鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

我用 AI 做了个小程序,治好了我的学习焦虑症!

编程导航
编程导航
2025-10-31 18:09
阅读 2394
编程导航
2025-10-31 18:09
阅读 2394

大家好,我是程序员鱼皮。朋友们有没有这样的经历:想学点新技术,打开文档就头疼,刷视频又容易走神,买了一堆课程却总是半途而废。。。

反正我是经常这样,学习焦虑症晚期患者了。

作为一名程序员,我早就想做个程序来治好自己的学习焦虑症,却因为觉得麻烦一直拖延。直到现在 AI 编程能力足够强大,我才终于出手了!通过 TRAE 只用了 1 天就完成了这个《学习英雄》小程序,让学习像玩游戏一样轻松有趣~

下面我先带大家体验一下这个小程序,然后会分享整个开发过程中用到的工具和技巧,依然是 AI 项目开发的保姆级教程。

点个收藏,我们开始吧!

推荐观看视频版:https://bilibili.com/video/BV1yMn3zuE7L

项目体验

打开小程序,可以看到界面非常简洁、有活力。点击开始学习,然后输入你想学习的任何主题,比如 Java 基础。

AI 会根据主题自动生成相关的知识问答卡片。

然后你只需要点点点做选择题,不用担心做错,因为每道题目都会有解释,哪怕你之前完全没听说过这个主题,一样可以让你学下去。

除了技术知识外,你还可以尝试更多主题,比如一个词汇、一部电影、甚至是一个人。

原本枯燥的概念通过问答的形式变得生动有趣,学习焦虑瞬间消失了~

你还可以查看自己的学习记录,重新学习或者查看题解。

没事儿刷一刷,你就能成为学习英雄!

开发实现

如果是以前,这种小程序可能要做个好几天。

但现在利用 TRAE IDE 的 AI 编程,我要带大家 不写一行代码,把这个小程序做出来。

步骤:

  1. 准备开发工具
  2. 需求分析
  3. 方案设计
  4. 服务集成
  5. 后端开发
  6. 前端开发
  7. 测试验证
  8. 持续优化

1、准备开发工具

既然要用 AI 开发,工具选择很重要。这次我使用的 AI 编程工具是 TRAE,因为最近它的 SOLO 模式实在太火爆了,我也想试一试。

区别于传统的人类主导 + AI 辅助编程,所谓 SOLO 模式,是让 AI 主导任务并自动执行开发,你只需要有一个想法,然后配合 AI 就能让想法真正落地。

此外,既然要开发前端项目,肯定少不了 Node.js 环境;既然要开发微信小程序,肯定少不了 微信开发者工具,直接去对应的官网下载安装就好。

2、需求分析

准备好工具后,进入 Trae 的 SOLO 模式,打开比我脸都干净的项目文件夹。

首先我们要进行需求分析。

别想的太复杂,只需要把自己的想法用自然语言告诉 AI 就好。

比如我给 AI 提了这样的需求:

▼
markdown
复制代码
你是一位专业的程序员,请帮我开发《学习英雄 - AI 问答引导式学习》微信小程序。 用户可以自主设置一个想学习(或测验)的主题,由 AI 围绕主题生成若干个有趣的知识问答卡片,通过闯关答题的形式引导用户更轻松愉快地掌握知识。

AI 很快生成了详细的产品需求文档和技术架构文档,很符合企业规范的开发流程。

看得出来 AI 已经有些迫不及待想写代码了,但是千万别急,一定要先 仔细确认需求文档。

AI 写的还是不错的,但不一定完全符合我们的预期。因此我们要人工重点关注要实现的核心功能,移除掉不需要的附加功能,先确保核心业务流程(P0 级需求)跑通。

不要嫌这一步麻烦,现在多花 1 分钟,以后节约 1 小时!

一定要明确需求,防止 AI 做了不该做的功能。

这里有个小技巧,可以利用 TRAE 集成的 Figma 设计工具,在这里获取到一些免费的产品 UI 原型图。

可以点击查看某个原型具体的设计,只需要选中你看上的原型图,点击添加到对话,TRAE 就会自动把原型图关联到发给 AI 的对话中,这个跨产品之间的交互我觉得还是蛮帅的(不过跟我学做项目的同学应该知道实现原理嘿嘿)。

不过生活需要惊喜,这里我就让 AI 自己发挥,看看会出现什么创意~

3、方案设计

下面我们要进行方案设计,这以前是月薪几万的架构师干的活,现在让小 AI 帮我们 SOLO。

编写这段 Prompt 时一定要注意几个细节,遵循最小化开发原则,防止 AI 把简单的事情搞复杂。

▼
markdown
复制代码
我已经人工调整了产品需求文档,移除了很多不必要的功能。请你根据我人工修改过的需求,重新生成技术架构文档。要求: 1. 禁止增加需求文档中没有提到的功能 2. 遵循最小化开发原则,以实现功能为主,禁止提供实现功能之外的扩展,比如部署、监控、限流等 3. 遵循前后端分离原则

很快 AI 生成了完整的技术架构文档,包括用什么前端和后端技术、接口怎么设计、数据表怎么设计等等。

这里我建议能看懂文档的同学还是多发挥一些专业性,明确具体的技术选型,让 AI 生成的代码在自己的可控范围内。比如我明确项目使用 Supabase 数据库、使用 OpenRouter 对接 Gemini 大模型提供 AI 服务。

啥啥啥?这些都是啥?

别担心,等会儿就会讲。

看不懂文档的同学也不用担心,你就把自己想象成老板或者产品经理,程序员同事吭哧吭哧拿了份技术方案给你,你就说 “怎么实现我不管,这个需求明天上线!” 让他放手干就完了。

你要相信 AI,相信相信的力量~

4、服务集成

完成了方案设计,在正式进入开发前,我们还要准备项目依赖的服务。

把用户数据存储在哪里?怎么让程序对接 AI 大模型?

这都是我们要解决的问题。

相比于自己手动安装服务,可以直接使用 TRAE 提供的集成能力,不用专门去看官方文档对接服务,直接傻瓜式安装。

我们重点集成 2 个服务。

集成 Supabase

Supabase 是开源的后端即服务(BaaS)平台,提供数据库存储、用户身份验证、即时 API 等功能,可以帮助开发者快速构建和管理程序后端。

点击连接按钮,在弹出的页面中完成创建 Supabase 账号、创建组织、以及认证授权。

然后进入到 TRAE,看到组织成功显示后,点击创建一个新项目,填写一些项目配置信息,然后点击创建。

创建项目后回到 TRAE 刷新一下,点击连接就可以了,就这么简单~

如果说之前 AI Vibe Coding 让后端开发者爽翻了,那这波可以说是前端开发者赢麻了,简单的项目都不用自己搭建后端了~

集成 OpenRouter AI 服务

TRAE 能够和多种 AI 服务集成,这里我选择 OpenRouter,它的优点是可以通过统一的 API 对接各家大模型,比如 Gemini、GPT、Claude 等等。

首先到官网注册登录账号,然后进入 API Keys 页面创建一个调用 AI 的密钥,然后在 TRAE 中配置并填写密钥,AI 服务就已经集成完毕了。

但是注意,要确保你有足够的用量,否则可能调用失败,或者报错调用频率太频繁。

集成 Stripe 支付服务

此外,你还可以集成 Stripe 支付服务,它可以让你用最少的代码给产品添加支付和订阅功能。

只需要先到官网注册账号,它会自动给你提供一个沙盒测试环境、以及对应的 API 密钥,你可以创建自己的产品并设置定价。

然后把这些信息填写到 TRAE 配置中,之后 AI 编程时就会生成支付相关的代码了。

但是由于微信小程序有一些限制,这里我就先不接入了,大家了解一下就好,网页端和 APP 产品接入还是很香的。

5、后端开发

准备工作完成后,我们终于要进入紧张刺激的开发环节了。

这里要注意,由于 AI 的上下文是有限的,为了能更好地生成完整项目、减少 Bug,建议分个步骤:先生成后端代码,人工校验通过后,再生成前端代码。

好,给 AI 输入提示词,先开发后端,确保项目可以正常运行:

▼
markdown
复制代码
请你基于最新的产品需求文档和技术架构文档进行开发,优先开发后端,确保项目可以正常运行

我们可以使用 TRAE 提供的 Prompt 优化功能来一键优化提示词。

嗯,确实比之前更严谨了。

点击执行,请开始你的 SOLO~ AI 会先给出任务计划:

然后自主操作终端执行命令、编写后端配置文件和业务逻辑代码、编写数据库建表语句等等,重要操作还会找我们主动确认,非常严谨。

看不懂也没关系,让他放手干吧~

等待期间,你可以到编程导航上看看 免费的编程学习路线。TRAE 自带消息通知功能,AI 完成任务后会提醒我们。

我感觉 TRAE 调教 AI 还是有一套的,他会自己验证程序是否正常。不过由于我们还没有填写微信登录所需的信息,接口无法完整调用是正常的。

一段时间后,AI 生成完毕,不仅生成了代码,还很贴心地生成了后端的接口文档。

哎,这个东西很有用哦。

6、前端开发

下面进行前端开发。

这里一定要注意,不要接着之前的对话继续写提示词了。

为什么呢?

因为 AI 大模型的上下文是有限的,前面的操作已经消耗了不少上下文,为了防止 AI 上下文不足或者记忆混乱,我们生成前端时,重新开一个干净的对话来编写提示词。

提示词中提供给 AI 产品需求文档、技术架构文档和后端接口文档,就可以让 AI 专注于前端代码生成。

▼
markdown
复制代码
你是一位专业的程序员,请帮我开发《学习英雄 - AI 问答引导式学习》微信小程序。 用户可以自主设置一个想学习(或测验)的主题,由 AI 围绕主题生成若干个有趣的知识问答卡片,通过闯关答题的形式引导用户更轻松愉快地掌握知识。 请你根据 @产品需求文档 @技术架构文档 @后端接口文档,帮我生成完整可运行的微信小程序前端代码。 注意: 1. 遵循最小功能原则,不要额外开发需求文档没提到的任何功能 2. 如果需要显示图片,请使用占位图片 picsum.photos 代替(比如 picsum.photos/200/300)

好,执行!

等待期间,你可以到 面试鸭 上看看免费的面试题和刷题路线。

一段时间后,AI 生成完毕,一次性 SOLO 出了 20 多个文件!

虽然看着很爽,但老实说我是有点慌的,不知道能不能正常运行。

7、测试验证

下面我们来到了激动人心的测试验证环节。

首先需要打开微信开发者工具,导入已有项目文件夹,先选择使用测试号开发调试项目。

打开项目后,我们先点击右上角的 “测试号”,按照 文档 的指引获取到测试号的 AppID 和 AppSecret 密钥:

然后手动填入到后端配置文件中,否则将无法正常微信登录。

然后我们就可以编译运行项目了。

结果,果然报错了!

意料之中,意料之中。。。小程序开发比网页开发还是更难一些的,毕竟微信开发者工具和文档一直在更新。

不过没关系,开发过程中难免遇到问题,解决方法很简单,一句话:报什么错误,就把报错信息发给 AI,让 AI 来修复!

像我这里遇到了几个典型的问题:

1)图片路径问题:利用 TRAE 的提示词优化功能,能更好地指引 AI 按照指定的步骤修复 Bug

2)登录失败问题:点击开发者工具右上角的 “详情”,进入到本地设置中,勾选 “不校验合法域名”

3)接口路径问题:这可能是由于上下文过长导致的,让 AI 整体修复前端调用后端接口的路径和参数就好

4)环境配置问题:代码中读取的环境变量名称和配置文件中的不一致,这个问题比较简单,我们可以手动修改。

当我敲了一个字符后,编辑器会自动提示我要修改哪些代码,还支持跨行修改。

这是 TRAE 提供的 CUE 功能,不仅可以帮你自动补全代码、还可以多行修改代码、自动预测未来可能的修改点,尤其适合重构代码的场景,效率起飞。

经过一段时间的修复,我们的小程序已经可以正常运行了。虽然现在页面丑丑的,但只要跑通了核心业务流程,用户能正常使用,后续的优化都很简单了。

8、持续优化

最后,如果你要把小程序上线,还是要花一些时间来优化的。

记住,优化前先把现有代码利用 Git 版本控制工具进行托管,并且提交一个基础版本,这样之后优化出了任何问题,都可以一键回滚到老版本。

像我重点让 AI 帮忙优化了整个小程序的样式风格,只要写一段简单的提示词:

▼
markdown
复制代码
你是一位程序员,请你帮我优化整个小程序中每个前端页面和元素的样式风格,使各个页面保持一致。 参考风格:主色调采用活力橙色,清新治愈的卡通风格、简约雅致、让人感到放松愉快。

然后利用 TRAE 的提示词优化功能,就能得到一个更详细的优化方案。

你可以按需调整,也可以让 AI 放手干。

建议大家每进行一次优化或新增一个功能,都提交一次代码,并且适当地新开 AI 对话框,防止上下文过多影响生成的准确度。

最终,你看到的这个小程序,就是我优化后的成品啦,效果还不错吧~

但由于卡在认证备案的流程上了(已经在备案中了),要过段时间大家才能体验到小程序啦。

总结

最后聊聊我使用 TRAE SOLO 开发项目的感受吧。

首先我感受到了 AI 编程工具的进化,SOLO 从 将 AI 集成到工具中,进化为将开发工具集成到 AI 中。

感觉开发工具只是 AI 的一个玩物,他可以自由地操作编辑器、终端、浏览器、文档、集成服务等等来自主完成任务,确实比以前更高效智能了,也能完成包含后端的完整项目。而且 AI 会遵循企业标准的开发流程,自动修复大部分问题、检查项目能否运行,不像以前很多时候生成的代码是运行不了的。

但是开发过程中大家要注意,现在 AI 很喜欢把简单的事情搞复杂,所以最好人工仔细确认需求文档和方案文档,并且像搭积木一样,一步一步地完成开发。

后面我也会给大家分享更多 AI 编程的技巧,毕竟 AI 是个工具,只有用对了,才能发挥他最大价值。

对 AI 感兴趣的朋友,可以在我们的 AI 导航 上获取到 AI 学习资源、工具大全、提示词和最新资讯等等。

更多

💻 编程学习交流:编程导航:https://www.codefather.cn/
📃 简历快速制作:老鱼简历:https://laoyujianli.com
✏️ 面试刷题神器:面试鸭:https://mianshiya.com
📖 AI 学习指南:AI知识库:https://ai.codefather.cn/

站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
450
2
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
410
3
DeepSeek 全新模型发布,性价比最高的一集!
400
4
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
370
5
又一个国产版 Codex 神器,也来卷办公了!
340
6
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
330
7
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
320
8
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
310
9
我的第一个出海产品!7 天 2 万
300
10
什么是LLM
300
11
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
260
12
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
260
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题