在 AdventureX 2026现场，在展位用 Cursor + Zion Plugin 30分钟就做出来一个产品：不提前搭后端，不手写数据库接口，也不从零配置模型调用，通过自然语言描述需求 30 分钟内完成了一个名为 「宋脉」 的历史人物知识学习网站。

它并不只是一个由 AI 生成的静态页面，而是一个真正具备完整产品结构的应用：

Cursor 快速生成前端页面；

Zion Plugin 根据自然语言创建数据库和数据关系；

Zion 行为流负责解析资料、循环处理和写入数据；

Zion AI Agent 从 PDF 和图片中提取历史人物、官职与任职信息；

前端通过 API 实时读取 Zion 后端的数据；

所有数据库结构与业务逻辑都能在 Zion 中可视化查看和修改。

这也是我们想在 AdventureX 现场验证的一件事：

AI Coding 不应该只停留在“快速生成一个页面”，而应该真正交付一个具备数据、逻辑和 AI 能力的完整产品。

Zion Plugin ： https://github.com/functorz-tech/zion-nocode-plugin

从一个想法开始：把历史资料变成可查询的知识网站

这次现场搭建的是一个相对复杂、但很适合展示 AI 后端能力的场景：历史人物与官职知识学习网站「宋脉」。

用户可以按照朝代浏览历史资料，查看北宋、南宋等不同朝代的信息，也可以继续进入具体人物页面，查看人物生卒年份、简介、担任过的官职、任职时间和人物关系。

项目最终形成了四个主要模块：

• 概览：查看北宋、南宋等朝代的时间范围和简介；
• 人物：查看历史人物的基本资料；
• 皇帝：查看各朝代皇帝及其在位信息；
• 关系：展示师生、政敌、君臣、同僚等人物关系。

例如，在人物关系页面中，可以看到欧阳修与苏轼之间的师生关系、王安石与苏轼之间的政敌关系，以及赵匡胤与欧阳修之间的君臣关系。

这些内容不是直接写死在网页里的，而是从 Zion 数据库中实时读取。

因此，后续增加人物、调整关系或者补充任职履历时，不需要让 AI 重新生成整套前端，只需要修改后端数据即可。

Cursor 负责快速做前端，Zion Plugin 负责建立真正的后端

整个项目采用了非常典型的 AI Coding 协作方式。

Cursor 主要负责页面结构、视觉样式和前端交互。我们向 Cursor 描述希望呈现的效果，例如：

做一个具有旧纸张和历史文献质感的宋代人物知识网站，包含朝代概览、人物详情、皇帝信息和人物关系页面。

Cursor 很快就能生成页面布局、卡片、导航和响应式样式。

但如果项目只做到这里，它本质上仍然只是一个“看起来像产品”的前端 Demo。

真正让这个项目运行起来的是 Zion Plugin 链接的 Zion 的后端底座，

我们继续通过自然语言告诉 Coding Agent：

为这个历史人物网站创建后端数据库，需要保存朝代、人物、官职、任职履历、皇帝和人物关系。人物与官职之间不是简单的一对一关系，同一个人物可能在不同时间担任多个官职。

Zion Plugin 会结合内置的 Skill 和 CLI，将这些业务需求转化为真实的数据表、字段和关联关系，让 Zion 搭建出来。

前端继续由 Cursor 编写，但数据库、数据模型、行为流和 AI Agent 均由 Zion 提供。

这样形成了一套更加清晰的分工：

Cursor 负责“页面怎么呈现”，Zion 负责“数据怎么存、逻辑怎么跑、AI 怎么调用”。

可视化数据库：把历史人物之间的复杂关系真正建模

历史人物资料并不是一张表就能解决的。

一个人物可能担任过多个官职，同一个官职也可能被不同人物在不同朝代担任；人物之间还可能存在师生、君臣、政敌和同僚等多种关系。

因此，我们在 Zion 中创建了多个相互关联的数据表。

朝代表

用于记录北宋、南宋等朝代的基础信息，包括：

• 朝代名称；
• 开始年份；
• 结束年份；
• 朝代简介。

前端概览页中的“960—1127”“1127—1279”等信息，就来自这张表。

古代官员表

用于记录历史人物的基础资料，包括：

• 姓名；
• 字；
• 谥号；
• 生年与卒年；
• 籍贯；
• 人物简介；
• 所属朝代 等等。

这样，人物资料不再散落在前端代码里，而是成为可以查询、更新和复用的结构化数据。

官职表与任职履历表

官职表保存官职名称、品级、所属机构、主要职责和官职说明。

任职履历表则承担人物与官职之间的关联，记录：

• 任职开始年份；
• 任职结束年份；
• 任职地点；
• 履历说明；
• 是否属于重要经历；
• 对应人物；
• 对应官职；
• 对应朝代；
• 对应皇帝。

这种设计可以准确表达一个人物在不同时间、不同皇帝在位期间担任多个职位的情况。

例如，某位人物先后担任龙图阁直学士、参知政事等职位，就不需要在人物表里不断增加“官职一、官职二、官职三”这样的字段，而是通过任职履历表灵活扩展。

皇帝与人物关系表

皇帝表记录姓名、庙号、谥号、年号、在位时间和所属朝代。

人物关系表则记录两个人物之间的关系类型与说明，例如：

• 师生；
• 君臣；
• 政敌；
• 同僚。

正是这些关联关系，支撑了前端的人物关系页面和人物履历时间线。

AI Agent：把 PDF 和图片中的人物资料转成结构化数据

这个项目还有一个重要能力：用户可以上传历史 PDF 或资料图片，让 AI 自动识别其中的人物与官职信息。

在 Zion 的 AI 模块中，我们创建了一个历史资料提取 Agent，并为它配置结构化输出。

Agent 返回的内容不是一段难以继续处理的普通文字，而是一份有明确字段的 json 数据，例如：

这里不仅包含人物和官职信息，还保留了原文证据、页码以及置信度。

这样做的好处是，AI 解析结果可以继续被行为流处理，也方便后续进行人工审核，而不是让一段黑盒生成内容直接进入数据库。

Zion 内置了 Gemini、GPT 等主流模型，可以直接在 Agent 中选择和调用，不需要开发者单独搭建模型请求服务，也不需要从零处理不同模型的接口格式。

在现场演示中，我们可以直接选择 Gemini 系列模型处理资料，也可以根据任务复杂度切换其他模型。

行为流：让“上传资料到写入数据库”成为完整业务流程

AI Agent 负责理解资料，但一个完整产品还需要解决另一个问题：

AI 返回结果以后，怎样把人物、官职和任职履历准确写入对应的数据表？

这部分由 Zion 的可视化行为流完成。

整个流程大致分为几个阶段：

第一步：接收资料并调用 AI Agent

行为流接收用户上传的 PDF 或图片，将资料传递给历史人物知识提取 Agent。

Agent 识别资料中的人物、字、谥号、生卒年份、籍贯、人物简介、官职和原文证据，并返回结构化结果。

第二步：解析 AI 返回的数据

行为流读取 Agent 返回的 people 和 positions 数组，检查数据格式是否正确。

必要时还可以加入置信度判断、字段为空判断或者人工审核状态。

第三步：循环写入人物数据

行为流遍历 people 数组。

每读取到一位人物，就将姓名、字、谥号、生卒年份、籍贯和人物简介绑定到“古代官员”表对应字段，并创建一条人物记录。

从截图中可以看到，“姓名”“字”“谥号”“生年”“卒年”“籍贯”“人物简介”等字段，都直接绑定到了当前循环项中的对应值。

第四步：循环写入官职数据

人物处理完成后，流程继续遍历 positions 数组，将官职名称、品级、所属机构、职责、说明和所属朝代写入官职表。

后续还可以继续查询人物与官职的 ID，创建任职履历，把人物、官职、朝代和皇帝关联起来。

整个流程都以节点的方式展示。

数据从哪里来、经过哪个 Agent、当前循环处理哪一条数据、最终写入哪张表，都可以直接在 Zion 中查看。

为什么“可视化后端”对 AI Coding 很重要？

现在使用 Cursor、Claude Code、Codex 等 AI Coding 工具，生成页面已经非常快。

但页面生成得快，并不意味着产品真正完成了。

当项目继续加入用户系统、数据库、AI 调用、支付、权限和业务流程后，很多非技术创业者都会遇到相同的问题：

AI 到底创建了哪些表？

人物数据被写进了哪里？

某个字段为什么变成了空值？

上传 PDF 之后，到底执行了哪些步骤？

修改一个业务规则，会不会影响其他逻辑？

如果这些能力全部埋在 AI 临时生成的代码中，项目很快就会变成一个难以理解的黑盒。

刚开始 Vibe Coding 很爽，但随着代码不断增加，开发者可能连“哪段代码负责哪项业务”都很难判断。

Zion 提供的是另一种方式。

数据库结构可以直接查看，表与表之间的关系可以直接查看；行为流中的每一步操作都以节点形式呈现；AI Agent 的输入、模型和结构化输出也可以独立配置。

AI 可以继续帮助你创建和修改后端，但最终结果会沉淀为一个人能看懂、能检查、能继续维护的可视化系统。

这对于非技术创业者尤其重要。

你不需要先成为后端工程师，才能理解自己的产品是如何运行的。即使前端由 Cursor 快速生成，核心数据和业务规则仍然掌握在自己手中。

从“生成页面”到“交付完整产品”

这次 AdventureX 现场的 30 分钟实战，并不是为了证明 AI 可以多快生成一个网页。

真正值得关注的是：现在已经可以通过 Cursor 与 Zion Plugin 的配合，在很短时间内完成一套完整的产品链路：

需求描述 → 前端页面 → 数据库建模 → AI Agent → 行为流 → 数据写入 → API 调用 → 产品运行。

Cursor 帮助我们快速获得好看的前端。

Zion Plugin 则通过自然语言帮助我们创建结构化的数据库、数据关系、行为流和 AI Agent，并将它们沉淀到 Zion 的可视化后端中。

项目不再只是一个“能点几下”的页面，而是具备真实数据、真实逻辑和持续运营能力的产品。

对于独立开发者、一人公司和非技术创业者来说，这可能才是 AI Coding 更有价值的下一步：

不只是让 AI 帮你写代码，而是让 AI 帮你交付一个自己依然能够理解、控制和运营的产品。

用 Zion 可视化管理后端业务逻辑，让 AI Coding 从「生成页面」真正走向「交付完整产品」。

黑盒业务逻辑，从此说拜拜 👋