零到部署:Onlook可视化编辑器的全流程落地指南
Onlook作为开源的视觉优先代码编辑器,让设计师和开发者能够直接在React应用中进行可视化编辑并实时生成代码。本文将从环境准备到生产部署,完整呈现Onlook的本地化部署实践,帮助团队快速搭建可视化开发环境。
部署架构概览
Onlook采用前后端分离架构,核心由Web客户端、后端服务和数据库组成。其工作流程基于Web容器运行代码,通过iFrame预览并映射DOM元素到代码位置,实现可视化编辑与代码同步。
核心组件包括:
- 前端:Next.js + TailwindCSS,源码位于apps/web/client/
- 后端:Supabase提供认证、数据库和存储服务,配置文件见apps/backend/supabase/config.toml
- 容器化:通过docker-compose.yml实现服务编排
本地开发环境搭建
环境准备
确保系统已安装:
- Git
- Docker及Docker Compose
- Node.js (v18+)
- Bun包管理器
代码获取与依赖安装
# 克隆仓库
git clone https://gitcode.com/GitHub_Trending/on/onlook.git
cd onlook
# 安装依赖
bun install
配置环境变量
复制并修改环境变量模板:
# 前端环境变量
cp apps/web/client/.env.example apps/web/client/.env
# 后端环境变量
cp apps/backend/.env.example apps/backend/.env
编辑.env文件配置必要参数,包括Supabase连接信息和API密钥,详细参数说明见docs/content/docs/self-hosting/。
启动开发服务器
# 启动所有服务
bun run dev
# 或使用Docker Compose
docker-compose up -d
服务启动后访问http://localhost:3000即可打开Onlook编辑器界面,编辑区域与代码实时同步,效果如下:
Docker部署流程
容器化配置解析
项目根目录的docker-compose.yml定义了主要服务组件:
- web-client:前端应用容器,暴露3000端口
- 使用host网络模式确保容器间通信
- 自动重启策略保障服务稳定性
构建与启动容器
# 构建镜像
docker-compose build
# 启动服务
docker-compose up -d
# 查看运行状态
docker-compose ps
成功部署后,可通过http://服务器IP:3000访问应用。系统会自动应用apps/web/client/next.config.ts中的配置,包括路由规则和构建优化。
生产环境配置
性能优化
- 启用静态资源缓存:修改apps/web/client/next.config.ts配置缓存策略
- 配置CDN加速:在apps/web/client/vercel.json中设置国内CDN地址
- 优化数据库连接:调整packages/db/drizzle.config.ts中的连接池参数
安全加固
- 设置环境变量:在生产环境中使用加密方式管理敏感信息,参考docs/content/docs/enterprise.mdx
- 配置CORS策略:编辑apps/web/server/src/middleware.ts限制跨域请求
- 启用HTTPS:通过反向代理(如Nginx)配置SSL证书,示例配置见docs/content/docs/self-hosting/
功能验证与故障排查
核心功能测试
部署完成后验证关键功能:
- 可视化编辑:拖拽元素并确认assets/text-styling.png所示样式调整功能正常
- AI生成代码:测试文本转组件功能,检查packages/ai/src/相关模块日志
- 项目导出:验证代码导出功能,生成的文件应符合packages/file-system/src/fs.ts中的规范
常见问题解决
- 服务启动失败:检查apps/web/server/package.json中的依赖是否完整
- 数据库连接错误:确认apps/backend/supabase/config.toml中的连接参数正确
- 静态资源加载异常:验证apps/web/client/public/目录权限及文件完整性
扩展与定制
插件开发
Onlook支持通过插件扩展功能,开发指南见docs/content/docs/developers/,核心插件接口定义在packages/rpc/src/index.ts。
自定义模板
创建项目模板并放置于packages/templates/目录,可通过编辑器的"新建项目"功能选择使用,模板配置规范参考packages/constants/src/templates.ts。
总结与资源
通过本文档,你已掌握Onlook从本地开发到生产部署的全流程。更多资源:
- 官方文档:docs/content/docs/
- API参考:packages/rpc/src/trpc/
- 社区支持:CONTRIBUTING.md
Onlook持续迭代中,建议定期通过git pull更新代码,并关注README.md中的更新日志,及时获取新功能和安全补丁。
部署过程中遇到问题可提交issue至项目仓库,或通过社区渠道寻求帮助。合理配置的Onlook环境将为团队带来高效的可视化开发体验,加速前端项目从设计到代码的转化流程。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112


