使用 ChatGPT 构建 MySQL 数据库模型，并添加 API Logic Server 自动创建 SQLAlchemy 模型、react-admin UI 和 OpenAPI （Swagger）。

我一直在使用一个新的开源平台 API Logic Server（GitHub 上的一个开源项目）来为客户端提供 API 微服务。我想基于旧的 TPC 基准从头到尾构建一个完整的移动银行 API。这包括声明性业务逻辑（又名类似电子表格的规则）、安全性、react-admin UI 和 Open API （Swagger） 文档。

API Logic Server （ALS） 创建可在 IDE 中扩展的可执行项目。它是一个基于 SQLAlchemy 2.0、Flask、safrs-JSON API、react-admin 和 LogicBank（类似声明性电子表格的规则引擎）的开源 Python 平台。

ChatGPT-SQL 模型

我首先要求 ChatGPT “基于 MySQL 的旧 TPC 基准生成银行 DDL”。下面是生成的 DDL：

虽然 ChatGPT 给了我一个可用的 DDL，但我随后要求 ChatGPT “为存款、取款和交易图像添加列”，以允许声明性规则完成繁重的工作。

交易

• 存款 DECIMAL（15,2）
• 提款 DECIMAL（15,2）
• 图片（支票和提款单） 文本

认证

• 客户使用名称 VARCHAR（64）
• 客户密码（哈希）：VARCHAR（64）

API 逻辑服务器 （ALS）

这是一个功能齐全的开源 Python 平台（如 Django），用于创建完整的运行时 API 和 react-admin 后台 UI 解决方案。ALS 的命令行功能使得使用多页 react-admin U 和 Open API 创建正在运行的服务器变得轻而易举。

命令行功能将读取 SQL“银行”模式，并创建一个可自定义的项目，其中包含 SQLAlchemy 所需的所有连接和完整的 Restful JSON：API。ALS 使用命令行方法连接到数据库并创建所有正在运行的组件：

壳

ApiLogicServer create --project_name=tpc --db_url=mysql+pymysql://root:p@localhost:3306/banking

这将创建一个项目，您可以在 IDE 中打开以运行和自定义。

规则

声明性规则是类似电子表格的表达式，可自动执行后端多表派生和约束。规则作为 API 的一部分自动执行，使其成为一项服务。它们大大减少了您期望手动编写的代码量。

规则在 IDE 中输入。它们可通过 Python 进行扩展，并使用 IDE 调试器进行调试。

规则为我们的各种 TPC 用例提供自动重用 - 处理存款和取款、维护账户余额、防止透支和处理余额转账。神奇的是 LogicBank（GitHub 上一个类似电子表格的开源引擎），它在运行时处理排序和执行，并直接与 SQLAlchemy 集成。

我们通过以业务用户友好的方式编写逻辑来开始这个过程。

1. 派生账户余额是 Transaction.TotalAmount 的总和
2. 约束：Account.AcctBalance 不能小于零
3. 约束：Transaction.Deposits 和 Transaction。提款必须大于零
4. 公式 - Transaction.TotalAmount 为存款减去取款
5. 客户只能在自己的账户之间转账

添加规则

我正在使用 VSCode。命令行生成的代码被分解为数据库、api、逻辑、安全、devops等文件夹。 在logic/declare_logic.py下，我们将设计规则转换为实际的声明性规则。

代码完成使这变得轻而易举。Python 加上 IDE 为业务逻辑提供了域特定语言。

请注意，规则只是我们上面设计的一种形式化——一种可执行的设计。

蟒

Rule.sum(derive=models.Account.AcctBalance,br

     as_sum_of=models.Transaction.TotalAmount)br

br

Rule.constraint(validate=models.Account,br

     as_condition=lambda row: row.AcctBalance >= 0,br

     error_msg="Account balance {row.AcctBalance} cannot be less than zero")br

br

Rule.formula(derive=models.Transaction.TotalAmount,br

     as_expression=lambda row: row.Deposit - row.Withdrawal)

自动化 React-Admin UI

ALS 为模型中的所有表创建了一个 react-admin 后台多表应用程序。这允许我添加客户、支票和储蓄账户、存款交易样本、测试规则（例如总和、约束、公式等）以及转移资金。

OpenAPI（招摇）

ALS 还将生成 OpenAPI （Swagger） 文档。这是使用 safrs JSON-API，它使客户端能够指定要返回的子表和列（一种自助服务 API，很像 GraphQL）。此 API 将允许前端开发人员在单个 API 请求中显示客户信息、他们的所有帐户以及交易（存款和取款）列表。另一个不错的功能是每行返回一个校验和，用于支持乐观锁定。

转账

TPC 基准的核心是在单笔交易中在 2 个账户之间转移资金。在这个例子中，我们让规则执行公式和推导。验证和约束，但我们需要一个 API 来 POST JSON。一种方法是使用 api/custom_api.py 构建一个 Python 类，将资金从一个账户转移到另一个账户。

另一种方法是让 ChatGPT “生成转账资金 SQLAlchemy 代码”——所以我添加了一个新的转账表和一个提交事件规则来实现更改以执行相同的工作。规则会自动调整触发顺序（公式、求和、验证，然后是提交行事件）。

下面的代码在 IDE 中输入，提供代码完成、调试等。

def fn_transfer_funds(row=models.Transfer, old_row=models.Transfer, logic_row=LogicRow):br

        if logic_row.isInsert():br

            fromAcctId = row.FromAccountIDbr

            toAcctId = row.ToAccountIDbr

            amount = row.Amountbr

br

            from_trans = models.Transaction()br

            from_trans.TransactionID = nextTransId()br

            from_trans.AccountID = fromAcctIdbr

            from_trans.Withdrawl = amountbr

            from_trans.TransactionType = "Transfer From"br

            from_trans.TransactionDate = date.today()br

            session.add(from_trans)br

           br

            to_trans = models.Transaction()br

            to_trans.TransactionID = nextTransId()br

            to_trans.AccountID = toAcctIdbr

            to_trans.Deposit = amountbr

            to_trans.TransactionType = "Transfer To"br

            to_trans.TransactionDate = date.today()br

            session.add(to_trans)br

          br

            print("Funds transferred successfully!")br

br

 Rule.commit_row_event(on_class=models.Transfer, calling=fn_transfer_funds

安全性（身份验证/授权）

由于这是一个多租户模型，因此声明性安全模型需要角色和筛选器，以便授权不同的角色扮演者执行特定的 CRUD 任务。基于角色的访问控制需要为登录名、角色和用户角色提供单独的数据模型。

我们还需要一个身份验证过程来验证用户登录移动银行系统。ALS 要求您使用命令行工具 （ApiLogicServer add-auth） 初始化安全模型，该工具将创建所有必需的组件。

DefaultRolePermission(to_role=Roles.customer, br

    can_read=True, can_update=True, can_insert=True, can_dellete=False)br

br

Grant( on_entity = models.Customer, br

   to_role = Roles.customer,br

   can_delete=False,br

   filter = lambda : models.Customer.CustomerID == Security.current_user().CustomerID) 

Docker 容器

devops/docker 文件夹包含 Shell 脚本，用于构建和部署正在运行的 Docker 映像，只需单击几下即可将其部署到云中。只需修改数据库和安全设置的 docker-compose 属性即可。

总结

API Logic Server 能够从单个命令行请求创建所有正在运行的 API 组件，这给我留下了深刻的印象。使用 ChatGPT 开始甚至迭代开发生命周期是无缝的。

前端开发人员可以开始编写登录名 （auth） 并使用 Open API （Swagger） 报告中的 API 调用，同时检测最终的逻辑和安全性。业务用户可以运行屏幕，并进行协作以确保识别和满足实际需求。

虽然我是 Python 语言的新手，但这感觉更像是一种 DSL（领域特定语言），具有代码完成和组织良好的代码空间。ALS 文档提供了很好的帮助和教程，以了解如何交付自己的逻辑和 API。

可以在此处找到 GitHub 源代码。

原文标题：AI-Driven Microservice Automation

原文链接：
https://dzone.com/articles/ai-automation-microservice

作者：Tyler Band

编译：LCR