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。
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08