大模型选择

核心结论

目前市面上的主流旗舰模型都能够完成 NocoBase 应用的主体搭建。

不同模型在单次产物的完整度、耗时和问题数量上有所差异，可以结合已有的模型服务、所在地区的网络条件、使用成本和团队习惯自主选择。

本次使用一套标准的 CRM（销售机会与客户跟进系统）需求，对不同模型的搭建产物进行验收：

测评维度	标准化测评项
14 个	61 个

测评维度

本次测评覆盖 NocoBase 的基础能力、配置能力和基础组件，同时检查模型是否能够理解需求并执行对应的搭建任务。

能力	评测关注点
数据建模	数据表、字段类型、关联关系、必填、唯一和默认值
页面与功能	导航、列表、表单、详情、搜索、筛选和数据看板
业务逻辑	状态流转、业务校验、计算规则和关联数据一致性
权限与安全	角色、菜单权限、操作权限、数据范围和字段权限
工作流自动化	触发器、节点、条件分支、通知、数据副作用和失败重试
界面体验	信息架构、表单体验、操作反馈和响应式布局
稳健性	非法输入、重复提交、失败一致性、数据规模和网络恢复
需求覆盖	明确需求和核心业务路径是否完整实现
合理扩展	模型主动增加的功能是否具有明确业务用途
范围控制	是否存在重复、闲置或超出需求范围的业务模块

测评结果

测评维度	GPT-5.6 Sol	DeepSeek-V4-Flash	Qwen3.8-Max	GPT-5.6 Luna
数据建模	✓ 通过	✓ 通过	✓ 通过	✓ 通过
功能完成	✓ 通过	✓ 通过	✓ 通过	◐ 部分通过
业务逻辑	✓ 通过	✓ 通过	✓ 通过	✓ 通过
权限安全	✓ 通过	✓ 通过	✓ 通过	✓ 通过
工作流自动化	✓ 通过	✓ 通过	✓ 通过	✓ 通过
界面体验	✓ 通过	✓ 通过	✓ 通过	◐ 部分通过
稳健性	✓ 通过	✓ 通过	✓ 通过	✓ 通过
需求覆盖	✓ 通过	✓ 通过	✓ 通过	◐ 部分通过
合理扩展	✓ 通过	✓ 通过	✓ 通过	✓ 通过
范围控制	✓ 通过	✓ 通过	✓ 通过	✓ 通过
搭建速度	较快	较快	慢	最快
单次质量评分	90	91	90	77

单次质量评分

单次质量评分满分为 100 分，首次完整验收每发现 1 个 Bug 扣 1 分，用于观察模型一次搭建的产物质量。通过后续反馈和修改，模型可以闭环修复这些问题。

搭建耗时提示

搭建耗时会受到电脑硬件性能、依赖安装与 Build 编译、模型服务响应速度和网络条件等因素影响。

测评项明细

61 个标准化测评项分为三层：搭建结果质量 46 项、需求理解与合理扩展 7 项、搭建过程效能 8 项。每一项均使用统一的检查方法和通过条件。

第一层：搭建结果质量（46 项）

测评维度	标准化测评项
数据建模（8 项）	`DM-01` 必需集合是否全部创建 `DM-02` 必需字段是否存在 `DM-03` 字段类型是否正确 `DM-04` 一对一关系能否创建和使用 `DM-05` 一对多关系能否创建和使用 `DM-06` 多对多关系能否创建和使用 `DM-07` 必填、唯一和默认值是否生效 `DM-08` 关联数据能否查看和筛选
功能完成（6 项）	`FC-01` 必需页面与导航入口是否齐全 `FC-02` 记录新增、查看、编辑和删除是否可用 `FC-03` 核心用户路径能否完整走通 `FC-04` 关键业务动作是否具备 `FC-05` 搜索、筛选和排序是否可用 `FC-06` 统计看板是否具备规定内容
业务逻辑（6 项）	`BL-01` 商机状态流转规则是否正确 `BL-02` 业务校验规则是否生效 `BL-03` 计算字段与统计口径是否正确 `BL-04` 线索转化后的数据映射是否正确 `BL-05` 关联记录更新是否保持一致 `BL-06` 删除与归档规则是否正确
权限安全（7 项）	`ACL-01` 必需角色是否全部创建 `ACL-02` 测试用户与角色分配是否正确 `ACL-03` 页面与菜单访问权限是否正确 `ACL-04` 数据操作权限是否正确 `ACL-05` 记录级数据范围是否正确 `ACL-06` 字段级查看与编辑权限是否正确 `ACL-07` 角色变更与多角色叠加是否正确
工作流自动化（7 项）	`WF-01` 必需工作流是否创建并启用 `WF-02` 工作流触发器设计是否正确 `WF-03` 节点顺序与数据传递是否正确 `WF-04` 条件与分支结果是否正确 `WF-05` 记录读写副作用是否正确 `WF-06` 通知对象与内容是否正确 `WF-07` 失败日志与重试行为是否可追踪
界面体验（7 项）	`UX-01` 导航与信息架构是否清晰 `UX-02` 列表信息与常用操作是否易用 `UX-03` 表单分组、顺序与提示是否清晰 `UX-04` 详情页是否支持理解和继续操作 `UX-05` 操作反馈与状态变化是否明确 `UX-06` 不同屏幕宽度下是否可用 `UX-07` 空数据、加载和错误状态是否完整
稳健性（5 项）	`ROB-01` 非法与边界输入是否安全处理 `ROB-02` 重复提交是否产生重复副作用 `ROB-03` 执行失败时是否保持数据一致 `ROB-04` 空数据与大数据量下是否可用 `ROB-05` 会话或网络中断后是否可恢复

第二层：需求理解与合理扩展（7 项）

测评维度	标准化测评项
需求覆盖（3 项）	`COV-01` 提示词要求的页面与操作是否全部实现 `COV-02` 提示词要求的数据、权限和工作流是否全部实现 `COV-03` 主流程必需但提示词未逐项规定的能力是否具备
合理扩展（2 项）	`EXT-01` 主动补充的字段、关系和规则是否必要 `EXT-02` 主动增加的页面、操作和统计是否有明确用途
范围控制（2 项）	`SCOPE-01` 是否生成重复或未被使用的功能与配置 `SCOPE-02` 是否增加与任务范围无关的业务模块

第三层：搭建过程效能（8 项）

测评维度	标准化测评项
首次可用（1 项）	`EFF-FIRST-01` 达到首次可用所需时间
收敛效率（3 项）	`EFF-FINAL-01` 达到最终验收所需轮次 `EFF-FINAL-02` 达到最终状态所需总时间 `EFF-FINAL-03` 达到最终状态消耗的 Token
人工干预（1 项）	`EFF-HUMAN-01` 评测过程中发生了多少次人工干预
重复稳定性（3 项）	`EFF-STABLE-01` 同任务重复运行的验收结果是否一致 `EFF-STABLE-02` 三次生成的集合、关系、角色和工作流是否一致 `EFF-STABLE-03` 轮次与耗时波动是否可控

接下来

与 AI Agent 协作搭建 — 用自然语言描述页面和交互，并与 AI Agent 持续迭代
AI Portal 搭建快速开始 — 创建并运行第一个 AI Portal
数据建模 — 用自然语言创建数据表、字段和关联关系
工作流管理 — 创建、编辑、启用和诊断工作流
权限配置 — 管理角色、权限策略、用户绑定和风险评估

#大模型选择

#测评维度

#测评结果

#测评项明细

#第一层：搭建结果质量（46 项）

#第二层：需求理解与合理扩展（7 项）

#第三层：搭建过程效能（8 项）

#接下来