Krut AI

一句話介紹

Krut AI是一個對話式的全堆疊應用程式建構平台，用戶描述需求後，系統即可生成前端、後端、資料庫、AI功能以及部署環境，並在面臨複雜問題時提供人工工程師的協助。

工具簡介

Krut AI目前的定位是作為一個AI原生的應用程式與基礎建設平台，已不再是以電子商務中的圖片生成為主要功能的工具。它適用於開發OCR文件處理、語音應用、業務後台、CRM系統，以及包含Agent邏輯的網路應用。

平台將代碼生成、容器鏡像、資料庫、快取、異步隊列以及託管服務整合在同一個工作區中。使用者仍需明確自身的需求、測試結果，並評估產生問題的風險，不能將自動化建構過程視為不需要軟體工程知識。

三項核心能力

主要功能

自然語言生成全堆應用

使用者可以用普通語言來描述功能、頁面、資料以及工作流程，Krut會根據這些描述來生成應用程式。該平台不僅會回傳程式碼片段，還提供工作區、即時預覽、托管發布功能，以及可選的第三方整合服務。

OCR與文件解析

Krut可為應用程式加入PDF及掃描檔的OCR提取功能，並將結果傳送至後續的業務流程中。至於表格、手寫內容、低解析度圖像以及結構複雜的文件，則仍需以真實的文件來進行測試。

語音輸入輸出

平台支援語音轉文字、文字轉語音以及即時語音對語音的轉換功能，可用於語音助手、客戶服務及無障礙環境。雜音、口音、延遲、中斷以及通話同意等因素都可能影響實際使用體驗。

多模型LLM邏輯

應用程式能將視覺、語音以及多個LLM串接成業務流程，並在前端與後端之間進行調用。模型名稱、路由方式、使用量以及BYOK相關細節並未在公開頁面上完整列出。

Docker鏡像建構

系統會根據專案的依賴關係來產生自訂的 Docker 鏡像，使用者無需從零開始編寫容器設定。不過，在產生鏡像時，仍需檢查基礎鏡像、軟體套件、漏洞、執行用戶以及建構的可重複性。

資料庫與遷移

平台可建立隔離的PostgreSQL資料庫，用於處理連線池、持久化以及模式遷移。在處理生產環境中的資料時，應檢驗備份、復原、索引、併發處理以及回滾功能。

Redis與異步隊列

長時間的AI處理、音訊與影片處理任務，或是郵件傳送作業，可以交給Redis和BullMQ隊列來處理，由獨立的Worker池來執行。這些隊列需要具備幂等性、重試機制、死信處理功能、超時控制以及併發限制等功能。

託管與自動擴縮容

生成應用可以發布到實時地址，容器託管依負載擴縮。公開資料沒有完整列出地區、SLA、休眠、頻寬、域名和資源上限。

MCP與第三方集成

產品展示包括 Notion、Linear、Slack、Google Calendar、Gmail、Supabase、Sentry、GitHub、Stripe 以及多種開發服務。每項整合功能的實際操作方式、權限設定及成熟度，都需在專案中逐一確認。

人工工程師兜底

當容器的建構過程反複失敗，或是需求不夠明確時，人工工程師可以檢視工作區內的內容，並修正相關的問題。由於是人工進行操作，因此專案代碼和資料可能會被有權限的人員查看，因此對於敏感的專案而言，必須先確認是否有訪問許可以及保密措施是否妥善。

適合構建的應用

• 從發票、合約或掃描表單提取欄位的OCR工具。
• 具備語音輸入、轉錄、播報及即時對話功能的應用。
• 連接LLM與業務規則的內部Agent。
• 具有用戶、權限、表單和儀表板的業務後台。
• 帶有產品、訂單和支付整合的商店原型。
• 使用PostgreSQL保存結構化數據的CRM。
• 需要後台Worker執行長任務的處理平台。
• 連接日曆、郵件、協作或監控系統的自動化。
• 需要容器化部署和資料庫遷移的全堆疊原型。

不應直接生成後上線的應用

• 未經安全審查的支付、金融和資金轉移系統。
• 沒有專業審核的醫療診斷或治療決策工具。
• 用於處理高度敏感的身分資訊、兒童資料或生物辨識資料的系統。
• 沒有訪問控制與審計的企業生產後台。
• 以AI輸出直接作出招聘、信貸或法律決定的應用。
• 沒有壓力測試的高併發即時服務。
• 依賴未驗證第三方介面完成關鍵交易的系統。
• 未取得錄音和內容授權的語音或文件處理工具。

從需求到上線的流程

1. 明確目標用戶、核心問題和最小可驗證功能。
2. 列出頁面、角色、資料實體、外部整合與安全要求。
3. 用自然語言描述首個小版本，不一次加入全部功能。
4. 檢查Krut生成的介面、資料結構和業務流程。
5. 上傳匿名測試數據並驗證OCR、語音或LLM能力。
6. 確認容器依賴、資料庫遷移、隊列和Worker配置。
7. 連接第三方服務時只授予最小權限。
8. 在預覽環境測試錯誤、權限、併發和異常恢復。
9. 讓人工工程師處理平台無法解決的邊界問題。
10. 完成安全、隱私、性能和業務驗收後再公開發布。
11. 上線後監控日誌、費用、模型品質及使用者回饋。

如何寫好需求

Krut可以從一句話開始，但實際應用時則需要更明確的驗收條件。高品質的需求定義應說明使用者角色、關鍵操作、資料規則、失敗時的處理方式，以及那些不可執行的動作。

OCR應用注意事項

• 使用不同掃描品質、旋轉和光照的真實樣本。
• 分別測試印刷體、手寫和多語言。
• 對表格、蓋章、簽名和多欄版式單獨測試。
• 保存原圖位置方便人工回查。
• 低置信度字段必須進入人工確認。
• 不要把OCR結果直接用於付款或法律結論。
• 敏感文件應設定短暫的保留期及存取日誌。
• 確認第三方視覺模型是否保留文件。

語音應用注意事項

• 明確錄音提示和參與者同意。
• 測試普通話、方言、口音和專業術語。
• 對噪聲、回聲和網路抖動進行壓力測試。
• 設計說話打斷、靜音和超時處理。
• 把轉錄與原音頻對齊以便複核。
• 對外播放AI語音時提供清晰身份提示。
• 不要在無人工確認時執行高風險語音指令。
• 設定音頻保留、下載和刪除規則。

後台任務與隊列

音視頻轉換、批次處理文件、郵件以及長時間運行的模型調用，都不適合用來阻擋網頁請求，Krut可以為這些任務建立隊列與工作程式。而隊列的架構仍需考慮失敗情況及重複執行的需求。

資料庫與持久化

自動建立資料庫可以縮短原型開發的時間，但一旦使用真實的使用者資料來填入資料表結構時，就必須進行工程上的管理。所生成的資料表結構應檢查主鍵、外鍵、唯一性約束、索引以及時區設定。

• 區分開發、測試和生產資料庫。
• 遷移前自動備份並驗證恢復。
• 為關鍵表設定約束和審計欄位。
• 資料庫帳號使用最小權限。
• 限制公開應用直接訪問資料庫。
• 對個人數據設定刪除和保留任務。
• 監控連接池、慢查詢、容量和鎖。
• 導出前驗證數據完整性與編碼。

人工工程師支援

人工工程師被視為處理重複出現的編譯錯誤、不清晰的需求以及複雜邊界問題的保障措施。公開頁面上並未說明每個帳戶所包含的工時、回應時間、修改次數、支援的時區，或是升級所需的費用。

頁面使用「保證交付」等表述，但服務條款同時聲明AI輸出可能錯誤、不完整，服務按現狀提供且不保證不中斷。採購時應把交付範圍和驗收標準寫入單獨合同，不能只依賴宣傳文字。

發布與託管

生成的應用可以發布到公開地址，發布的內容對訪問者可見。上線前應檢查環境變數、調試頁面、預設帳號、資料庫連接埠、錯誤堆疊以及測試數據是否被暴露。

1. 建立與生產環境分離的預覽環境。
2. 移除樣本用戶、測試金鑰和調試介面。
3. 啟用認證、授權、輸入校驗和請求限流。
4. 掃描容器鏡像、依賴項目和公開端口。
5. 對資料庫執行備份與恢復演練。
6. 設定日誌、指標、錯誤告警和值班流程。
7. 測試峰值流量、Worker積壓和外部接口故障。
8. 核對隱私政策、用戶條款及必要同意。
9. 逐步開放真實用戶並準備回滾。

MCP與集成

圖示出現在產品生態中並不等於每項功能都已提供完整的雙向操作。使用者應在實際專案中確認認證方式、可用動作、錯誤處理以及套裝限制。

價格與積分

價格資訊於2026年8月23日核驗，實際金額、稅費、匯率及優惠可能變動，最終以結算頁面顯示為準。

Krut採用預付積分的方式，不收取固定的週期性訂閱費用，也沒有需要取消的自動訂閱服務。在運行 AI 應用、執行容器以及維護已發布的應用時，都會消耗積分。

公開頁面並未列出儲值金額、積分數量、模型費率、容器規格、頻寬、資料庫、儲存空間以及工程師的工時。預算只能在上傳後的 Billing 頁面或銷售溝通中確認，無法根據「無訂閱」的情況就推斷使用成本很低。

退款規則

• 已消耗積分不退款。
• 未使用的購買積分可在購買後7天內申請退款。
• 批准退款會扣除無法收回的支付手續費和稅費。
• 促銷或贈送的積分沒有現金價值且不可退款。
• 重複扣款可以申請全額退回。
• 付款成功但24小時仍未到賬，可要求補發積分或全額退款。
• 失敗的付款通常會由銀行或Razorpay在5至7個工作日內退還。
• 已批准退款通常也需5至7個工作日到賬。
• 退款申請應從註冊信箱提交付款編號、日期和原因。

所有權與商用

使用者保留其所提交的提示詞、資料及檔案，並在法律允許的範圍內擁有所產生應用程式的所有權。使用者授權Krut為了運作及改進服務，而對這些項目內容進行托管、處理和展示。

• 生成的代碼可能與其他用戶的結果相似。
• 用戶負責檢查第三方代碼、素材和模型輸出的許可。
• 發布應用必須遵守法律和第三方權利。
• 禁止創建惡意軟體、釣魚頁面和垃圾資訊工具。
• 未經書面同意不得轉售或再許可Krut服務。
• 商用前應檢查依賴許可證及生成素材權利。
• 關鍵業務應用需要獨立代碼審計和測試。

隱私與資料處理

Krut會處理帳號資訊、提示詞、上傳的檔案、應用程式代碼、專案數據、交易資訊、使用日誌以及裝置資訊。在連接到Gmail或Calendar等服務時，它還會儲存OAuth令牌，以及完成整合所需的最低限度的資料。

專案內容會被傳送給Google等第三方AI模型供應商，用以生成程式碼與應用程式。Krut表示不會出售這些內容，也不會使用個人專案的內容來訓練自己的模型。至於第三方模型是否會保留或加以訓練，則需參考所選服務的具體條款。

安全檢查

• 為Krut帳號使用獨立強密碼和安全登入。
• 第三方整合僅授權專案所需的權限。
• 所有金鑰都存放在環境變數或受控金鑰服務中。
• 不要在提示詞、代碼倉庫或前端嵌入真實密鑰。
• 為公開接口設定認證、限流和輸入校驗。
• 掃描生成依賴和容器鏡像漏洞。
• 對上傳檔案限制類型、大小和解析資源。
• 支付Webhook需要簽名驗證和幀等性。
• 生產資料庫禁止使用預設密碼和公開端口。
• 審查人工工程師訪問範圍和操作記錄。
• 定期導出項目並測試退出遷移。

API、SDK與GitHub

導航中存在開發者文件和API入口，但目前的開發者頁面明確顯示API參考與SDK指南仍在準備中。因此無法聲稱已經有穩定、公開且具有版本承諾的開發接口。

適合哪些用戶

• 希望用自然語言快速構建全棧原型的創業者。
• 需要OCR、語音和LLM組合應用的產品團隊。
• 不想手動配置Docker、資料庫和任務隊列的使用者。
• 需要後台Worker處理長時間任務的Web應用團隊。
• 希望AI卡住時獲得人工工程師協助的客戶。
• 願意按使用量充值且能管理生產驗收的團隊。
• 需要快速驗證內部工具、CRM和業務後台的公司。

產品優勢

• 從自然語言需求覆蓋到前端、後端和託管。
• 原生組合OCR、語音和LLM業務邏輯。
• 自動創建Docker鏡像和容器運行環境。
• 自動配置PostgreSQL、Redis和異步Worker。
• 長任務和多模態應用能力強於簡單頁面生成器。
• 人工工程師可處理重複失敗和複雜邊界。
• 支援多種業務、開發、AI及支付整合。
• 沒有固定訂閱，按預付積分使用。
• 用戶保留項目內容及生成應用的權利。

主要限制

• 公開頁面沒有提供積分充值檔位和完整費率。
• 模型、容器、儲存、頻寬和資料庫額度不透明。
• 人工工程師包含工時和回應時間未量化。
• 宣傳交付保證與服務按現狀條款需要合約澄清。
• AI生成的代碼可能包含錯誤、不完整或安全缺陷。
• 多模態能力依賴第三方模型和外部服務。
• 開發者API與SDK文件仍在準備中。
• 未核實到官方開源核心平台或自託管版本。
• 連接器的成熟度與具體權限的公開資訊有限。
• 公開應用可能意外暴露專案數據和金鑰。
• 預付積分還會被持續託管消耗。
• 生產應用仍需要測試、監控、備份和維護。

上線前驗收清單

1. 將需求拆成可驗證的頁面、數據和業務規則。
2. 用真實但去標識的數據測試AI原生功能。
3. 檢查全部用戶角色和越權訪問路徑。
4. 審計產生代碼、依賴、鏡像和公開介面。
5. 驗證資料庫遷移、備份、恢復和刪除。
6. 測試隊列的幂等性、重試、超時和積壓。
7. 核對模型、集成和人工工程師的數據訪問。
8. 測試第三方接口故障、限流和費用上限。
9. 取得完整積分費率及每月預算估算。
10. 確認域名、數據和代碼可以導出遷移。
11. 為應用準備隱私政策、用戶條款及支援流程。
12. 小流量發布並保留快速回滾方案。

常見問題

Krut AI現在主要做什麼？

它現在是一個對話式的全堆疊應用程式建構平台，重點在於 AI 原生功能、自動化容器基礎設施以及人工工程師的協助，不再以電商圖片生成作為主要定位。

Krut AI是無代碼工具嗎？

使用者可以以自然語言開始，但平台所生成的則是包含程式碼、資料庫和容器的完整應用程式。要實際投入使用，仍需了解需求、進行測試、確保安全性並處理運維相關事宜。

Krut AI支援哪些AI能力？

公開列出的能力包括OCR文件解析、語音轉文字、文字轉語音、即時語音對語音以及多模型LLM業務邏輯。具體模型和費率需在賬戶中確認。

Krut AI如何收費？

採用預付積分而非固定訂閱，生成應用和運行託管容器會消耗積分。具體充值檔位和單位費率沒有公開。

未使用積分可以退款嗎？

購買後7天內可以申請未使用積分退款，批准後會扣除無法收回的手續費和稅費。已消耗和促銷積分不退款。

人工工程師會幫我寫完應用嗎？

平台說明指出，工程師能夠處理重複建構失敗以及複雜的邊界問題，但相關的工時、回應時間及交付標準則並未公開。對於重要的專案，應在付款前以書面形式確認服務範圍。

Krut AI是開源的嗎？

目前尚未確認該核心平台的官方公開源碼及開源許可證的相關資訊。使用者可以自行編寫專案代碼，但這並不代表Krut應用程式建構服務本身是開源的。

是否提供API和SDK？

開發者入口存在，但目前此頁面的 API 參考資料及 SDK 指南仍在準備中。需要穩定接口的專案應等待正式文件，或向團隊取得書面承諾。

總結

Krut AI適合那些希望透過對話方式，快速開發OCR、語音處理、LLM以及後台任務處理等全功能應用程式的團隊。憑藉自動化的Docker、PostgreSQL、Redis隊列、Worker功能，再加上人工工程師的協助，其應用範圍遠超過單純的網頁生成功能。

其主要的不確定性在於積分費率、運行資源、人工服務範圍、開發介面以及開源狀態的透明度不足。在投入生產之前，必須對所生成的代碼、資料流、持續託管費用、第三方模型以及上線後的退出方式進行全面驗收。