AI编程实战:谁说AI改代码乱套?SOLO 20分钟补全图片上传功能

前言

前段时间,我陆续分享了"AI 写作助手实战系列"的几篇文章。上周刚完成 AI 助手模块的开发,本打算自测后部署使用,却发现一个关键功能还没实现------图片上传。

今天,我们就来补上缺失的这块。同时,也想借这次分享,和大家一起验证下:"AI 只能生成新项目,一碰老代码就乱套"。这到底是真相,还是误解?

该系列以往几次分享链接我也放在下面了,感兴趣的可以回顾一下。

AI编程实战:Cursor突然收费封禁?用Trae开发一个写作助手(前端篇) - 掘金

AI编程实战:使用Trae从零开始实现写作助手的后端开发及前后端联调 - 掘金

AI编程实战:写作助手进化,Trae+Kimi-K2两小时搞定"带样式复制" - 掘金

AI编程实战:写作助手再进化,AI 能力前后端一锅出 - 掘金

项目介绍

这个项目开始的初衷一个是因为市面上的工具和我想要的有些差距,另一个就是 AI 对开发的提升真的很大,写一个小工具花不了多久。

何不搭建一个自己用起来舒服的工具呢?

目前已经实现了:

  • 文章的增删改查
  • 文章带格式复制(微信、知乎)
  • 自定义格式
  • AI 助手(对话、快捷操作)

给第一次了解这个实战系列的同学简单补充下。

项目包括前后端两个工程:

  • 前端 chengzhang-vue,基于 Vue+ElementUI 构建。
  • 后端 chengzhang-rest,基于 Spring Boot + Hibernate + MySQL。

今天主要实现上传功能,会包括前后端一起开发。

实战记录

下面开始实战,整个过程都是基于 TRAE SOLO + Claude-4 完成的。

分析设计

指令

复制代码
请帮我添加一个新的功能:
主页编辑器内的上传图片实现上传,存储位置设置为服务器路径,同时实现编辑器内粘贴图片进行上传。
先进行分析设计,等待确认后再进行代码生成。

可以看到,我的指令并不是特别复杂,也没有过多地指定项目细节。

SOLO 模式的一大优势是:接收到我们的指令后,它不会一上来就写代码,而是先进行需求分析和架构设计。这种"想清楚再动手"的方式,能有效避免 AI 花十几分钟生成一堆偏离需求的代码,造成时间浪费。

但这里我碰到一个问题,SOLO 模式的分析设计过程,好像并不是硬性规定,有时候 SOLO 可能觉得内容太过简单,直接就开始生成代码了。

这并不符合我的预期。因此,大家可以像我一样,在指令中强调"先进行分析设计,等待确认后再进行代码生成"。

这样,SOLO 就非常听话的先进行了分析设计。

之前分享提到过好几次,Trae 的特点就是"老实、听话",如果有些内容比较重要,那我们最好显式强调一下,这点确实不如 Cursor 那么聪明。

过程

从下面的生成过程我们可以看到,SOLO 会先扫描工程中现有的代码,并作为要求约束后续的生成。

然后就是生成了相关文档:

  • 需求文档
  • 技术架构文档:普通模块一般都是前后端对接的接口约定
  • 实现方案:普通模块直接会在这里出现代码,感觉 SOLO 模式针对小修改有点浪费

结果

分析设计的结果,3个文档:

初版生成

文档可以修改,全部确认后,点击"确认,开始开发"或者直接手动选择文档,发送指令。

指令

xml 复制代码
<需求文档><技术架构文档><实现方案>
确认,开始开发!

过程

熟悉的 todo-list,还算比较清晰:

  • 前端
  • 后端
  • 对接部分
  • 测试

然后就是一个任务一个任务解决,最后运行,运行如果有问题,SOLO 会自行修改。

这是我认为 SOLO 的第二点优势:不管多复杂的任务,都无需人工反复确认"继续",这样,我们就可以在复杂任务执行的同时,摸摸鱼,喝喝茶,等它完成后再来验收成果~

当然也有一定概率,搞不定,SOLO 自行放弃了。

该说不说,我今天就碰到了。

错误修复

初版生成代码没有语法编译错误,但是,复制粘贴功能有问题,发现数据库 SQL 和代码有不对应的。

指令

xml 复制代码
<截图>
修复

过程

常规修复。

结果

如下图就是粘贴图片后实现上传的效果,markdown 中显示上传后的图片 URL。

下面是上传文件的位置。

结语

回到开头的问题:

"AI 只能生成新项目,一碰老代码就乱套"。

我们得承认有这种情况的存在,但更多时候,尤其是针对模块级别的修改,现阶段的 AI 还是很能打的,甚至针对一些我们不是了如指掌的项目,AI 改起来可能比我们还要全面。

如果确实碰到了上面的问题,可以考虑一下:

  • 任务是否过于复杂,能否拆分一下
  • 指令是否足够明确,能否通过限定上下文,减少 AI 幻觉的可能
  • 或者直接在指令中指定文件、指定思路,让 AI 不要 360 度发散

毕竟,我们不是为了反对 AI,我们只是为了更好地使用 AI 完成我们自己的目标。

好了,今天的分享就到这里了。

这次"成章"的基本功能应该算是齐全了,接下来我打算部署到个人服务器,真实使用一段时间。后续再把真实的体验和持续的改进分享给大家。

如果大家在 AI 写作助手或者 AI 改老代码方面有什么想法和问题,欢迎留言交流~

相关推荐
User_芊芊君子几秒前
CANN大模型推理加速引擎ascend-transformer-boost深度解析:毫秒级响应的Transformer优化方案
人工智能·深度学习·transformer
智驱力人工智能38 分钟前
小区高空抛物AI实时预警方案 筑牢社区头顶安全的实践 高空抛物检测 高空抛物监控安装教程 高空抛物误报率优化方案 高空抛物监控案例分享
人工智能·深度学习·opencv·算法·安全·yolo·边缘计算
qq_1601448742 分钟前
亲测!2026年零基础学AI的入门干货,新手照做就能上手
人工智能
Howie Zphile42 分钟前
全面预算管理难以落地的核心真相:“完美模型幻觉”的认知误区
人工智能·全面预算
人工不智能5771 小时前
拆解 BERT:Output 中的 Hidden States 到底藏了什么秘密?
人工智能·深度学习·bert
盟接之桥1 小时前
盟接之桥说制造:引流品 × 利润品,全球电商平台高效产品组合策略(供讨论)
大数据·linux·服务器·网络·人工智能·制造
kfyty7251 小时前
集成 spring-ai 2.x 实践中遇到的一些问题及解决方案
java·人工智能·spring-ai
h64648564h1 小时前
CANN 性能剖析与调优全指南:从 Profiling 到 Kernel 级优化
人工智能·深度学习
数据与后端架构提升之路1 小时前
论系统安全架构设计及其应用(基于AI大模型项目)
人工智能·安全·系统安全
忆~遂愿1 小时前
ops-cv 算子库深度解析:面向视觉任务的硬件优化与数据布局(NCHW/NHWC)策略
java·大数据·linux·人工智能