我用AI+低代码从零打造心理小程序

分享自己的低代码开发的开发历程,帮助大家了解低代码开发的优势和坑在哪里


一、背景与工具选择:为什么是低代码+AI?

本人纯后端开发,对前端技术不了解,所以选择了AI结合低代码开发平台。我主要使用的低代码开发平台分别是扣子和weda。两者都是很好的低代码开发平台,就个人使用感受而言:

扣子平台 资源整合更加密切,比如数据库和ai插件,可以一键集成,相比执行weda平台的数据库和存储则需要额外去开通,引入较为复杂。扣子平台最大支持20个页面,weda平台则没有这个限制,同时由于平台不同,扣子跟适合发布到抖音小程序,发布到微信小程序需要额外代码适配微信小程序的用户隐私协议。

weda平台 开发复杂度比扣子平台要搞,且资源引入和收费方式相较而言更加的复杂,但是提供了一键集成用户隐私协议的功能,且没有页面数量的限制。

正如上文所讲,本人不会前端代码,同时想要发布到微信小程序,所以最终选择了weda平台作为主要开发平台。如果是小白想练手,或者想开发抖音小程序,建议选择扣子。


二、我是如何结合AI来进行设计的?

首先设计一款小程序需要从项目和产品的角度来考虑。项目无非人员、资源、技术、过程。前面三者已经确定,分别是本人使用weda平台的存储、网络、无代码开发平台进行小程序设计,最关键的过程则需要AI以项目经理的角度帮助我们进行MVP(最小可行产品)的规划。到这里重点从项目设计转变为产品设计。那么现在应该如何进行产品设计呢?自己设计是不可能自己设计的。想问ai不知道从哪切入怎么办?好的关键点来了,首先,我们让ai向我们进行提问。 以下是我的提问方法:

markdown 复制代码
# 用户提问模板  
"我需要设计一款XX领域的小程序,请向我提至少10个问题,帮助我理清产品设计思路"  

通过AI生成的10个关键问题(如核心功能优先级AI介入程度隐私与伦理风险

markdown 复制代码
以下是10个关键问题,帮助你理清这款基于CBT和AI的学习应用设计思路:
1. 核心功能优先级
● 在"记录信念/归因/扭曲"、"AI实时分析"、"可视化报告"、"小组互动"这些功能中,你认为哪三项是MVP(最小可行产品)必须包含的?
2. 用户引导设计
● 如何设计新手引导流程,才能让用户快速理解"思维扭曲"、"归因风格"等专业概念而不感到困惑?
3. AI介入程度
● 你更倾向AI主动识别认知偏差(如自动标注"这是全有或全无思维"),还是等待用户自主判断后再提供反馈?
4. 记录方式优化
● 用户记录情绪事件时,采用结构化输入(下拉菜单选择情绪/扭曲类型)还是自由文本+AI解析更符合需求?
5. 激励机制
● 对于坚持记录的用户,你认为成长体系(如徽章)、数据可视化(情绪曲线图)或认知改善报告哪种奖励更有效?
6. 隐私与分享
● 小组讨论功能中,用户分享内容是否需要匿名处理?如何平衡社交学习与隐私保护?
7. 专业度把控
● 是否需要内置认证CBT治疗师的审核内容?还是完全依赖AI+标准化CBT框架?
8. 危险信号处理
● 当系统检测到用户有严重抑郁倾向时,应直接提供心理危机热线还是先询问用户是否需要帮助?
9. 多场景适配
● 用户记录情境应该支持实时记录(当下发生事件)还是允许事后补充记录?是否要区分工作/家庭等场景标签?
10. 效果验证
● 你计划通过什么指标评估应用效果?如:用户留存率、认知重构案例数、前后测问卷对比等?
11. 进阶功能考量(附加题)
● 是否要加入"思维实验"功能,用AR模拟令用户焦虑的场景进行暴露练习?这涉及更复杂的伦理审查。
这些问题从产品定位、用户体验、技术实现到伦理风险全面覆盖,建议先聚焦前6个基础问题建立核心框架。需要深入探讨某个方向时可以继续追问。

这下产品设计思路一下子就清晰起来了,接下来,我们请AI帮助我们进行MVP功能架构设计,输出如下:

核心流程图

graph TD A[情绪触发] --> B{记录模式选择} B --> C[Thought Diary标准模板] B --> D[ABC Model进阶模板] C --> E[AI认知分析] D --> E E --> F[认知重构工具] F --> G[进度追踪]

版本规划:

版本 时间 核心升级
MVP1.0 2周 基础记录+AI标注+替代思维生成
MVP1.5 4周 模式对比分析+多设备同步
MVP2.0 8周 个性化模式推荐+临床验证报告

执行建议

markdown 复制代码
1. 开发优先级
  ○ 首周完成Thought Diary核心流水线
  ○ 次周集成ABC模型智能解析
  ○ 第三周构建进度可视化仪表盘
2. 工具选择
  ○ 原型验证:使用Framer制作可交互原型
  ○ 用户测试:Lookback进行远程可用性测试
  ○ 文档管理:Notion建立实时更新知识库
下一步可输出详细API文档模板或具体算法实现方案,需要哪方面深化请指明方向。

MVP核心功能验证方法

  1. 结构化输入优先:用户通过下拉菜单选择情绪类型,降低AI解析错误率;
  2. AI标注+人工复核:自动识别认知偏差后,需用户二次确认才生成重构建议;
  3. 紧急熔断机制:检测到抑郁倾向关键词时,强制跳转危机干预页面。

三、低代码实战:页面生成与AI"附魔"

此时重点又回到了项目,此时项目的最后一个步骤,过程也有了。这时有同学要问了,说了这么多,页面到底咋写?别急,现在开始到页面了。页面首先包含了布局和组件。我们先请AI来帮助我们规划需要哪些页面。

1. 页面生成流水线

1)向AI提问,生成页面类型和页面数量

页面类型 数量 说明 开发优先级
认证页面 1 登录/注册/权限管理 P0
情绪触发入口 1 多模态记录启动界面 P0
情绪记录表单 2 Thought Diary/ABC Model双版本 P0
认知重构工作台 1 证据天平+替代思维生成 P1
数据看板 1 情绪趋势/认知模式可视化 P1
设置中心 1 隐私控制/AI干预调节 P2
危机干预页面 1 紧急联系人/自助工具 P0

2)向AI提问生成UI设计。

markdown 复制代码
UI设计方案
1. 首页
● 顶部导航栏:固定在页面顶部,包含小程序名称和用户头像,点击用户头像进入个人中心。
● 轮播图区域:展示CCBT训练课程的特色和优势,吸引用户了解和学习。
● 功能模块入口:清晰展示课程模块、心理测评模块和自助工具模块的入口,方便用户快速选择。

**效率对比**:传统开发需3天,低代码+AI仅需2小时完成原型。  
  1. 将UI设计方案发送给低代码的AI自动生成界面的平台。让它一键生成。 成本展示如下:
2. AI动态赋能

光是有了页面还不行,以心理测评页面为例,还需要AI作为驱动来为实际功能进行"附魔"。我们将用户的设计测试结果发送给AI,通过AI返回的json格式的输出,来为用户生成测评结果。不需要几年的努力学习,就可以轻松帮助用户解读测评结果(特别说明:AI生成的结果不能医用,只能用作心理健康初筛),最后将输出的json解析后,放置到预先生成的页面即可。

测评结果页通过调用AI接口实现动态报告生成

json 复制代码
// 用户提交答案后向AI发送请求  
{  
  "prompt": "根据以下答案生成心理测评报告(JSON格式):[用户数据]",  
  "response_template": {  
    "score": "number",  
    "analysis": "string",  
    "suggestions": ["string"]  
  }  
}  

注意 :需设置内容安全过滤层,避免AI生成非合规医疗建议。


附魔后结果展示:

四、避坑指南:低代码的坑的地方

讲完便利的地方,就要开始讲坑了。首先无代码平台会各种卡脖子,比如分包功能,在无代码平台需要额外收费,其次就是开发都是在线开发,内存占用量大。最后就是组件受到平台的限制,很多好用的特性和包需要额外去适配。

优势清单
  • 零前端知识突围:通过拖拽+AI描述生成复杂布局;
  • 微信生态无缝对接:一键发布+自动处理隐私协议弹窗;
  • 低成本试错:MVP开发周期缩短60%。
暗礁预警
  1. 性能陷阱

    • AI生成的冗余组件导致首屏加载延迟增加300ms;
    • 解决方案:手动合并重复请求,禁用非必要监听器。
  2. 平台锁死风险

    • 分包功能需购买企业版(1999元/月);
    • 自定义组件需适配平台私有协议(如Weda的w-component语法)。
  3. 调试黑洞

    • 可视化逻辑链断裂时,不得不通过console.log埋点调试;
    • 典型案例:某个表单提交事件被AI错误绑定到2个冲突的API。

五、总结:给技术人的真诚建议

  1. AI提问比回答更重要:用结构化问题榨干AI的产品设计能力;
  2. 低代码 ≠ 无代码:低代码生成的页面往往比较简陋,且有些地方数据对不上,需要自己手动调整。真正算下来花费的时间可能比熟练的前端手搓页面要高出不少。且调试也不是很方便。

就先分享这么多,有机会再讲讲音频和视频素材的制作流程,jym有什么想要了解的也可以在下面评论,后面重点讲。正如开头所讲,本人后端,确实不擅长前端和小程序,技术不行的地方轻喷,谢谢!

相关推荐
草梅友仁2 分钟前
Nano Banana Pro AI 图像生成模型与创意实践 | 2025 年第 48 周草梅周报
开源·github·aigc
AntBlack12 分钟前
Z-Image 发布了 ,赶紧体验了一把(配套 Modal执行脚本)
前端·后端·aigc
多恩Stone5 小时前
【ModelScope-1】数据集稀疏检出(Sparse Checkout)来下载指定目录
人工智能·python·算法·aigc
da_vinci_x7 小时前
Firefly + Sampler:不连节点,光速量产游戏 VFX 特效贴图
游戏·aigc·贴图·建模·游戏策划·游戏美术·pbr
云捷配低代码8 小时前
如何利用低代码实现复杂的业务逻辑
低代码
程序员小灰9 小时前
谷歌AI模型Gemini 3.0 Pro,已经杀疯了!
人工智能·aigc·gemini
韩数10 小时前
小白也能看懂! 今年爆火的 MCP 协议究竟是什么?写给普通人的 MCP 指南
后端·aigc·mcp
穷人小水滴1 天前
科幻小说计划 (顾雪) (AIGC)
aigc·午夜话题·科幻
小溪彼岸1 天前
初识Qwen Code CLI
aigc
小溪彼岸1 天前
Gemini CLI可以使用Gemini 3 Pro了
aigc·gemini