Hermes+Qwen3.6-35B本地离线全链路全自动开发React项目,完成cognee-ui从零开发+自动测试+自动修Bug闭环

🔥 前言:不是Demo,是实打实工业级自动化开发闭环

市面上绝大多数AI开发工具,目前都只能做到:输入需求 → 生成几段代码。

代码能不能跑、页面有没有报错、UI能不能正常交互,全部需要人工二次开发、人工测试、人工改Bug。

这叫辅助写代码,不叫自动开发。

经过我 整整一个月反复试验、反复调试、反复压测链路,

我终于在 纯本地离线环境 下,

零云端、零联网、零外部API,

完整跑通 全流程软件工程自动化流水线。

✅ 需求理解

✅ 项目架构自动设计

✅ 自动写完整前端工程

✅ 自动拉起浏览器可视化测试

✅ 自动发现前端Bug

✅ 自动定位代码问题

✅ 自动修复、自动回归复测

实战落地项目:基于 React+JS 完整开发 cognee-ui

🧠 本次全套离线硬核技术栈

1)智能调度大脑:Hermes

负责全流程任务编排、节点管控、循环迭代。

专门适配复杂前端工程,保证多文件、多组件、多步骤开发不中断、不跑偏。

2)离线代码主力大模型:Qwen3.6-35B-A3B-mxfp4

前端能力极强、React语法精通、长上下文容量大。

mxfp4量化,本地显卡直接跑满,不掉线、不崩显存、适合挂机全自动开发。

3)自动化测试闭环核心:Python + Playwright

真实浏览器可视化测试

不是模拟、不是静态扫描。

直接打开浏览器跑真实cognee-ui页面,模拟人工点点点,自动抓报错、抓渲染问题、抓交互Bug。

🚀 实战:AI全自动从零开发 React+JS 版 cognee-ui

第一步:AI自动分析需求,自动生成React项目架构

Hermes 自动拆解 cognee-ui 全部功能:

• 页面结构规划

• React组件拆分

• 路由设计

• 全局状态规划

• 文件目录自动生成

直接生成可落地前端架构方案,无需人工写一行规划文档。

第二步:全自动编写全套 React + JS 源码

大模型直接产出完整工程:

• 函数组件、业务组件、公共组件全量自动写

• React页面路由自动配置

• 全局样式、布局、自适应自动完成

• JS交互逻辑、事件绑定、表单逻辑全自动开发

直接产出可运行、可编译、可部署的 cognee-ui 完整前端源码。

第三步:本地自动启动项目,自动打开浏览器

全程无人值守:

自动安装依赖 → 自动启动本地服务 → 自动唤醒浏览器 → 自动加载cognee-ui页面。

第四步:Playwright 全自动可视化测试 React页面

自动模拟真实用户操作:

• 切换路由页面

• 点击所有按钮、弹窗、菜单

• 检查UI渲染是否错乱

• 检查是否白屏、遮挡、样式Bug

• 抓取控制台JS报错、React运行异常

全部可视化记录,真实可靠。

第五步:AI自动分析日志,精准定位React代码Bug

把浏览器报错、页面截图、前端日志全部回传给本地大模型。

AI自动判断:

• 哪个组件报错

• 哪一行JS代码有问题

• Hook写法哪里不规范

• 样式哪里冲突

• 路由哪里跳转失败

第六步:自动改代码 + 自动复测,直到项目完全稳定

AI自动修复React源码 → 自动保存 → 自动重启服务 → 再次全自动测试。

多轮循环迭代,最终:

✅ 页面零报错

✅ 组件正常渲染

✅ 全部交互可用

✅ 路由全部正常

✅ 完整可用 cognee-ui 项目交付

✅ 这套方案核心亮点

✔ 全程本地离线,代码不外泄

企业内网、涉密项目、私有UI都能放心自动化开发。

✔ 真正全链路闭环,不是玩具Demo

完整React工程项目实战:cognee-ui。

能做正经前端工程,不是写写静态HTML。

✔ Playwright真实浏览器测试,Bug检出率极高

比普通AI自测靠谱10倍,真实用户环境一模一样。

✔ 节省大量前端人力成本

一句话需求 → 全自动出成品 → 直接部署上线。

📌 适用开发场景

• React+JS 全流程自动开发

• 快速复刻开源前端UI(如cognee-ui)

• 后台管理系统自动开发

• 内部工具前端一键生成

• 长期自动维护、自动修Bug

🎯 总结:一个月攻坚,AI前端全自动开发时代真的来了

整整一个月熬夜调试、优化链路、打磨流程,

我终于实现:

Hermes + Qwen3.6-35B 本地离线 + React+JS + Playwright

✅ 全自动开发 cognee-ui

✅ 全自动可视化测试

✅ 全自动修复前端Bug

相关推荐
Raink老师1 小时前
【AI面试临阵磨枪-29】什么是 Function Calling?与手动解析 LLM 输出的区别?
人工智能·ai 面试
ai大模型中转api测评1 小时前
构建生产级 AI 应用:GPT-5.5 与 Claude 4.7 的 Token 成本管理与工程化实战
大数据·人工智能·gpt·自动化
jkyy20141 小时前
数智赋能药品零售:从卖药到健康服务,重构慢病管理新生态
人工智能·重构·健康医疗·零售
DO_Community1 小时前
DigitalOcean 打造 AI 原生云,帮助 AI 应用大幅降低成本与运维复杂度
运维·人工智能·agent·claude
汽车仪器仪表相关领域1 小时前
Kvaser Memorator R SemiPro:双通道CAN总线记录仪,汽车与工业测试的高性价比之选
大数据·网络·人工智能·功能测试·汽车·安全性测试
天天爱吃肉82181 小时前
空间智能上车:新能源OEM决胜「第三空间」的底层技术革命|研发工程师深度解析
大数据·人工智能·嵌入式硬件·汽车
初圣魔门首席弟子1 小时前
深度学习 欠拟合、过拟合讲透
人工智能
开开心心就好1 小时前
支持批量添加水印的实用工具推荐
人工智能·游戏·ci/cd·docker·音视频·语音识别·媒体
毕胜客源码1 小时前
卷积神经网络的手势识别系统(有技术文档)深度学习 图像识别 卷积神经网络 Django python 人工智能
人工智能·python·深度学习·cnn·django