NocoBase插件开发入门:从零构建你的第一个业务插件
无代码平台NocoBase(NocoBase是一个极易扩展的无代码/低代码开发平台)的强大之处在于其插件化架构。通过自定义插件,你可以为系统添加业务逻辑、数据处理规则或UI组件,满足企业个性化需求。本文将带你从零开始,通过3个核心步骤完成业务插件开发,并以工作流插件packages/plugins/@nocobase/plugin-workflow/为参考模板,掌握插件开发的标准范式。
一、环境准备与项目结构
1.1 开发环境配置
确保本地已安装Node.js(v16+)和Yarn。通过以下命令克隆项目并安装依赖:
git clone https://gitcode.com/GitHub_Trending/no/nocobase
cd GitHub_Trending/no/nocobase
yarn install
1.2 插件目录结构解析
NocoBase插件采用标准化目录结构,核心文件如下:
packages/plugins/@nocobase/plugin-demo/
├── src/ # 源代码目录
│ ├── server/ # 服务端代码
│ │ ├── Plugin.ts # 插件主类
│ │ └── index.ts # 导出入口
│ └── client/ # 客户端代码(可选)
├── package.json # 插件配置
└── README.md # 插件说明文档
官方插件模板提供了基础框架,可通过CLI工具快速生成。
二、插件核心开发步骤
2.1 使用CLI创建插件
通过NocoBase CLI工具生成插件骨架:
yarn nocobase create-plugin plugin-demo
该命令会在packages/plugins/目录下创建插件文件夹,并自动配置依赖关系packages/core/cli/src/plugin-generator.js#L68-L72。
2.2 实现插件主类
插件主类需继承Plugin基类,并重写生命周期方法。以工作流插件为例:
import { Plugin } from '@nocobase/server';
export default class PluginDemoServer extends Plugin {
async load() {
// 注册触发器
this.initTriggers();
// 注册指令
this.initInstructions();
// 注册数据库模型
this.db.registerModels(this.getModels());
}
async beforeLoad() {
// 初始化数据库连接
await this.db.authenticate();
}
}
工作流插件主类展示了完整实现,包括触发器注册、事件监听等高级功能。
2.3 注册业务功能
根据插件类型,可注册以下功能:
- 数据库模型:定义新的数据结构
- API接口:通过
this.app.resourcer.define()添加HTTP端点 - 权限规则:使用
this.app.acl.registerSnippet()配置权限 - 前端组件:在
client目录下开发React组件
三、插件调试与部署
3.1 本地调试
通过以下命令启动开发服务器,插件会自动加载:
yarn dev
修改插件代码后,系统会热重载packages/core/server/src/application.ts#L123-L128。
3.2 打包与发布
执行构建命令生成生产版本:
yarn build:plugin plugin-demo
打包后的插件可通过NocoBase市场安装,或手动复制到plugins/目录。
四、高级实践与资源
4.1 插件间依赖管理
在package.json中声明依赖插件:
{
"nocobase": {
"dependencies": ["@nocobase/plugin-users"]
}
}
确保依赖插件在当前插件加载前初始化packages/core/server/src/plugin-manager.ts#L89-L94。
4.2 官方资源推荐
- 开发文档:README.md
- 插件示例:工作流插件
- API参考:packages/core/sdk/src/index.ts
通过以上步骤,你已掌握NocoBase插件开发的基础流程。建议从简单功能入手,逐步探索触发器、定时任务等高级特性。插件开发完成后,可提交至NocoBase插件市场,与社区共享你的解决方案。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00