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智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00