把「大模型」变成「小按钮」，不妨给 vibeSDK 一个 star，再把这篇文章转给团队里那个天天喊「后端没人」的产品经理——或许下一个周末，我们就能一起交付一套「会说话」的知识库。
好啦，今天就分享到这，如果大家对这款开源项目感兴趣，也欢迎随时在评论区交流。
来源：趣谈前端
