超强辅助 Bolt.diy ⼀步搞定创意建站
前⾔
最近发现了⼀款可以部署在阿⾥云上的 AI 产品 ——Bolt.diy。它是⼀个非常好用的AI⼯具,通过提示词就可以帮助我们快速完成数据分析、网站搭建、原型设计等工作。
Bolt.diy 是Bolt.new 的⼀个开源版本,它提供了更⾼的灵活性和可定制性,通过⾃然语⾔交互简化 开发流程,并提供全栈开发⽀持,同时允许⽤户⼆次开发。阿里云提供的方案是基于函数计算FC 搭建,集成了 阿⾥云百炼模型服务,新用户可以领取免费资源,搭上 AI 的快车道,资源指路:https://www.aliyun.com/solution/tech-solution/fc-bolt-diy?utm_content=g_1000403491
那么,接下来就和我一起看下 Bolt.diy 的表现吧。
价值体现
Bolt.diy的核⼼价值点从这⼏⽅⾯开始展开说⼀下。
多模型灵活匹配
多模型灵活适配这块,就是能⽀持好多种厉害的⼤语⾔模型,像国外的OpenAI,还有DeepSeek、Gemini,以及 Hugging Face 这些。咱⽤户呢,能根据不同的实际情况和需求,给不 同的任务专⻔挑⼀个最合适的模型,这样任务完成起来就更顺⼿、更匹配了。
可扩展性与⾼度定制化
可扩展性与⾼度定制化也超棒。它⽤的是模块化的架构,咱不仅能⾃⼰定义Docker 服务,还能把 ⼀些第三⽅的⼯具整合进来,⽤起来特别灵活。要是功能不够⽤,还能通过插件来扩展,甚⾄可以 把⾃⼰本地私有的模型,⽐如⾃⼰训练出来的LLM 模型也集成进去。
全栈开发全流程覆盖
全栈开发全流程覆盖这块,更⽜了。只要⽤⾃然语⾔和它交流,就能⽣成前端和后端的代码,像React 前端代码、Node.js 服务端代码这些都能⽣成。⽽且还⽀持实时调试,版本管理也⽅便,点 ⼀下就能部署。另外,⾥⾯还⾃带了可视化的⼯具,管理 SQL 或者NoSQL 数据库都很轻松,数据模型和API 接⼝都能⾃动⽣成。
智能化辅助⼯具
智能化辅助⼯具也很贴⼼。 AI能实时检查代码,发现错误⻢上给出修复的建议,这样就不⽤花⽼多时间⼿动去调试代码了。⽽且它还能把代码的结构图谱和依赖关系⽤可视化的⽅式展示出来,碰 到复杂的项⽬,⼀下⼦就能看明⽩是咋回事了。
⾼效、⼴泛、专业这些形容词都是当之⽆愧,可以在后⾯的测试过程看到各类的效果,我们在使⽤过程中产⽣的各类原型图效果都是不错的,特别是五彩斑斓的⿊,给的是过渡效果,可以⾃⼰去做 ⼀个看看,我⽣成过⼏次,每次的效果都不同,都挺好的。
这是⼀个部署操作的⽤时,可以校验⼀下,整个部署时间仅仅使⽤了12秒,这才是⾼效的代表。
免费试用
阿⾥云给了3个⽉免费试⽤哦,我这⾥已经申请过了,还在观望的先过来看看,试⽤⼀下,有了具体的效果再去具体的评价还是对⼀个产品的真正认知。
技术⽅案的⼴泛应⽤场景
原型设计
模型语句
五彩斑斕的⿊
提示词:⽣成⼀个中⽂的五彩斑斓的⿊为主体的颜⾊产品着陆⻚,除了五彩斑斓的⿊还要有⼀些⾮ 常⾼贵的颜⾊,例如:提夫尼蓝或太师⻘等颜⾊,给出颜⾊的⾊值以及对应的名称,如果是过渡渐 变⾊,需要给出具体的过渡⽅式,⻛格要有现代科技感。
PC端和移动端的效果,都是直接就出来了,⾮常的效率呢,如果出现异常也是直接点击⼀下询问 Bolt就⾏了。
⽣肖产品
提示词:创建⼀个中⽂⽣肖产品的着陆⻚,包含所有星座介绍、星座运势,星座Emoji 图案等,⻛格要⼩清新的感觉。
两个主题⻚的效果还都是不错的呢。
Bolt.diy⽀持操作
⽀持图⽚原型上传,⽀持语⾳输⼊,可以下载代码结果,
可供选择的平台
可选的平台还是⾮常多的,默认的是openAILike,也就是百炼⼤模型的选项,还有很多国内外知名的平台,很全⾯,Deepseek的也是可以直接输⼊API Key直接进⾏访问的。
可供选择的各类模型
OpenAILike也的将各类版本都上来了,从deepseek系列到qwen系列的各类模型都是可供选择的, 从下拉条上就能看的出来他的模型量有多庞⼤。
我们看完他的强⼤,接下来我们来进⾏⼀下实操。
实战详情
阿里云提供了非常详细的实践手册,可以前往方案页面跟着一步一步进行操作:https://www.aliyun.com/solution/tech-solution/fc-bolt-diy?utm_content=g_1000403491
环境准备
这⾥环境主要是百炼⼤模型以及⽇志服务,但是⽇志服务会⾃动同步开通,那么剩下的就是需要独⽴的开通⼀下百炼⼤模型即可。
实验过程
我们需要先进⼊到实验中兵=并开启实操,这个实操没有具体的初始环境,所以是⽐较快的,我们直接按照左侧的操作⼿册来完成步骤内容即可。
⽅案架构
这⾥⾯有个架构说明:按照本⽅案提供的配置完成部署后,会在阿⾥云上搭建⼀个如下图所示的运⾏环境。实际部署时,您可根据具体的资源规划调整部分配置,但最终的运⾏环境将与下图展示的架构相似。
也好理解,就是通过百炼模型服务提供的deepseek-v3的模型来返回对应的⽂本代码,通过云原⽣应⽤开发平台CAP进⾏解析,将对应⽂件的代码写⼊到对应⽂件中,最后使⽤npm进⾏启动并访问⻚⾯,流程还是很直接的。
开通百炼⼤模型
这⾥能直接跳转到百炼⼤模型,如果是第⼀次访问,那么右上⻆会有⼀个开通并领取百万Token的提示按钮,开通后就可以去创建我们需要的API Key了。
获取API Key操作
在下⽅能看到打开百炼⼤模型后的⻚⾯效果,我们这⾥直接点击应⽤,再点击左下⻆的APIKey即 可。
进⼊到应⽤后左侧就能看到了,看好,是左下⻆。
有复制按钮,直接点击即可复制。
部署Bolt-diy
不是的时候由于只是⼀个服务,并没有对应的模型故⽽是很快的,我测试过⼗来次,基本时间范围是在12~22秒之间。
启动成功的效果,最后能看到completed就代表成功了呢,在右上⻆能看到有访问地址,直接点击即可访问。
访问后的效果,这⾥需要点击【忽略警告,继续访问】,但是要分浏览器,我这⾥的提示是360的 浏览器,如果使⽤⾕歌等其它浏览器需要点击⼀下【⾼级->继续访问】才可以正常的访问,因为默 认给的是https服务,⼤家都知道https是有验证的,咱们⾃⼰⼀般使⽤的是http访问这个验证就简单了,所以这⾥需要点击忽略。
成功进⼊Bolt-diy的⻚⾯。
配置API KEY
我们已经在上⾯的【获取API Key】的操作时已经成功获取了API Key,那么这时候就可以在 OpenAILike API Key中点击修改符号并输⼊获取的API Key。
输⼊后点击勾选确认,效果图下图:
提示词与效果
提示词这个很有讲究,在上图中能看到给我了⼀个标准⾯板,这个要当做标准⾯板来看,并且例如 【着陆⻚】这三个字就是最最最根本的⼀条重要提示词,没有加上这个词则会出现各类不符合的情况出现。
仿照写法:
创建⼀个⽔果产品的着陆⻚,包含各类的⽔果介绍,⽔果价格,⽔果营养,⽔果Emoji图案等,⻛格要⼩清新的。
⽣成过程:
在完成编码后进⾏运⾏,但是运⾏的时候需要对环境进⾏初始化操作,补充⼀些环境内容,这⾥就可以看到,需要先进⾏vite安装操作。
npm install vite
安装过程需要稍等⼀会。
运⾏dev
页⾯效果
最后会⾃动打开Previrw⻚⾯来看看⻚⾯的效果,还是⾮常的不错的呢,不过我们的提示词中没有添加中⽂,故⽽体现的状态都是英⽂的,可以在提示词中加上⽣成中⽂的着陆⻚,这样产⽣的⻚⾯就是纯中⽂的了。
⼆次提示词
改成中⽂的内容。
修改完成后会⾃动启动,效果还是很棒的,这⾥给开发的⼈员点个赞。
测试评价
整个操作过程快得很,快的话5分钟就能搞定,⽽且要是条件合适,甚⾄可以说⼀分钱不花就能⽤上DeepSeek-V3的模型,把它的强⼤功能为⼰所⽤ ,且快速⽣成的内容最起码⽤来交作业是没什么问题的,哈哈,这就很舒服了,对于⼤⼀⼤⼆的同学很有吸引⼒的。
整体操作过程
上下操作过程步骤很少,等待时间也不⻓,第⼀步骤等待时间也就10多秒,也就是在访问第⼀次的时候需要多等⼀会,点⼀下继续访问就好。
总结
整体测试下来,Bolt-diy⽆论是架设还是使⽤的整个使⽤过程中都可以说表现挺不错的,值得再次赞扬⼀下,如果能多给⼀些⽐较官⽅的提示词会更好,毕竟如果想针对提示词做⼀个全套的学习成本还是⾮常⾼的,希望这个建议能被官⽅看到并落实。
祝⼤家都能⽣成⾃⼰喜欢的⻚⾯。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
Elasticsearch:ES|QL lookup JOIN 介绍 - 8.18/9.0
警告:此功能在 8.18/9.0 中刚推出。此功能处于技术预览阶段,未来版本可能会更改或删除。Elastic 会努力修复任何问题,但技术预览中的功能不受正式 正式发布功能支持 SLA 的约束。 ES|QL LOOKUP JOIN 处理命令将你的 ES|QL 查询结果表中的数据与指定的查找索引中的匹配记录合并。它根据联接字段中的匹配值,将查找索引中的字段作为新列添加到结果表中。 团队常常将数据分散在多个索引中,例如日志、IP、用户 ID、主机、员工等。如果没有直接的方式来丰富或关联每个事件与参考数据,那么根本原因分析、安全检查和操作洞察将变得耗时。 例如,你可以使用 LOOKUP JOIN 来: 获取每个主机的环境或所有权详细信息,以关联你的指标数据。 快速查看任何源 IP 是否与已知的恶意地址匹配。 为日志标记拥有团队或升级信息,以便更快地进行分类和事件响应。 与 ENRICH 对比 LOOKUP JOIN 和 ENRICH 的相似之处在于,它们都帮助你将数据结合在一起。你应该在以下情况下使用 LOOKUP JOIN: 你的富集数据经常变化 你想避免索引时处理 你想要 SQL 类似的行...
- 下一篇
Elasticsearch:没有 “AG” 的 RAG?
作者:来自 ElasticGustavo Llermaly 了解如何利用语义搜索和 ELSER 构建一个强大且视觉上吸引人的问答体验,而无需使用 LLMs。 想要获得 Elastic 认证?查看下一期 Elasticsearch Engineer 培训的时间! Elasticsearch 拥有众多新功能,帮助你为你的用例构建最佳搜索解决方案。深入学习我们的示例笔记本,了解更多信息,开始免费云试用,或立即在本地机器上尝试 Elastic。 你可能听说过 RAG(Retrieval Augmented Generation - 检索增强生成),这是一种将你自己的文档与 LLM 结合,以生成类人回答的常用策略。在本文中,我们将探讨如果不使用 LLM,仅依靠语义搜索和 ELSER,能实现多大的效果。 如果您不熟悉RAG,可以阅读这篇关于 Azure 和 AI 上的 RAG 的文章,这篇关于 RAG 与 Mistral 的文章,或者这篇关于使用 Amazon Bedrock 构建 RAG 应用程序的文章。 大语言模型的缺点 虽然 LLM 能提供类人语言的回答,而不仅仅是返回文档,但在实现它们时需...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS6,CentOS7官方镜像安装Oracle11G
- Hadoop3单机部署,实现最简伪集群
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- SpringBoot2整合Redis,开启缓存,提高访问速度
- Windows10,CentOS7,CentOS8安装Nodejs环境
- MySQL8.0.19开启GTID主从同步CentOS8
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- Eclipse初始化配置,告别卡顿、闪退、编译时间过长