Krut AI

一句话介绍

Krut AI是一款对话式全栈应用构建平台，用户描述需求后，系统可生成前端、后端、数据库、AI能力和部署环境，并在复杂问题上提供人工工程师协助。

工具简介

Krut AI当前定位是AI原生应用与基础设施平台，不再是早期资料中以电商图片生成为主的工具。它适合构建OCR文档处理、语音应用、业务后台、CRM、商店和包含Agent逻辑的Web应用。

平台把代码生成、容器镜像、数据库、缓存、异步队列和托管整合在同一工作区。用户仍需明确需求、测试输出和确认生产风险，不能把自动构建理解为无需软件工程。

三项核心能力

主要功能

自然语言生成全栈应用

用户可以用普通语言描述功能、页面、数据和工作流，Krut据此生成应用。平台不只返回代码片段，还提供工作区、实时预览、托管发布和可选第三方集成。

OCR与文档解析

Krut可为应用加入PDF和扫描件的OCR提取，并将结果送入后续业务流程。表格、手写、低清图像和复杂版式仍需用真实文档测试。

语音输入输出

平台支持语音转文字、文字转语音以及实时语音到语音管线，可用于语音助手、客服和无障碍场景。噪声、口音、延迟、打断和通话同意会影响实际体验。

多模型LLM逻辑

应用可以把视觉、语音和多个LLM串成业务流程，并在前端与后端之间调用。模型名称、路由方式、用量和BYOK细节没有在公开页面完整列出。

Docker镜像构建

系统根据项目依赖生成自定义Docker镜像，无需用户从零编写容器配置。生成镜像仍需检查基础镜像、软件包、漏洞、运行用户和构建可复现性。

数据库与迁移

平台可创建隔离的PostgreSQL数据库，处理连接池、持久化和模式迁移。涉及生产数据时应验证备份、恢复、索引、并发和回滚。

Redis与异步队列

长时间AI处理、音视频任务或邮件发送可进入Redis与BullMQ队列，由独立Worker池运行。队列需要幂等、重试、死信、超时和并发限制。

托管与自动扩缩容

生成应用可以发布到实时地址，容器托管按负载扩缩。公开资料没有完整列出地区、SLA、休眠、带宽、域名和资源上限。

MCP与第三方集成

产品展示Notion、Linear、Slack、Google Calendar、Gmail、Supabase、Sentry、GitHub、Stripe和多种开发服务。每项集成的实际操作、权限和成熟度应在项目中逐一确认。

人工工程师兜底

当容器构建重复失败或需求含糊时，人工工程师可以查看工作区并修补边界问题。人工访问意味着项目代码和数据可能被授权人员查看，敏感项目应先确认访问审批和保密安排。

适合构建的应用

• 从发票、合同或扫描表单提取字段的OCR工具。
• 带语音输入、转录、播报和实时对话的应用。
• 连接LLM与业务规则的内部Agent。
• 具有用户、权限、表单和仪表盘的业务后台。
• 带产品、订单和支付集成的商店原型。
• 使用PostgreSQL保存结构化数据的CRM。
• 需要后台Worker执行长任务的处理平台。
• 连接日历、邮件、协作或监控系统的自动化。
• 需要容器化部署和数据库迁移的全栈原型。

不应直接生成后上线的应用

• 未经安全审查的支付、金融和资金转移系统。
• 没有专业审核的医疗诊断或治疗决策工具。
• 处理高度敏感身份、儿童或生物识别数据的系统。
• 没有访问控制和审计的企业生产后台。
• 用AI输出直接作出招聘、信贷或法律决定的应用。
• 没有压力测试的高并发实时服务。
• 依赖未验证第三方接口完成关键交易的系统。
• 未取得录音和内容授权的语音或文档处理工具。

从需求到上线的流程

1. 明确目标用户、核心问题和最小可验证功能。
2. 列出页面、角色、数据实体、外部集成和安全要求。
3. 用自然语言描述首个小版本，不一次加入全部功能。
4. 检查Krut生成的界面、数据结构和业务流程。
5. 上传匿名测试数据并验证OCR、语音或LLM能力。
6. 确认容器依赖、数据库迁移、队列和Worker配置。
7. 连接第三方服务时只授予最小权限。
8. 在预览环境测试错误、权限、并发和异常恢复。
9. 让人工工程师处理平台无法解决的边界问题。
10. 完成安全、隐私、性能和业务验收后再公开发布。
11. 上线后监控日志、费用、模型质量和用户反馈。

如何写好需求

Krut可以从一句话开始，但生产应用需要更明确的验收条件。高质量需求应说明用户角色、关键操作、数据规则、失败行为和不可执行的动作。

OCR应用注意事项

• 使用不同扫描质量、旋转和光照的真实样本。
• 分别测试印刷体、手写和多语言。
• 对表格、盖章、签名和多栏版式单独测试。
• 保存原图位置方便人工回查。
• 低置信度字段必须进入人工确认。
• 不要把OCR结果直接用于付款或法律结论。
• 敏感文档应设置短保留和访问日志。
• 确认第三方视觉模型是否保留文档。

语音应用注意事项

• 明确录音提示和参与者同意。
• 测试普通话、方言、口音和专业术语。
• 对噪声、回声和网络抖动进行压力测试。
• 设计说话打断、静音和超时处理。
• 把转录与原音频对齐以便复核。
• 对外播放AI语音时提供清晰身份提示。
• 不要在无人工确认时执行高风险语音指令。
• 设置音频保留、下载和删除规则。

后台任务与队列

音视频转换、批量文档、邮件和长时间模型调用不适合阻塞网页请求，Krut可为这些任务建立队列与Worker。队列架构仍需按失败与重复执行设计。

数据库与持久化

自动创建数据库可以缩短原型时间，但表结构和迁移一旦承载真实用户数据就需要工程治理。生成的模式应检查主键、外键、唯一约束、索引和时区。

• 区分开发、测试和生产数据库。
• 迁移前自动备份并验证恢复。
• 为关键表设置约束和审计字段。
• 数据库账号使用最小权限。
• 限制公开应用直接访问数据库。
• 对个人数据设置删除和保留任务。
• 监控连接池、慢查询、容量和锁。
• 导出前验证数据完整性和编码。

人工工程师支持

人工工程师被描述为处理重复编译错误、模糊需求和复杂边界的安全网。公开页面没有说明每个账户包含的工时、响应时间、修改次数、支持时区或升级费用。

页面使用“保证交付”等表述，但服务条款同时声明AI输出可能错误、不完整，服务按现状提供且不保证不中断。采购时应把交付范围和验收标准写入单独合同，不能只依赖宣传文字。

发布与托管

生成应用可以发布到公开地址，发布内容对访问者可见。上线前应检查环境变量、调试页面、默认账号、数据库端口、错误堆栈和测试数据是否暴露。

1. 创建与生产分离的预览环境。
2. 移除样例用户、测试密钥和调试接口。
3. 启用认证、授权、输入校验和请求限流。
4. 扫描容器镜像、依赖和公开端口。
5. 对数据库执行备份与恢复演练。
6. 设置日志、指标、错误告警和值班流程。
7. 测试峰值流量、Worker积压和外部接口故障。
8. 核对隐私政策、用户条款和必要同意。
9. 逐步开放真实用户并准备回滚。

MCP与集成

图标出现在产品生态中不等于每项集成都已经提供完整双向操作。用户应在实际项目中确认认证方式、可用动作、错误处理和套餐限制。

价格与积分

价格信息于2026年8月23日核验，实际金额、税费、汇率和优惠可能变化，最终以结算页面显示为准。

Krut采用预付积分，不收固定周期订阅费，也没有需要取消的自动订阅。积分会在AI生成应用、运行容器和维持已发布应用时消耗。

公开页面没有列出充值金额、积分数量、模型费率、容器规格、带宽、数据库、存储和工程师工时。预算只能在登录后的Billing页面或销售沟通中确认，不能根据“无订阅”推断使用成本很低。

退款规则

• 已消耗积分不退款。
• 未使用的购买积分可在购买后7天内申请退款。
• 批准退款会扣除无法收回的支付手续费和税费。
• 促销或赠送积分没有现金价值且不可退款。
• 重复扣款可以申请全额退回。
• 付款成功但24小时仍未到账，可要求补发积分或全额退款。
• 失败付款通常由银行或Razorpay在5至7个工作日退回。
• 已批准退款通常也需5至7个工作日到账。
• 退款申请应从注册邮箱提交付款编号、日期和原因。

所有权与商用

用户保留提交的提示词、数据和文件，以及在法律允许范围内生成应用的所有权。用户授权Krut为运行和改进服务而托管、处理和展示项目内容。

• 生成代码可能与其他用户结果相似。
• 用户负责检查第三方代码、素材和模型输出许可。
• 发布应用必须遵守法律和第三方权利。
• 禁止创建恶意软件、钓鱼页面和垃圾信息工具。
• 未经书面同意不得转售或再许可Krut服务。
• 商用前应检查依赖许可证和生成素材权利。
• 关键业务应用需要独立代码审计和测试。

隐私与数据处理

Krut会处理账号信息、提示词、上传文件、应用代码、项目数据、交易信息、使用日志和设备信息。连接Gmail或Calendar等服务时，还会保存OAuth令牌和完成集成所需的最少数据。

项目内容会发送给Google等第三方AI模型提供商以生成代码和应用，Krut称不会出售内容，也不会用私人项目内容训练自己的模型。第三方模型是否保留或训练仍需查看所选服务的具体条款。

安全检查

• 为Krut账号使用独立强密码和安全登录。
• 第三方集成只授权项目需要的权限。
• 所有密钥放在环境变量或受控密钥服务中。
• 不要在提示词、代码仓库或前端嵌入真实密钥。
• 为公开接口设置认证、限流和输入校验。
• 扫描生成依赖和容器镜像漏洞。
• 对上传文件限制类型、大小和解析资源。
• 支付Webhook需要签名验证和幂等。
• 生产数据库禁止使用默认密码和公开端口。
• 审查人工工程师访问范围和操作记录。
• 定期导出项目并测试退出迁移。

API、SDK与GitHub

导航中存在开发者文档和API入口，但当前开发者页面明确显示API参考与SDK指南仍在准备中。不能据此宣称已经有稳定、公开和受版本承诺的开发接口。

适合哪些用户

• 希望用自然语言快速构建全栈原型的创业者。
• 需要OCR、语音和LLM组合应用的产品团队。
• 不想手工配置Docker、数据库和任务队列的用户。
• 需要后台Worker处理长任务的Web应用团队。
• 希望AI卡住时获得人工工程师协助的客户。
• 愿意按使用量充值且能管理生产验收的团队。
• 需要快速验证内部工具、CRM和业务后台的企业。

产品优势

• 从自然语言需求覆盖到前端、后端和托管。
• 原生组合OCR、语音和LLM业务逻辑。
• 自动创建Docker镜像和容器运行环境。
• 自动配置PostgreSQL、Redis和异步Worker。
• 长任务和多模态应用能力强于简单页面生成器。
• 人工工程师可处理重复失败和复杂边界。
• 支持多种业务、开发、AI和支付集成。
• 没有固定订阅，按预付积分使用。
• 用户保留项目内容和生成应用的权利。

主要限制

• 公开页面没有提供积分充值档位和完整费率。
• 模型、容器、存储、带宽和数据库额度不透明。
• 人工工程师包含工时和响应时间未量化。
• 宣传交付保证与服务按现状条款需要合同澄清。
• AI生成代码可能包含错误、不完整或安全缺陷。
• 多模态能力依赖第三方模型和外部服务。
• 开发者API与SDK文档仍在准备中。
• 未核实到官方开源核心平台或自托管版本。
• 连接器成熟度和具体权限公开信息有限。
• 公开应用可能意外暴露项目数据和密钥。
• 预付积分还会被持续托管消耗。
• 生产应用仍需要测试、监控、备份和维护。

上线前验收清单

1. 将需求拆成可验证的页面、数据和业务规则。
2. 用真实但去标识的数据测试AI原生功能。
3. 检查全部用户角色和越权访问路径。
4. 审计生成代码、依赖、镜像和公开接口。
5. 验证数据库迁移、备份、恢复和删除。
6. 测试队列幂等、重试、超时和积压。
7. 核对模型、集成和人工工程师的数据访问。
8. 测试第三方接口故障、限流和费用上限。
9. 取得完整积分费率和每月预算估算。
10. 确认域名、数据和代码可以导出迁移。
11. 为应用准备隐私政策、用户条款和支持流程。
12. 小流量发布并保留快速回滚方案。

常见问题

Krut AI现在主要做什么？

它现在是一款对话式全栈应用构建平台，重点是AI原生能力、自动化容器基础设施和人工工程师协助，不再以电商图片生成为主要定位。

Krut AI是无代码工具吗？

用户可以用自然语言开始，但平台生成的是包含代码、数据库和容器的完整应用。生产使用仍需要理解需求、测试、安全和运维。

Krut AI支持哪些AI能力？

公开列出的能力包括OCR文档解析、语音转文字、文字转语音、实时语音到语音以及多模型LLM业务逻辑。具体模型和费率需在账户中确认。

Krut AI如何收费？

采用预付积分而非固定订阅，生成应用和运行托管容器会消耗积分。具体充值档位和单位费率没有公开。

未使用积分可以退款吗？

购买后7天内可以申请未使用积分退款，批准后会扣除无法收回的手续费和税费。已消耗和促销积分不退款。

人工工程师会帮我写完应用吗？

平台说明工程师可处理重复构建失败和复杂边界，但包含工时、响应时间与交付标准未公开。重要项目应在付款前书面确认服务范围。

Krut AI开源吗？

没有核实到核心平台的官方公开源码和开源许可证。用户可以生成自己的项目代码，但这不等于Krut应用构建服务本身开源。

是否提供API和SDK？

开发者入口存在，但当前页面说明API参考和SDK指南仍在准备中。需要稳定接口的项目应等待正式文档或向团队取得书面承诺。

总结

Krut AI适合希望通过对话快速构建OCR、语音、LLM和后台任务型全栈应用的团队。自动Docker、PostgreSQL、Redis队列、Worker和人工工程师协助，让它覆盖的范围超过简单网页生成。

它的主要不确定性是积分费率、运行资源、人工服务范围、开发接口和开源状态公开不足。生产采用前必须对生成代码、数据流、持续托管费用、第三方模型和上线退出路径进行完整验收。