当前位置: 首页 > ds >正文

使用若依加Trae快速搭建一对儿多对多CRUD

上周末想做一个记账程序,结果一直做到周五才做出来。而且这还是用了若依和AI生成代码的情况。

感觉实在写得太慢,所以来做做笔记,下次争取能快点写。

用若依首先得把若依的源码给拉下来,用的是前后端分离的所以下载了RuoYiVueMaster之后又下载了RuoYiVue3Master,一个是全家桶,一个是Vue3前端单独的。

我自己对Vue3用的更多一些,所以选择了接着用Vue3.如果不想用,那光下载一个RuoYiVueMaster就搞定了。

然后是基础的连连数据库、连连redis,下载一下前端项目的依赖。

  • 搭环境
  • 拉源码、配数据库、配Redis、下载前端的依赖
  • 测试,能不能正常使用生成代码等功能-写一个小案例

单独

要实现多对多,也离不开先实现每个表单独的CRUD。可以先用若依把需要用到的表都给搞出来,然后会更容易发现自己是不是漏字段了。

数据建模

等环境搭好了,再做数据建模。

这里有个小技巧,那就是先找个类似的项目,看看别人界面上都有什么,比如记账的日期、金额、类型、标签、备注。

了解大概要有哪几个表了,再开始搞建模,其实也就是让AI帮忙写写sql建表语句。

因为涉及到标签了,需要用多对多,所以可以提醒AI,这里要用到多对多。

接着让AI生成sql建表语句的时候,记着让他遵循若依的建表规范,等返回来了,自己再加一些约束,比如唯一约束,再把外键约束给去了。

因为后续可能会发现自己原来建模的时候漏了字段了,需要再改,留着外键会给自己制造麻烦。

  • 抄作业
  • 区分多对多还是一对多还是一对一
  • 让AI生成sql建表语句时,提醒它遵守若依规范
  • 生成完了记着检查 约束

生成代码

生成代码的时候,要修改模块名这些,让他们保持一致。

这里主要是得把每个表单独的CRUD跑通,后续就不关心这几个表单独的前端界面了,我们会再做一个综合的。

综合

表单创建

用若依创建一个我们希望的表单,比如在录入流水的同时支持上打标签。

我们可以从前往后写,现在前端模拟好效果,然后再开一个后端接口专门服务这个表单。

等可以正常利用表单新增数据了,比如正确解析前端穿过来的数据,然后分别存好流水和标签,其实就快完成了。

想做好这一步,可以设计合适的DTO和VO,因为要传综合性的表单,若依默认是没有这种包含两个类的包装类的。如果我们能专门针对这个表单创建一个DTO,那就可以很轻松的接收前端传来的数据。

另外,还有一个好处。那就是可以统一前后端的代码,避免后续出现来回改的问题。就算是后续真的需要改了,那也只是同步新增字段,也是非常轻松的。

风格统一

有了新增功能了,我是选择交给TRAE,让它帮我写了写剩余的删改查界面和接口。

因为用不起Cursor,所以勉强尝试了一下Trae,发现也还行,可以一用。

  • 综合表单,前端模拟
  • 后端创建DTO并实现接口,运行真实的创建
  • 补全界面
http://www.xdnf.cn/news/20345.html

相关文章:

  • 移植Qt4.8.7到ARM40-A5
  • PiscCode基于 Mediapipe 实现轨迹跟踪
  • TOGAF之架构标准规范-迁移计划
  • nginx 反向代理使用变量的坑
  • 亚马逊商品转化率怎么提高?从传统运营到智能广告的系统化突破
  • Nginx 配置片段主要用于实现​​正向代理​​,可以用来转发 HTTP 和 HTTPS 请求
  • LangChain关于提示词的几种写法
  • 深度学习:Dropout 技术
  • c++ 第三方库与个人封装库
  • 【完整源码+数据集+部署教程】西兰花实例分割系统源码和数据集:改进yolo11-AggregatedAtt
  • leetcode 6 Z字形变化
  • 基于YOLOv8的车辆轨迹识别与目标检测研究分析软件源代码+详细文档
  • 整理了几道前端面试题
  • 字符串格式化——`vsnprintf`函数
  • 图像处理:实现多图点重叠效果
  • More Effective C++ 条款29:引用计数
  • 【完整源码+数据集+部署教程】骰子点数识别图像实例分割系统源码和数据集:改进yolo11-DCNV2
  • 【知识点讲解】模型扩展法则(Scaling Law)与计算最优模型全面解析:从入门到前沿
  • 深入了解synchronized
  • 2025世界职校技能大赛总决赛争夺赛汽车制造与维修赛道比赛资讯
  • 告别Qt Slider!用纯C++打造更轻量的TpSlider组件
  • 一文了解太阳光模拟器的汽车材料老化测试及标准解析
  • 企业级 AI Agent 开发指南:基于函数计算 FC Sandbox 方案实现类 Chat Coding AI Agent
  • 集成学习 | MATLAB基于CNN-LSTM-Adaboost多输入单输出回归预测
  • 调试技巧:Chrome DevTools 与 Node.js Inspector
  • 从零开始学大模型之大模型训练流程实践
  • Multisim14.0(五)仿真设计
  • OpenResty 和 Nginx 到底有啥区别?你真的了解吗!
  • 分布式3PC理论
  • Qt---字节数据处理QByteArray