Magic Cloud

即刻构建安全的全栈应用和 AI Agent

将简单的英语描述转化为可运行的全栈应用——包括数据库、安全的 API、业务逻辑和前端——并在你自己的硬件上运行，无任何厂商锁定。这是 Lovable、Bolt44 和 Replit 的开源替代方案，提供完整后端，还包含一个 MCP 服务，可将每个端点转换为 Claude、Cursor 或 Codex 的工具。了解更多关于 Hyperlambda 的信息。

[] 实际上

60 秒内运行

curl -fsSL https://hyperlambda.dev/docker-compose.yaml | docker compose -f - up

然后打开 localhost:5555，将其指向 localhost:4444，并使用 root / root 登录。

将 API Wizard 指向你的数据库，即可生成完整、安全的 REST API——然后用简单的英语扩展功能，无需构建或部署。

⭐ 如果这为你节省了时间，请给仓库点个星——这是其他开发者发现它的主要途径。

你可以构建什么

• 全栈业务应用——CRM 系统、管理面板、预订系统、内部工具；通过自然语言生成数据库、安全的 API 和前端
• 数据库驱动的 AI Agent——可查询和更新你的数据库并调用你的端点的 Agent，受你自己的基于角色的访问控制保护
• AI 聊天机器人和专家系统——抓取网站内容，获得一个基于你自有内容的可嵌入式聊天机器人
• 基于旧版数据库的安全 API——连接现有的 MySQL、PostgreSQL、SQL Server 或 MariaDB 架构，几秒钟内即可获得 CRUD API
• 第三方 API 封装器——粘贴 OpenAPI 或 Swagger URL，即可获得有类型定义和文档的端点，用于封装 Stripe、GitHub、Slack 或任何发布规范的服务
• MCP 工具服务——向 Claude、Cursor、Codex、Qoder 或任何 MCP 客户端公开你的端点
• 后台任务和自动化——使用 Hyperlambda 编写的计划任务，或根据简单的英语描述生成的任务
• 静态网站和 SPA——你的 cloudlet 可直接提供文件，并与为其提供支持的 API 并列运行

对比

不会产生幻觉函数的大模型

Magic 运行 Hyperlambda，它可以由我们自有的专有大模型生成。由于我们生成的是AST，而非文本，因此会分析输出，并在其中包含不存在的函数时予以拒绝。Hyperlambda Generator 不会返回虚构的函数调用——与任何大模型一样，它仍可能编写逻辑错误的代码，但它调用的每个函数都保证存在。

结合限制词汇的能力，你可以交付能够按需扩展自身工具空间的 AI Agent，而不扩大攻击面。

独特的安全模型

Hyperlambda 在沙箱中运行，无法访问沙箱之外的文件系统，并且可以通过 RBAC 系统将单个函数列入白名单——因此，你的服务器可以接受代码作为输入并安全地执行，无需知道代码的来源。据我们所知，在执行层面限制调用的做法，使 Hyperlambda 成为目前唯一具备此能力的语言。

我对代码库的质量很有信心：如果你能在其后端代码中找到严重的安全漏洞，我就给你 $100；如果你能利用其自然语言 API，我再给你 $100。该 API 已接受任意公开输入 3 个月，但至今无人成功。

MCP 支持——节省 80% 的 token

安装 mcp 插件，让 Claude Code、Cowork 或 OpenAI's Codex 连接到你的 cloudlet，你 modules 文件夹中的每个 HTTP 端点都会成为 Agent 可以调用的工具。根据我们的测量，这还能将 token 消耗降低约 80%。你可以在此计算自己的节省量。

性能

在 Chinook 读取端点上（每次请求 10 行、使用连接池的 SQLite 连接、128 个并发连接，使用 wrk 测量），Hyperlambda 每秒处理 64,664 个请求，吞吐量是使用 4 个 worker 的 FastAPI（17,686）的 3.7 倍，是使用 1 个 worker 的 FastAPI（4,564）的 14 倍。第 99 百分位延迟为 5.6 ms，而 FastAPI 分别为 77.4 ms 和 83.9 ms。Hyperlambda 使用约 9 个核心，使用 4 个 worker 的 FastAPI 使用约 4.6 个核心，因此这是单台机器上的吞吐量测量结果，并非每个核心的效率对比。

我们此前的测量显示，Hyperlambda 的速度约为 LangChain 的 50 倍，比 n8n、Zapier 和 Make 等图形化工作流工具快 100–1,000 倍，因为它运行的是实际编译的运行时，而不是从 JSON、XML 或 YAML 中解释逻辑。Hyperlambda 解决方案在性能和可扩展性方面大体与 C# 和 Entity Framework 相当。

仪表板

侧边栏涵盖了整个平台：用于编辑、运行和重放服务器上任意文件的 Hyper IDE、无需先保存即可执行 Hyperlambda 的 Playground、用于查询和设计数据库的 SQL Studio、用于将表转换为安全 CRUD 端点、将调用者提供的代码封装在角色范围沙箱中，以及根据 OpenAPI 规范导入第三方 API 的 Endpoint Generator，此外还有用户和角色、计划任务、机器学习以及插件商店。

你的 cloudlet 也是一个 AI Agent。安装 MCP 插件后，顶部的 URL 会将你的端点作为工具提供给任何支持 MCP 的 Agent。Chatbot Wizard 则反其道而行：提供一个网站，它会抓取该网站，将找到的内容转化为训练数据，并为你生成一个可嵌入的聊天机器人，让它基于你自己的内容提供回答。

保存代码后即可测试——无需部署或发布步骤。

请注意编辑器下方的提示词栏，这里体现了*“机器创造代码”*。用通俗的英语描述你的需求，内置生成器就会直接将代码写入你正在编辑的文件。同一个提示词栏也会出现在 Playground 和 SQL Studio 中，生成 Hyperlambda、SQL、HTML 或任何适合当前打开文件的内容。

Web Designer

直接在浏览器中设计前端，编辑的就是实际文件。 Web Designer 会打开云端节点提供的任意 HTML 页面，让你像编辑文档一样修改页面——点击元素即可选中，双击一段文本即可重写，从面板中拖入区块，也可以将区块拖到其他位置进行移动。

没有项目格式，也无需构建步骤。中间的页面就是磁盘上的文件：画布内的脚本处于禁用状态，因此浏览器解析出的内容正是保存回去的内容。这也正是为什么可以选中纯粹的 #text 节点——树中的每一段文本都是独立的，而不是周围标签的一个属性。

面板中有 60 多个区块，每个区块带有页面已应用于相同类型元素的类——将按钮拖进导航栏后，它看起来就会和其他导航项一样。样式更改会写入页面自身的样式表中的围栏代码块，因此其中上下手写的 CSS 会原封不动地返回磁盘。

代码视图会在编辑器中打开同一个文件——HTML 或页面链接的任意样式表，可从下拉菜单中选择——下方还有 “the Machine Creates the Code” 提示栏。实时视图会真正运行页面，包括所有脚本。

Chat Ops

在仪表板的任意位置按 Ctrl+. 即可打开 Chat Ops：与云端节点的对话会覆盖在当前屏幕上方，并在你切换页面时保持显示。让它通过 Hyper IDE 生成端点，文件便会出现在你身后的文件树中——当你转回来查看时，对话仍然保持打开状态。

它会与默认模型（即开发者工具模型）对话，而且不仅仅是回答问题。它还会代表你执行 AI 函数：抓取网站、查询数据库、生成 CRUD API、抓取 URL、运行 Hyperlambda 片段。每次调用都会显示为一个状态标签——运行时为琥珀色，成功时为绿色，发生异常时为红色。点击标签即可打开模型发送的确切文件和 JSON 参数，这样你能看到它实际做了什么，而不是只能相信摘要。

整个流程都由服务端强制执行。模型尝试调用但未在类型上声明的函数，会在执行前被拒绝；每个函数文件都包含自己的 auth.ticket.verify；调用则以你的 JWT 运行——因此 Chat Ops 绝不会执行你无法通过仪表板亲自执行的操作。

回答会以 Markdown 流式传输，并显示带语法高亮的代码（包括 Hyperlambda）；Mermaid 图表会直接渲染。你最多可以附加 5 个文件——既可以上传到云端节点供函数处理，也可以交给模型阅读。只需点击一次，即可复制任意代码块或整条回答。

只有配置了 OpenAI API 密钥时，Chat Ops 才会显示；密钥对话框可用于选择 default 运行的模型。

导入任意 API

在 导入 API 选项卡中填入任意 OpenAPI 或 Swagger URL——支持 OpenAPI 3.x 或 Swagger 2.0，以及 JSON 或 YAML——Magic 就会为你勾选的操作生成 Hyperlambda 端点。查询参数和表单字段会变成具有名称和类型的参数，并附带规范自身定义的类型、默认值、枚举值和说明；必填参数还会添加验证器，因此缺少参数时，系统会在联系上游 API 之前拒绝请求。

Magic 会将端点文件的注释发布为 MCP 工具说明，并将每个参数的注释发布为该参数的说明。因此，导入的 API 会以一组自描述工具的形式呈现在你的 Agent 中。Slack 的 chat.postMessage 会变成 15 个各自具有类型和说明的参数——没有一个需要手动编写。

上游凭据绝不会写入生成的文件。端点被调用时，系统才会从你的配置中读取凭据，因此这些文件可以安全地提交；你还可以声明允许调用该封装端点的角色。

沙箱 API——安全地运行调用方提供的代码

端点生成器的 沙箱 API 选项卡将上述安全模型变成可交付的功能。它会生成一个 HTTP 端点，用于在你为每个角色定义的白名单内执行调用方自己发送的代码——可以是 Hyperlambda，也可以是由生成器将普通英语转换成的 Hyperlambda。

你可以通过所有人基础词汇表和按角色配置的规则来构建策略，后者可在基础词汇表上添加函数。调用方可使用其角色所授予权限的并集运行代码，因此，一个角色可以访问另一个角色无法访问的数据库；而你未授予的函数，对他们的代码来说就不存在。如果引用的函数不存在，系统会在运行任何内容之前拒绝请求；如果你固定了某个参数——data.connect:northwind——访问范围就会限制为该资源。每个角色还可以单独设置速率限制和执行超时。功能向导会为你编写函数行——包括数据库、HTTP、文件、电子邮件、日志记录等——生成的端点也和其他端点一样，是一个自描述 MCP 工具。

固定值支持通配符。data.connect:test-* 允许访问所有以前缀开头的数据库，不允许访问其他数据库；http.post:"https://api.example.com/v3/*" 允许访问一个 API，不允许访问其他主机。文件和文件夹函数会逐段比较路径，因此通配符只会匹配其所在的路径段，就像在 shell 中一样——/etc/* 授予对文件夹中文件的访问权限，但不包括其子文件夹；/etc/*.md 则只授予对其中一种扩展名文件的访问权限。对于我们不支持的模式，系统会抛出错误，而不会悄悄匹配其作者无意匹配的内容。代表你读取文件的函数会通过文件函数执行，因此，向电子邮件添加附件或计算文件哈希时，也需要文件固定规则，而不只是函数本身的权限。

有一个可供你实际测试的端点：它仅面向 guest，只授予对 Chinook 示例数据库的读取权限。试着让它写入数据——此处提供演练指南和令牌。

Rewind — 在执行完成后逐步回溯

堆栈跟踪会告诉你代码在哪里崩溃，却很少能说明原因，因为你读到它时，相关值早已消失。

在任意 Hyperlambda 文件上点击 Execute，填写参数，然后点击 Debug，而不是 Invoke。Magic 会运行文件，同时记录它调用的每个槽位，并将录制结果交给你。每个步骤都包含程序执行后的完整状态，因此逐步查看列表，就像是在观察自己的状态如何演变，而不是靠猜测。

点击某个步骤，代码会高亮显示当时正在执行的语句。使用方向键向后或向前逐步查看。如果发生异常，抛出异常的语句会以红色标记，且此前发生的一切都会保留——如果循环运行了 40 次，而第 41 行失败，你就能看到循环中断时它已累积的状态。

只有在你主动请求时才会录制，而且录制内容只保存在内存中。不会写入磁盘，不会离开服务，正常运行的代码也不受影响——没有任何常驻功能会拖慢运行速度。

OIDC 登录

仪表板通过 OpenID Connect 使用 Google、GitHub、LinkedIn、Microsoft Entra ID、Okta、Auth0、Keycloak 和 Slack 登录——在 Configuration 屏幕中为每个提供方配置客户端 ID（以及提供方要求时的密钥）。授权码流程的交换在服务端通过 PKCE 执行，只信任经提供方验证的电子邮件地址，并按提供方区分身份，因此登录身份绝不会与其他账户冲突。每个提供方都由一个 Hyperlambda 文件定义——添加新文件后，登录屏幕会自动显示该提供方。

快速入门

部署到 DigitalOcean（推荐）

使用一个 Droplet 运行完整技术栈，并通过持久卷保存数据、配置和模块。创建 Droplet——编辑 .do/cloud-init.yaml 中唯一的 DOMAIN= 行，然后将其粘贴到 User Data 字段中。Caddy 和 Let's Encrypt 会自动配置 HTTPS。完整指南：DigitalOcean 部署指南

Kubernetes（自有集群）

根目录中的 docker.backend/docker.frontend 镜像可直接在自有集群中运行，无需修改。若要让 request.ip/request.scheme 在 ingress 后方（以及前置 Cloudflare 时）解析出真实终端用户，请参阅**客户端 IP 部署说明**。

Docker Compose（可自托管）

本 README 顶部的单行命令是最快的方式。如果你更愿意保留配置文件：

version: "3.8"

services:
  backend:
    image: servergardens/magic-backend:latest
    platform: linux/amd64
    container_name: magic_backend
    restart: unless-stopped

    ports:
      - "4444:4444"

    volumes:
      - magic_files_etc:/magic/files/etc
      - magic_files_data:/magic/files/data
      - magic_files_config:/magic/files/config
      - magic_files_modules:/magic/files/modules

  frontend:
    image: servergardens/magic-frontend:latest
    container_name: magic_frontend
    restart: unless-stopped

    depends_on:
      - backend

    ports:
      - "5555:80"

volumes:
  magic_files_etc:
  magic_files_data:
  magic_files_config:
  magic_files_modules:

运行 docker compose up，访问 localhost:5555，使用 root / root 登录，然后配置系统。点击此处查看更多安装选项。

从源代码运行

你需要安装 .NET 10 和 Node.js（最新的 LTS 版本）。

# Backend — starts the API on http://localhost:5000
cd backend
dotnet run

# Frontend (in a second terminal) — dashboard on http://localhost:4201
cd frontend
npm install
npm run dev

打开 http://localhost:4201，并使用 http://localhost:5000 作为后端 URL，以 root / root 登录。

使用自己的 OpenAI API 密钥

Magic 默认使用 OpenAI——在此创建密钥。如果你不想使用 OpenAI，可以使用 Ollama 和 HuggingFace 插件覆盖推理函数；聊天机器人也可以使用 BM25 关键词检索，而不使用嵌入——直接对训练数据进行全文搜索，完全在 SQLite 内运行，无需 OpenAI 密钥，也无需向量化。语义检索和混合检索仍使用 OpenAI 的嵌入 API。如果你通过 MCP 服务使用 Magic，则完全不需要 OpenAI 密钥。

AI 智能体

下面是 Magic 的 AI Agent 自主浏览网页并填写“联系我们”表单的过程，它使用集成的无头浏览器，让 Agent 能够查看网页并在上面完成任务。

你可以灵活编写与 CRM、ERP 或旧版数据库集成的 AI Agent。Magic 本质上就是一个用于构建软件和 AI Agent 的 AI Agent——如何使用它由你决定。

无头浏览器

Magic 内嵌了 PuppeteerSharp，因此 Agent 可以像人一样浏览网页——填写表单、点击按钮。提示词示例：“访问 xyz 网站，找到他们的联系我们表单，必要时修改 URL，然后填写表单。”上方的截图正是执行该提示词的结果。

Python、终端和 C# 集成

即时生成并执行 Python，让大模型将其用作工具；使用 Bash 和底层终端；还可以用 C# 创建 Hyperlambda 关键字。持久化的 Python 脚本之后可作为工具调用，持续扩展 Agent 的能力。

注意——你必须以 root 身份登录，才能生成并执行 Python 或终端脚本，或创建 C# 扩展。Magic 的安全模型消除了整类漏洞，但它并非灵丹妙药；不要公开允许第三方执行任意代码的端点。

AI 聊天机器人和专家系统

将 Agent 部署为受密码保护的 AI 专家系统，或嵌入任意网站的聊天机器人。欢迎在这里体验我们的产品。

聊天机器人通过 RAG 以你自己的内容为依据，每个模型提供三种检索模式：语义（基于 OpenAI embeddings 的余弦相似度）、关键词（BM25 全文搜索——基于 SQLite 的 FTS5 构建，无需 OpenAI 密钥，也无需向量化步骤）或混合，融合两种排序结果，让改述的问题和产品名称等确切词语都能找到合适的训练片段。爬虫会将页面拆分成按主题划分的片段，并以用户实际会提出的问题作为标题，这正是实现精准检索的关键。

同时也是 Web 服务

Magic 会直接托管你的前端，因此从编写代码到测试之间无需编译、构建流程或流水线：

1. 创建提示词
2. 按回车
3. 测试

这与 Lovable 和 Bolt 等工具形成鲜明对比：在测试之前，它们要求你先部署到两个不同的第三方服务商。此外，Magic 还附带预构建的前端，例如用于托管受密码保护的 Agent 或完整 SaaS AI 解决方案的 AI Expert System。

……而且也可以说是一个 CMS

从插件商店安装 Hyper CMS 插件（hyper-cms），你的 cloudlet 也会成为网站平台：一个内置博客功能的模板化入门套件，直接由你的 cloudlet 托管，页面可通过服务器端渲染从后端获取内容。Magic 不再只是网站背后的系统，它本身也是网站。

它还可以与平台的其他部分结合使用：

• Web Designer 可直接在实际文件上可视化编辑 CMS 页面，无需构建步骤。
• Chat Ops 让你可以要求 cloudlet 添加页面、撰写博客文章或更改布局，而不必在管理面板中逐项操作。
• MCP connector 让 Claude Code、Cowork 或 Codex 使用它们调用端点时的相同工具，为你构建和维护网站、创建页面并发布文章。

你可以手动编辑、拖动区块、聊天，或委托给 Agent；所有操作处理的都是磁盘上的同一批文件。

Git 集成

Magic 从一开始就是为软件开发者打造的，因此 Git 已集成到平台中。创建项目，用氛围编程打造工具，甚至构建 GitHub 工作流，然后提交并推送。

DIY 家庭云

Magic 可以通过 Docker 镜像轻松安装在 Mac Mini 之类的设备上。配合 CloudFlare 隧道，只需几分钟，就能从家中提供应用和数据。下面的截图来自这样一个系统：它运行在塞浦路斯拉纳卡一栋住宅中的 Mac Mini 上，通过此类隧道提供服务；我们在美国、挪威及其他地方进行了测试，对于它所使用的连接来说，响应速度出乎意料地快。

这样的配置能让你完全掌控自己的应用和数据，并将其运行在自己拥有的硬件上。

大模型

系统内部默认使用 OpenAI 的 gpt-5.6-luna，但所有设置都可调整；只需付出一些努力，就能将默认模型换成 Ollama 或 HuggingFace 模型。Hyperlambda Generator 的训练数据集不会公开，也永远不会公开。最坏的情况下，你仍可继续运行已生成的一切；你失去的只是生成新代码的能力。

上方截图展示的是一个公开页面，任何访客都可以在其中输入内容。我们的 LLM 会将输入转换为 Hyperlambda，并在 DMZ 后方进程内执行；我们长期悬赏 100 美元，征集能够利用该页面访问 PII 的漏洞。至今无人成功。

技术

Magic Cloud 使用 .NET 10 构建，仪表板则使用 React、Vite 和 TypeScript 构建。Hyperlambda 基于一种名为活动事件（“槽位与信号”）的设计模式；这是一种用于执行动态函数的进程内模型，可消除跨项目依赖，并实现极强的封装。正是这种模式让安全模型成为可能：AI 生成的代码值得信任，因为除非你授予权限，否则它根本无法执行任何有害操作。

• 通过 Hyperlambda 让 C# 更具动态性
• 活动事件：以一种设计模式取代十几种模式

常见问题

真的免费吗？ 是的，采用 MIT 许可证，可自托管，没有功能限制。目前可免费使用托管的 Hyperlambda 代码生成器；未来预计定价为每 1,000 次请求 49 美元，目前没有付费墙。

我需要 OpenAI API 密钥吗？ 如果要使用 AI 代码生成和语义（嵌入）检索，则需要。如果通过 Claude 或 Codex 使用 MCP 驱动 Magic，则不需要。Ollama 和 HuggingFace 插件可以替代推理；配置为使用 BM25 关键词检索的聊天机器人会通过 SQLite 全文搜索来检索训练数据，无需使用 OpenAI。

我可以完全在自己的硬件上运行吗？ 可以。一切内容——数据库、API、前端、调度程序、聊天机器人——都在你自己的机器上的容器中运行。

这与 Lovable 或 Bolt 有什么不同？ 它们会生成前端，并将后端交给第三方服务。Magic 会生成并运行整个后端，无需先部署即可测试，而且你可以根据 MIT 许可证自行托管。

它使用什么数据库？ 开箱即用使用 SQLite，并全面支持 MySQL、PostgreSQL、MariaDB 和 SQL Server。无需连接器。

我必须学习 Hyperlambda 吗？ 不必。生成器会根据普通英文编写代码，仪表板中的提示词栏可满足大多数工作流需求。阅读 Hyperlambda 比编写它容易得多。

如果 AINIRO 不复存在了怎么办？ 你生成的所有内容都会继续运行——它们是在你自己的硬件上运行的 MIT 许可代码。你只会失去使用托管生成器生成新代码的能力。

执行 AI 生成的代码安全吗？ 这正是安全模型的作用：Hyperlambda 在沙箱中运行，并且可以按角色将其词汇列入白名单，因此生成的代码只能调用你明确允许的函数。

参与贡献

欢迎贡献——包括错误报告、功能请求、文档和代码。

仓库结构

构建和测试

# Run the backend — builds and starts the API on http://localhost:5000
cd backend
dotnet run

# Run a plugin's unit tests (each plugin's tests live in its *.tests project)
cd plugins/<plugin>/<plugin>.tests
dotnet test

# Type-check and build the dashboard
cd frontend && npm install && npm run build

提交更改

1. Fork 仓库并创建一个功能分支。
2. 进行更改，并确保 dotnet test 和前端构建都能通过。
3. 提交拉取请求，并清楚说明更改内容及原因。

发现安全问题？请阅读 SECURITY.md，并私下报告，而不要公开提交问题。

维护

Magic Cloud 和 Hyperlambda 由 AINIRO.IO 开发并提供专业维护，版权归 Thomas Hansen 所有，2019 – 2026。除了提供 Magic Cloud 托管、支持和软件开发服务外，我们还交付 AI Agent、聊天机器人和 AI 解决方案。

许可证

MIT 许可证，由开源促进会发布——详见 LICENSE。有关许可的咨询，请联系 Thomas Hansen，邮箱：[email protected]。