以下是如何使用AI和API 逻辑服务器在几分钟内创建完整的运行系统：
- 使用ChatGPT 实现架构自动化：从自然语言创建数据库架构。
- 使用开源API逻辑服务器：使用一个命令创建工作软件。
- 应用自动化：多页面、多表管理应用。
- API 自动化： JSON：API，每个表的增删改查，具有过滤、排序、乐观锁定和分页功能。
- 使用您的 IDE 自定义项目：
- 使用规则的逻辑自动化：在 Python 中声明类似电子表格的规则，用于多表派生和约束 – 比代码简洁 40 倍。
- 使用 Python 和标准库（Flask、SQLAlchemy）并在 IDE 中进行调试。
- 迭代您的项目：
- 修改您的数据库设计和逻辑。
- 与 B2B 合作伙伴和内部系统集成。
此过程利用您现有的 IT 基础设施：您的 IDE、GitHub、云、数据库……开源。让我们看看如何。
1。人工智能：架构自动化
您可以使用现有数据库或使用 ChatGPT 创建新数据库 或您的数据库工具。
使用ChatGPT生成用于数据库创建的SQL命令：
请注意上面的提示。正如我们所听说的，“人工智能需要成人监督。” 需要提示才能获得所需的 SQL。
这将创建标准 SQL 像这样。将生成的 SQL 命令复制到文件中，例如 sample-ai.sql：
然后，创建数据库：
sqlite3 Sample_ai.sqlite 2。 API逻辑服务器：创建
给定一个数据库（无论它是否是从 AI 创建的），API Logic Server 会使用以下单个命令创建一个可执行的、可自定义的项目：
$ ApiLogicServer create --project_name=sample_ai --db_url=sqlite:///sample_ai.sqlite这将创建一个可以使用 IDE 打开的项目，例如 VSCode（见下文）。该项目现已准备好运行；按 F5。它反映了 create 命令提供的自动化：
- API 自动化：为 UI 开发人员准备的自助 API；
- 应用自动化：一个管理应用，可用于后台数据维护和业务用户协作。
让我们通过 create 命令探索应用程序和 API 自动化。
应用自动化
应用程序自动化意味着ApiLogicServer create自动创建多页面、多表管理应用程序。这不由数百行复杂的 HTML 和 JavaScript 组成；这是一个简单的 yaml 文件，易于自定义。
<块引用>
为业务用户协作做好准备，
后台数据维护......
只需几分钟。
API 自动化
App Automation 意味着 ApiLogicServer create 自动创建 JSON: API。您的 API 为每个表提供一个端点，包括相关的数据访问、分页、乐观锁定、过滤和排序。
<块引用>
使用框架创建这样的 API
需要几天到几个月的时间。
UI 应用程序开发人员可以使用 API 立即创建自定义应用程序，使用 Swagger 设计其 API 调用并将 URI 复制到其 JavaScript 代码中。因此，API 是自助式的：不需要服务器编码。
<块引用>
自定义应用程序开发已解锁：第一天。
3。自定义
所以，我们在几分钟内就拥有了可以运行的软件。它正在运行，但我们确实无法部署它，直到我们拥有逻辑和安全性，这使我们可以进行定制。
项目是为定制而设计的，使用标准：Python、框架（例如 Flask、SQLAlchemy）以及用于代码编辑和调试的 IDE。
不仅是 Python 代码，还有规则。
逻辑自动化
逻辑自动化意味着您可以使用 Python声明类似电子表格的规则。这种逻辑通过多表派生、约束和安全性来维护数据库完整性。规则比传统代码简洁 40 倍，并且可以使用 Python 进行扩展。
规则是可执行的设计。使用您的 IDE（代码完成等）将 280 行代码替换为下面五个类似电子表格的规则。请注意，它们完全映射到我们的自然语言设计：
1.调试
上面的屏幕截图显示了我们的逻辑声明以及我们如何调试它们：
- 执行在调试器中的断点处暂停，我们可以在其中检查状态并逐步执行。
- 注意插入
Item的日志记录。每行代表一个规则触发并显示该行的完整状态。
2.链接：多表事务自动化
请注意，这是一个多表事务，如日志缩进所示。这是因为，就像电子表格一样，规则会自动链接，包括跨表。
3.简洁 40 倍
五个类似电子表格的规则代表了与 200 行代码相同的逻辑，此处显示。系统后端一半显着减少了 40 倍。
4.自动重用
上面的逻辑可能是为下订单而设计的，会自动应用于所有交易：删除订单、更改商品、将订单转移给新客户等。这减少了代码，并且提高质量（不遗漏极端情况）。
5.自动优化
通过修剪和消除昂贵的聚合查询，可以最大限度地减少 SQL 开销。这些可能会导致几个数量级的影响。
这是因为规则引擎不是基于 Rete 算法，而是针对事务处理进行了高度优化，并与 SQLAlchemy 集成ORM （对象关系管理器）。
6.透明
规则是可执行的设计。请注意，它们完全映射到业务用户可读的自然语言设计（如注释中所示）。这补充了运行屏幕以促进敏捷协作。
安全自动化
安全自动化意味着您激活登录访问安全性并声明授权（使用 Python）来控制用户角色的行访问。在这里，我们筛选出具有销售角色的用户的不太活跃的帐户：
Grant( on_entity = models.Customer,
to_role = 角色.sales,
过滤器 = lambda : models.Customer.CreditLimit > 3000,
filter_debug = "CreditLimit > 3000")
4。迭代：规则 + Python
这样，我们就完成了一日项目。工作屏幕和规则促进敏捷协作，从而导致敏捷迭代。
自动化在这里也有帮助：不仅电子表格规则更加简洁 40 倍，而且它们有意义地简化了迭代和维护。让我们通过两个更改来探讨这一点：
要求 1：绿色折扣
购买 10 件或以上碳中和产品可享受 10% 折扣。要求 2：应用程序集成
修改数据模型
在此示例中，需要更改架构才能添加 Product.CarbonNeutral 列。这会影响 ORM 模型、API 等。因此，我们希望更新这些内容，但保留我们的自定义。
使用 ApiLogicServerrebuild-from-database 命令支持此操作，将现有项目更新为修订后的架构，同时保留自定义设置。
迭代逻辑：添加 Python
这是我们修改后的逻辑，用于应用折扣并发送 Kafka消息：
扩展API
我们还可以使用标准 Python 和 Flask 为新的 B2BOrder 端点扩展 API：
注意：本例中 Kafka 未激活。要探索与正在运行的 Kafka 集成应用程序的运行教程，请单击此处。
迭代注意事项
这说明了逻辑如何支持迭代的一些重要方面。
维护自动化
除了文档之外，程序员最讨厌的任务之一就是维护。那是因为这不是写代码，而是考古；破译其他人编写的代码，这样您就可以添加四到五行，希望它们能够被调用并正常运行。
逻辑自动化通过维护自动化改变了这一点，这意味着：
- 规则根据系统发现的依赖关系自动排序其执行（和优化）。
- 规则会自动重用用于所有相关交易。
因此，要改变逻辑，您只需“将新规则放入桶中”，系统将确保以正确的顺序调用它并重新使用涵盖所有相关用例。
可扩展性：使用 Python
第一种情况，我们需要做一些if/else测试，添加一点Python会更方便。虽然这是非常简单的Python 作为 4GL，但您拥有面向对象的 Python 及其许多库的全部功能。
例如，我们的扩展 API 利用 Flask 和开源库来处理 Kafka 消息。
重建：保留逻辑
回想一下，我们能够迭代架构并使用ApiLogicServerrebuild-from-database命令。这会更新现有项目，并保留自定义内容。
5。部署
API Logic Server 提供脚本来从您的项目创建 Docker 映像。您可以将它们部署到云端或本地服务器。
有关详细信息，请参阅此处。
摘要
几分钟之内，您就已经使用 ChatGPT 和 API Logic Server 将想法转换为工作软件。它只需要 5 条规则和几十行 Python 代码。过程很简单：
-
使用
ChatGPT 创建架构。 -
使用
ApiLogicServer 创建项目。- 用于解锁 UI 开发人员的自助式 API：第一天
- 用于业务用户协作的管理应用：第 1 天
-
自定义项目。
- 使用规则：比代码简洁 40 倍。
- 使用Python：实现完全的灵活性。
-
迭代 IDE 中的项目以实现新需求。
- 保留之前的自定义设置。
这一切都可以使用标准工具：Python、您的 IDE 和基于容器的部署。
您可以通过详细教程执行本文中的步骤：点击此处。