OoderAI V3.5.0技术白皮书：基于NLP技术的AI原生开发平台解析

作者：袖梨 2026-05-29

Ooder v3.5.0技术架构规划聚焦NLP驱动的AI原生开发理念，通过自然语言交互实现从意图到代码的智能转化，为开发者提供全新编程范式。

关于本文档

本技术文档详细阐述了Ooder v3.5.0版本的技术架构规划与核心设计理念，涵盖已实现功能、开发中模块及未来规划内容。

已实现：协议层、SDK层、Skills架构基础、NLP编排器
开发中：NLP Harness Pipeline、四分离模型完整实现
规划中：AI Studio完整工程化体系

1. 产品定位：NLP FIRST设计理念

1.1 核心定位

Ooder作为以NLP为核心驱动力的AI原生开发平台，秉承"自然语言即代码，意图即实现"的设计理念。

NLP FIRST设计理念

用户输入(自然语言)→意图识别→实体提取→组件选择→代码生成→验证反馈

该理念的核心价值在于使自然语言成为软件开发的第一要素，通过自然语言描述即可自动完成从需求理解到代码实现的全流程。

1.2 NLP FIRST与传统开发模式对比

维度	传统开发	低代码平台	Ooder NLP FIRST
需求输入	需求文档→人工分析	可视化拖拽	自然语言描述
意图理解	人工解读	无	NLP意图识别
代码生成	手动编码	模板生成	注解驱动+AI增强
验证机制	人工测试	静态检查	置信度量化+渐进披露
反馈循环	需求变更→重写	配置修改	澄清请求→自动调整

1.3 目标用户与价值主张

用户群体	核心痛点	Ooder解决方案	当前成熟度
产品经理	需求与实现存在鸿沟	NLP驱动，意图即实现	开发中
IT人员	低代码平台灵活性不足	注解驱动，代码级控制	已实现
编程爱好者	学习曲线陡峭	自然语言交互，降低门槛	已实现
企业架构师	技术选型风险高	SPI架构，渐进式集成	已实现

2. 技术架构全景

2.1 五层架构体系

Ooder采用从底层协议到上层应用的五层架构设计，每层都以NLP驱动为核心：

图1：Ooder五层技术架构-NLP驱动的AI原生平台

架构特点

1. NLP贯穿全栈

从用户输入到代码生成，NLP是核心驱动力

2. 协议驱动

底层协议定义了Agent互联、路由发现、工具调用、UI交互的标准

3. SDK封装

协议的具体实现被封装在SDK层，对上层透明

4. 技能组装

基于SDK层构建标准化技能模块，支持声明式编排

5. 可视化工作台

AI Studio作为统一入口，提供NLP交互界面

2.2 模块版本矩阵

模块	当前版本	说明	仓库路径
ooder-pro	3.0.3-jdk11	RAD Studio主程序	ooder-pro/pom.xml
agent-sdk	3.0.2	Agent SDK核心	agent-sdk/agent-sdk-core/pom.xml
scene-engine	3.0.2	场景引擎	scene-engine/pom.xml
llm-sdk	1.0.j11	LLM集成SDK	ooder-common/llm-sdk/pom.xml
skills-framework	1.0.j11	技能框架	ooder-common/skills-framework/pom.xml
ooder-annotation	1.0.j11	注解模块	ooder-common/ooder-annotation/pom.xml

3. NLP驱动的核心流程

3.1 从自然语言到代码的完整流程

Ooder的NLP驱动流程包含7个核心步骤：

图2：NLP驱动示例-从自然语言到代码的完整流程

流程详解

步骤	处理器	输入	输出
Step 1	NlpIntentRecognizer	自然语言文本	intent, confidence
Step 2	ClsEntityExtractor	intent + entities	moduleName, fields, operations
Step 3	TemplateSelector	componentType	模板配置
Step 4	ClsFourSeparationExtractor	.cls JSON	Properties, Styles, Events, Behaviors
Step 5	.cls JSON Generator	四分离数据	JSON配置文件
Step 6	NlpHarnessPipeline	JSON + 验证规则	confidence, disclosureLevel
Step 7	D2CGenerator	JSON + 模板	Java代码 + 注解

3.2 NLP驱动示例

用户输入

"创建一个用户管理页面，包含用户列表、搜索、新增、编辑、删除功能，字段包括ID、姓名、邮箱、状态"

Step 1: 意图识别

IntentRecognitionResult result = intentRecognizer.recognize(query);
// intent = CREATE_PAGE
// confidence = 0.92

Step 2: 实体提取

ClsEntityResult entityResult = extractor.extract(clsJson);
// moduleName = UserManager
// fields = [id, name, email, status]
// operations = [SEARCH, SAVE, DELETE, ADD, EDIT]

Step 7: 代码生成

@TreeGridViewAnnotation(
    dataUrl = "/api/users",
    saveUrl = "/api/users/save",
    searchUrl = "/api/users/search",
    delPath = "/api/users/delete",
    columns = {
        @Column(field = "id", caption = "ID"),
        @Column(field = "name", caption = "姓名"),
        @Column(field = "email", caption = "邮箱"),
        @Column(field = "status", caption = "状态")
    }
)
public class UserManagerView {
    // 自动生成的数据绑定和事件处理
}

4. NLP Module Orchestrator

4.1 5步编排流程

NlpModuleOrchestrator作为NLP驱动核心编排器，负责将自然语言转换为结构化UI组件：

图3：NLP Module Orchestrator-5步编排流程

4.2 核心代码结构

@Service
public class NlpModuleOrchestrator {    private final NlpIntentRecognizer intentRecognizer;
    private final NlpComponentBuilderFactory componentFactory;
    private final TemplateSelector templateSelector;    public NlpBuildContext process(String query) {
        NlpBuildContext context = new NlpBuildContext(query);        context = step1_IntentRecognition(context);  // 意图识别
        if (context.hasErrors()) return context;        context = step2_ModulePartition(context);     // 模块划分
        if (context.hasErrors()) return context;        context = step3_ComponentSelection(context);  // 组件选择
        if (context.hasErrors()) return context;        context = step4_BuildComponent(context);      // 构建组件
        if (context.hasErrors()) return context;        context = step5_GenerateOutput(context);      // 生成输出        return context;
    }
}

4.3 错误处理机制

每个Step都设有context.hasErrors()检查，失败时立即返回错误信息，支持多阶段回滚。

5. NLP Harness Pipeline

5.1 6阶段管道设计

NlpHarnessPipeline实现了从自然语言输入到构建执行的完整流程，体现了Ooder与传统测试框架的核心差异：

图4：NLP Harness Pipeline-6阶段管道设计

5.2 核心特性：解决"哑巴管道"问题

相比传统测试框架的"输入→处理→输出"哑巴管道模式，Ooder的Harness Engineer使每个处理节点都具备可视化能力：

public class HarnessResult {
    private final T data;                    // 实际数据
    private final double confidence;         // 置信度0.0-1.0
    private final String source;             // 来源：SKILL/LLM/RULE/HYBRID/FALLBACK
    private final List<String> harnessLog;   // 驾驭日志
    private final boolean requiresReview;    // 是否需要人工复核
    private final List<String> suggestions;  // 改进建议
}

5.3 置信度级别

级别	置信度范围	含义	处理方式
RELIABLE	≥0.85	可靠	直接进入下一阶段
CLARIFICATION	0.60-0.85	需澄清	发起澄清请求
SKELETON	<0.60	骨架	降级处理，生成基础结构

5.4 与传统SDD的差异

维度	传统SDD测试	Ooder Harness Engineer
驱动方式	静态测试脚本	NLP驱动的动态测试
结果判断	二元：通过/失败	置信度量化评估
披露方式	全量或无	渐进式披露：骨架→完整
错误处理	失败即停止	自动澄清请求+自适应回退
测试生成	人工编写	AI生成测试场景
维护成本	高	自适应调整，低维护

6. 六维数据空间

6.1 数据流转全景

Ooder定义的六维数据空间，完整描述了NLP驱动下的数据流转过程：

图5：六维数据空间-NLP驱动的数据流转

6.2 各层详解

维度	名称	说明	核心类
D1	注解层	声明式UI定义	@FormViewAnnotation, @TreeGridViewAnnotation
D2	Meta层	结构化元数据	CustomViewMeta, CustomFormViewMeta
D3	Properties层	四分离模型	Properties, Styles, Events, Behaviors
D4	.cls JSON层	设计时态产物	设计器保存格式
D5	llmMeta层	LLM可处理格式	D2CProject.llmMeta
D6	JavaGen层	代码生成	D2CGenerator, GenAnnotationRestoreJava

6.3 ClsEntityExtractor核心映射

public class ClsEntityExtractor {
    // 组件类型映射
    private static final Map<String, String> KEY_TO_FIELD_TYPE = new HashMap<>();
    static {
        KEY_TO_FIELD_TYPE.put("ood.UI.Input", "INPUT");
        KEY_TO_FIELD_TYPE.put("ood.UI.ComboInput", "COMBOINPUT");
        KEY_TO_FIELD_TYPE.put("ood.UI.DatePicker", "DATEPICKER");
        // ... 30+组件映射
    }    // API别名映射
    private static final Map<String, String> ALIAS_TO_URL_KEY = new HashMap<>();
    static {
        ALIAS_TO_URL_KEY.put("SAVE", "saveUrl");
        ALIAS_TO_URL_KEY.put("SEARCH", "searchUrl");
        ALIAS_TO_URL_KEY.put("DELETE", "delPath");
        // ... 15+API映射
    }    // 导航组件映射
    private static final Map<String, String> NAV_COMPONENT_KEY_MAP = new HashMap<>();
    static {
        NAV_COMPONENT_KEY_MAP.put("NAVTREECONFIG", "ood.UI.TreeView");
        NAV_COMPONENT_KEY_MAP.put("NAVTABSCONFIG", "ood.UI.Tabs");
        // ... 10+导航组件映射
    }
}

7. 协议层：Agent互联标准化

7.1 四层协议栈

图6：Ooder四层协议栈架构

7.2 A2A协议：Agent互联的基石

SkillCard示例

{
  "skillId": "skill-daily-report-001",
  "name": "日报生成",
  "description": "根据用户输入生成工作日报",
  "form": "CHAT",
  "sceneType": "DAILY_REPORT",
  "purposes": ["效率提升", "文档生成"],
  "skillCategory": "SCENE"
}

7.3 REACH协议：动态路由与发现

能力	说明	实现方式
Agent注册	Agent启动时自动注册到网络	UDP广播+mDNS+注册中心
服务发现	发现网络中可用的Agent和技能	主动查询+订阅通知
负载均衡	在多个Agent实例间分配请求	Random/Weighted/RoundRobin
故障转移	Agent故障时自动切换到备用实例	健康检查+自动摘除

8. SDK层：agent-sdk与scene-engine

8.1 agent-sdk架构

agent-sdk 3.0.2架构│├──agent-sdk-core│├──WorkerAgent//工作节点：执行具体任务│├──SceneAgent//场景节点：管理场景上下文│├──EndAgent//终端节点：用户交互入口│├──RouteAgent//路由节点：请求分发│└──McpAgent//MCP协议节点：工具调用│├──llm-sdk│├──StructuredOutputApi//结构化输出│├──ToolCallingApi//工具调用│└──TokenQuotaService//Token配额管理│└──skills-framework├──SkillRegistry//技能注册表├──SkillInstaller//技能安装器└──SkillDiscoverer //技能发现器

8.2 scene-engine：SPI驱动的弹性部署

驱动类型	存储	LLM	向量库	包大小	适用场景
Tiny	文件	Ollama	内存	<5MB	开发测试、边缘设备
Small	JDBC	远程API	Milvus Lite	15-25MB	小型部署、POC
Enterprise	分布式	多模型路由	分布式向量库	50-150MB	企业生产

9. Skills架构层

9.1 七层技能设计

层级	名称	职责	示例
Layer 1	SPI基础层	统一接口定义	StorageProvider, LlmProvider
Layer 2	驱动层	外部系统集成	DeepSeekDriver, DingTalkDriver
Layer 3	系统层	核心系统服务	AuthService, ConfigService
Layer 4	能力层	可复用基础能力	TextGeneration, ImageAnalysis
Layer 5	场景层	业务场景封装	DailyReport, MeetingScheduler
Layer 6	业务层	业务逻辑处理	OrderProcess, CustomerService
Layer 7	工具层	辅助工具	Logger, Metrics

10. ooderUI全栈方案

10.1 四分离模型

四分离模型将组件数据解耦为四个正交维度：

维度	说明	典型属性	解耦收益
Properties	业务属性	dataUrl, saveUrl, searchUrl	数据驱动，切换后端只需改URL
Styles (CS)	样式配置	CSS类、主题变量	主题系统、设计系统无缝切换
Events	事件绑定	onClick, onChange	交互逻辑模块化
Behaviors	行为逻辑	APICaller, Action链	复杂交互可配置化