Laf v1.0 发布：函数计算只有两种，30s 放弃的和 30s 上线的

一般情况下，开发一个系统都需要前端和后端，仅靠一个人几乎无法胜任，需要考虑的特性和功能非常多，比如：

需要一个数据库来存放数据；
需要一个文件存储来存放各种文件，比如图片文件；
后端需要提供接口供前端调用；
重要组件需要考虑高可用、灾备、监控、弹性伸缩等等。

这对于没有后端基础的同学来说，简直是个噩梦！

那么是否存在一种新模式，可以让开发者只专注于业务呢？

目前解决这个问题最主流的方案就是 Serverless 架构，也就是所谓的无服务器计算。开发者只需要专注于代码质量和代码逻辑，不需要关心基础设施，也不需要关心后端服务，一切都由平台给你自动分配资源。

但这个平台从哪来？

毕竟 Serverless 只是一个架构和抽象理念，要想落地，还得实现一个真正的产品。

这样的产品其实国内有很多，也就是所谓的云开发服务。这一类服务将开发一个完整的应用需要用到的数据库、存储、CDN、后端函数、静态托管、用户登录等等功能全部集成到了一起，研发人员仅需要调用这些服务即可。

目前，云计算和整个互联网市场正逐渐从增量市场转向存量市场，营收和净利润才是 KPI ，在这个背景下，降低成本和提高利润至关重要。基于开源的云计算生态逐渐崛起，为市场提供了更具竞争力的选择，每家企业都可以摆脱供应商锁定自由到处运行，无需担心供应商的倒闭、产品下线或价格上涨等问题。最糟糕的情况下，企业甚至可以自行部署一套系统，并针对自身需求定制一些高级功能。

Laf 就是这样一个完全开源的云开发平台。

它提供了开箱即用的云函数，云数据库，对象存储等能力，是一个一站式开发平台，让你可以像写博客一样写代码。

与各大云厂商的云开发平台相比，Laf 也不遑多让，而且还有很多云厂商不具备的核心优势：

开源更开放：完全遵循 Apache License 2.0 开源协议，如果你看好 Laf 的开发模式，也可以自己部署一套，并对外提供商业化服务。
部署更简单：永久支持私有化部署，即使不使用云服务，也可以无缝迁移到自己的服务器上。
请求更迅速：Laf 的 runtime 机制让应用启动更快，且「无冷启动时间」，相对于传统的 Serverless 架构来说，响应更迅速。
开发更简单：依托于更好的一站式开发体验，开发者无需再关心应用部署、服务器运维等事情，登录即可开发，1 分钟上线应用。

除此之外，Laf 还提供了很多额外的优秀能力：

WebIDE：在线写代码，完善的类型提示、代码自动完成，像写博客一样写函数，随手发布上线。
WebSocket：应用支持长连接，业务无死角。
CLI 工具：能够进行本地开发，并同步至 Web 端，让你使用熟悉的工具进行开发，无需适应新的工具。
前端“直连”数据库：通过 laf-client-sdk + “访问策略” 可以在保证安全的情况下前端直接操作数据库，即使只开放最小的 Read 权限也可节省 30%～ 50% 的接口，让你在还原 UI 的同时顺手搞定逻辑。
社区生态：大量“野生”的开源贡献者，他们依托于开源的优势，为 Laf 贡献了许多优秀作品，例如 VS Code 本地开发插件和基于 ChatGPT 的自动生成代码插件。

还有个非常重要的一点就是 Laf 是运行在 Sealos 云操作系统之上的，所有的扩展工作都可以在 Sealos 云操作系统中进行，例如在 Sealos 上运行 AI 引擎并通过 Laf 进行调用，实现完美融合。

GitHub 链接：https://github.com/labring/laf

Laf 自去年 11 月份发布 0.8 版本以来，用户数量一直都在不断上涨，预览版本短短几天就吸引 2000+ 注册用户，支撑 3000+ 线上应用。到如今 Star 数量已经突破了 3.5k。

期间有很多优秀的开发者基于 Laf 开发出了很多有趣的产品，比如：

ChatMind：与 AI 对话生成思维导图。这是两个大学生的作品，核心功能仅用一天就开发完成，上线当天用户过万。
ICP Query Extension：一款方便 icp 备案查询的 Chrome 插件。
一起听播客：跟你的好友一起实时操作播放器、在线听播客。
中大猫谱：这是一个微信小程序，用来拍照记录中山大学校园内猫猫的成长轨迹。
小报童导航：这也是一个微信小程序，用来发现优秀的专栏。

除此之外，还可以用 Laf 来开发各种管理系统和电商应用，甚至区块链应用。我们的企业级客户聚道云就选择了将 Laf 托管在专有集群中，利用 Laf 为其提供函数计算解决方案。总的来说，Laf 的适用场景非常广泛，大到企业官网和信息化建设，小到个人博客、微信小程序，理论上可以开发任何应用！

今天我们正式发布了 1.0 版本，这是 Laf 的一个里程碑版本，带来了很多重量级的更新。可视化界面焕然一新，优化了用户操作流程和交互设计，进一步提升了用户体验，从创建应用到上线第一个函数仅需 1 分钟。

Laf v1.0 的发布，离不开各位社区小伙伴的悉心贡献与鼎力支持，无论是功能研发、功能测试、需求建议、企业最佳实践，抑或是提供 Bug 修复、国际化翻译以及文档贡献，这些来自开源社区的贡献都为 v1.0 的发布和推广提供了极大的帮助，我们将在文末向这些小伙伴予以特别致谢！

开发友好的函数界面

为了提高开发者的开发效率，Laf 提供了一种可视化的函数界面，让开发者可以在不离开平台的情况下进行代码编写、调试和部署，从而快速实现业务需求。这样开发者可以更加专注于代码逻辑和质量，在同一平台上完成所有工作，而无需切换到其他工具和平台，从而大大提高了开发效率。

随着 Vue3 的发布，许多前端项目需要进行从 Vue2 到 Vue3 的升级。然而，在 UI 组件库方面，Vue的可选项较少。相比之下，React 的 UI 组件库更加丰富和成熟。

因此，Laf v1.0 选择了 React 作为主要技术栈，包括 Chakra-UI、Tailwind 和 React-Query，这些技术栈可以帮助开发者更加高效地构建用户界面。例如，Chakra-UI 提供了丰富的 UI 组件库，Tailwind 提供了可定制化的 CSS 样式，React-Query 则提供了数据管理和缓存等实用功能。

Laf v1.0 仍然使用 TypeScript 作为开发语言，以及 Vite 作为构建工具，大大提高了开发效率和 UI 定制化的便利性。而且函数界面增加了动态布局，可以随意拖动或隐藏相关面板。

与 v0.8 相比，v1.0 还新增了请求方法设置，可以设置函数的请求类型，例如 GET/POST 等等，同时还支持 Params、Body 以及 Headers 的调试参数。

除此之外，还优化了集合页面的展示，可以一站式完成数据管理、访问策略等功能，大大提高了开发效率。

随着开发效率的提高，很多应用的开发周期甚至可以压缩为分钟级，且具有高度复用性，如各种三分钟系列：

3 分钟将 ChatGPT 接入 Siri
3 分钟搭建一个 ChatGPT Web 演示网页
3 分钟写一个待办事项 App
3 分钟将 ChatGPT 接入飞书机器人
1 分钟使用云函数生成图形验证码

这里并非编写一个仅供娱乐的示例，而是真正具备线上服务能力。最重要的是，这三分钟并非仅编写代码，还包括将代码在线上运行！写完即发布，点击保存，关机走人。

后端框架升级

在 Laf 0.8 版本中，我们使用 Express 进行开发。然而，在项目规模逐渐增大的情况下，维护和协作方面会面临一些挑战。因此，Laf v1.0 便迁移到了 NestJS。由于 NestJS 支持 TypeScript，因此具有更好的类型安全性和编译时错误检查等优点。此外，NestJS 的模块化开发风格使得项目结构更加清晰，易于维护。

NestJS 还提供了许多实用功能，如内置的 Swagger 文档生成器。这个生成器可以根据代码自动生成 API 文档，使得前后端协作更加顺畅和高效。

在 Laf v1.0 中，ORM 框架选择了 Prisma。Prisma 是一种现代的 ORM 框架，提供了强大的数据建模和查询功能，同时也具有更好的可维护性。通过使用 Prisma，Laf 可以更加高效地操作数据库，简化数据管理和维护过程。

重构核心功能

除了上述更新之外，Laf v1.0 还对核心功能进行了重构，主要包括以下两个方面：

1️⃣ 对 Node Runtime 进行了升级，剥离了原先内置的 WebSocket 模块，改成统一的 Cron 模式。这种模式使得 Runtime 更加轻量，同时也提高了程序运行的稳定性和可靠性。

2️⃣ 对数据库的用户界面和交互进行了优化，通过简化界面设计和增强用户交互性，我们省去了繁琐的二级乃至三级页面，不管是新手还是老手都能够更加高效地完成数据的查询、修改和管理等操作。

3️⃣ 云存储方面，在存储文件的基础上，我们还增加了静态网站托管，发布之后直接分配一个二级域名上线（同时支持自定义域名），无需关心复杂的 CI/CD、Docker 或 K8s 等技术，有了 Laf 老夫只需要一把梭，真正的涵盖从开发到上线的所有步骤，正如我们口号所说 life is short you need laf ，开发者应该把时间节省下来关注更重要的事情。

4️⃣ 支持 ESM 模块的引入。开发者可以引入一些只支持 ESM 的 NPM 包，例如 ChatGPT 等。这大大增加了应用程序的可扩展性和功能性。同时，ESM 还支持模块级别的作用域，这使得代码更加清晰、易于维护。

例如，可以在函数界面引入著名的 chatgpt-api NPM 包。首先在 NPM 依赖面板中点击右上角的 +：

然后输入 chatgpt 并回车进行搜索，选择第一个搜索结果，保存并重启：

重启之后，自定义依赖项中便出现了 chatgpt。

现在我们来试试调用 ChatGPT 的 API 来与 ChatGPT 进行对话，先写个函数：

import cloud from '@lafjs/cloud'
export async function main(ctx: FunctionContext) {const { ChatGPTAPI } = await import('chatgpt')const api = new ChatGPTAPI({ apiKey: cloud.env.CHAT_GPT_API_KEY })let res = await api.sendMessage('“鸡你太美”指的是中国大陆哪位男艺人？给你个提示，他喜欢唱、跳、篮球、Rap')console.log(res.text)return res.text
}

将上述函数代码添加到 WebIDE 中，点击右上角的「运行」，即可调试运行。

未来规划

Laf 的应用开发上线周期极短，基本上都是以分钟/小时/天来计算的。恰逢 AI 崛起，每天关于 AI 的信息目不暇接，今天的信息还没消化完，明天又有新的来袭。可以预见，未来 AI 应用一定会爆炸式增长，很多传统的方式都将会被彻底颠覆。在这个浪潮中，必然会有很多新的 AI 应用需要被开发出来，而选择使用函数计算来开发 AI 应用的公司必然在竞争中胜出，因为在这个浪潮中兵贵神速。使用函数计算可以按照分钟或小时来计算开发进度，而传统的公司可能仍在缓慢地进行迭代和上线，必然会在竞争中落后。

所以接下来 Laf 将会重点聚焦于如何让 AI 能力快速落地，快速开发各种 AI 小应用，打造 AI 能力生态，帮助 AI 浪潮下的企业在竞争中快速胜出。

致谢

以下是参与 Laf 1.0 代码和文档贡献的贡献者 GitHub ID。如果名单中有遗漏，请您与我们联系。名单中的排名并无先后之分。

欢迎对 Laf 感兴趣的小伙伴加入我们的微信交流群，入群方式：添加 wx 好友 cloud-native-yang，然后发送暗号 laf 即可入群。

我们还开通了中文论坛，旨在让各位社区小伙伴共同探讨 Laf 及相关技术之研究、使用技巧之分享，及对遇到问题者之援助。欢迎来泡吧！！