企业官网建设流程全解析

测试输入：一句业务描述。测试产物：12 张表单、6 条流程、8 条业务规则、3 个数据看板、1 个 AI 智能体。本文按架构分层拆解生成过程，截图均为真实界面。

前言

「AI 生成应用」这个说法近一两年出现得很多，但多数停留在生成页面原型、生成代码片段的层面。这次测试的对象是搭贝——一个声称能用一句自然语言生成完整企业管理系统的 AI 平台。

测试方式很直接：把一家制造工厂的业务需求写成一句话交给它，记录全部生成产物，再从开发视角审视这些产物是否达到「可用系统」的标准。

需求原文如下，没有需求文档，没有原型图：

制造工厂生产订单、质量检验、成品入库、设备保养、工序流转的应用

下面按系统架构的分层顺序拆解：先看数据模型，再看权限、逻辑、流程、展示，最后看 AI 层。

一、数据模型层：先有 ER 图，再有系统

生成动作的第一步不是画页面，而是建模型。AI 从那句话里解析出十二个业务实体：

实体之间的关系在总览图中完整给出：完工触发检验、检验合格生成入库单、入库更新台账、不合格汇入处理单。业务闭环在数据模型层就已经打通，这是「生成系统」和「生成原型」的本质区别——前者有真实的数据结构支撑。

二、数据采集层：十二张表单与字段控件选型

模型定了，采集数据的表单跟着生成。十二张表单里，拿生产订单单看字段与控件的对应：

控件选型没有出现「该用日期用了文本」这类低级错误。每张表单还自动附带视图——生产订单下挂「本月订单」（按月过滤）和「订单看板」（按状态分列、支持拖拽）。

三、权限层：五种角色，边界前置

角色划分在生成时一次完成：生产计划员、车间操作工、质检员、仓库管理员、设备管理员。每个角色绑定各自的表单与看板，越权数据在权限层直接拦截，不需要上线后再补配置。

对开发者的意义在于：权限模型通常是系统里最琐碎的部分，AI 按业务语义自动划界，省掉的是大量重复劳动。

四、展示层：三个看板，指标可溯源

生产进度看板配置了五张图表：今日计划产量、实际完工量、逾期订单数三个指标卡，加各车间订单分布柱状图与订单进度明细表。

关键细节在配置里：每个指标都标注了统计来源与筛选条件——从哪张表统计、按什么条件过滤。数字能点回原始单据，不是装饰性图表。

五、流程层：六条审批流，含驳回回退

以不合格品处理单的审批流为例，四个节点五条流转：

质检员发起 → 质量主管初审 → 生产主管复审 → 流程结束 ↓ 驳回 ↓ 驳回 退回上一节点重新处理

两级审核通过流程才结束，任一级驳回退回上一节点，不存在死锁路径。六条流程全部按此标准生成。

六、逻辑层：八条业务规则，白话配置

这层最接近传统开发里「写代码」的部分。两条代表性规则：

• 生产订单状态变为「已下达」→ 自动创建对应工序流转卡，状态置「待开工」
• 末道工序完工 → 订单状态自动更新为「待终检」

触发条件、作用单据、执行动作，全部以业务语言描述，由引擎执行。过去这类联动要写胶水代码，现在是配置项。

七、AI 层：系统内置智能体

系统里生成了一个「离散制造生产智能助手」，覆盖十五张表单与三个看板的数据语义。使用方式是对话：问「订单执行到哪了」，它检索流转卡返回进度；问「这个月质量情况」，它汇总检验数据给出结论。

相当于给系统配了一个懂自身数据结构的查询入口，管理者的常用问题不需要专人做报表。

八、产物清单与整体评价

一句话输入的完整产出：

从开发视角给三点评价：

1. 数据模型先行的做法符合工程惯例，模型对了，上层建筑才稳
2. 控件选型、流程回退、指标溯源这些细节，说明生成的不只是骨架
3. 修改走对话通道，字段、流程、规则都能改——生成只是起点，迭代才是日常

九、常见问题

Q1：生成的系统是能跑的真系统，还是只能看的原型？

真系统。表单可提交数据、流程可审批流转、规则可触发执行、看板读真实数据，本文截图均来自实际生成结果。

Q2：业务比较特殊，AI 猜错了怎么办？

它不猜。需求含糊处会先追问，确认方案后再生效；生成后不满意的部分，对话指出即可修改。

Q3：只支持工厂场景吗？

不是。平台需求页提供水务、装修、家政等多行业示例，把需求句替换成对应行业即可，生成机制相同。

Q4：开发者能在里面做什么？

可以用它快速验证业务模型：把 ER 图、表单结构、流程设计生成出来当基线，再评估哪些环节需要定制，比从空白文档开始高效。

Q5：数据权限怎么控制？

按角色隔离，每种角色可见的表单、可执行的操作由企业方自行设定，越权访问在权限层拦截。

搭贝，AI 生成应用平台：用一句日常语言描述业务，自动生成含表单、流程、规则、看板与 AI 智能体的完整管理系统，全程无代码。本文为实测记录，截图未做加工。