10个晚上,全程 AI,我做出了一个微信小程序

利用10个晚上的业余时间,我用 AI 从零开始做了一款完整的微信小程序,一个集记事与待办于一体的效率工具。整个项目涵盖:

  • 产品定义、版本规划、功能拆解到 UI 设计
  • 前端开发、后端开发、功能测试到发布迭代

整个过程中,我全程0 Code,0图标设计。所有代码由 AI 编写,所有图标和素材由 AI 生成。

我更像产品经理和架构师------决定做什么、判断好不好、提出调整意见。

此外,这期间,还完成了小程序的申请、备案、微信审核,以及每天近乎一个版本的发布。

可以说,我就是个懂产品,懂技术的老板,AI 就是员工,我"指指点点",它卖力干活。

效果

下面直接看效果:

部分代码提交记录:

欢迎试用体验:
「简单记・NoteX」------ 简单记录,自在生活。

当前主体功能完整可用,后续版本会持续迭代。

协作流程回顾

项目起始,我定义了一套与 AI 协作的完整流程,每个版本都严格走这套流程:

  1. 讨论需求 --- 与 AI 讨论功能范围,明确做什么、不做什么
  2. AI 输出 PRD --- AI 将讨论结果整理为正式 PRD,包含页面结构、交互流程、样式规范
  3. 人 Review PRD --- 对 PRD 进行 review,发现问题让 AI 修改
  4. AI 输出 HTML 原型 --- 依据 PRD 先直接生成 HTML 原型,这样在浏览器可以直接查看效果,提前发现交互和视觉问题。
  5. AI 实现功能 + 人 Review --- AI 根据 PRD 和原型完成开发,并进行 Code review。我负责审查并提出细节优化建议,多轮完善后,确保功能和体验达到预期。
  6. 测试验收 --- AI 生成专门测试页面,一键批量创建/清除数据,提升验收效率
  7. 发布上线 --- AI 准备好发布 CheckList 清单,我核验通过后,操作发布流程
  8. 版本迭代 --- AI 根据最新实现,生成修正后的版本 PRD 和 HTML 原型,新版本迭代时,保持对老版本功能不受影响

这套流程确保每个阶段都有明确产物,提高了 AI 交付效率。

对 AI 的思考AI

已经不再只是"写代码的工具",而是一个真正参与创作的协作者,一个任劳任怨的实干家。

1. 抽象想法快速"凝实" AI能把脑中模糊的想法快速变为可运行的页面。

例如"自测数据生成"页面,例如"我的"页面,我只描述用途和逻辑,它就能生成结构清晰、可直接使用的页面,且效果很棒。

这种快速成型的能力,让模糊想法几分钟内就变为可操作的原型,然后在这上面,基于我的想法,可以快速改良。

2. 不只是执行,而是参与思考

AI 能够理解意图,参与思考,而非单纯执行指令。

当我说:"页面要保持极简但更有质感"时,它自动调整了布局、留白、层级对比和按钮触达感,而不是机械改样式。

AI 的理解能力让它在设计和产品判断层面,开始承担创造性工作,并在产品决策上,也会给出建议,例如最初的产品架构讨论,为什么记事要与待办分开,底层的逻辑是怎么样的,它会分析清楚,给我建议。

3. 结构化流程,让 AI 发挥最大能力

清晰流程,让 AI 按意图输出高质量、可迭代的结果。

有条理的流程是保证 AI 产出质量的关键:需求讨论 → PRD → 原型 → 实现 → Review→ 版本迭代。

特别是 HTML 原型环节,在浏览器中提前看到页面效果,可以及时感知效果是否是我想要的,对于发现的交互和视觉问题,也能避免后期返工。

4. AI 不是万能,但已经够强

按照摩尔定律,AI 会越来越快、越来越强,会越来越可靠。

当前 AI 给出的方案并非每次都很完美,有些问题需要多轮调整。但相比过去只能自己靠经验或网上查询,现在AI 能随时分析、排查、提供方案,效率提升非常显著。

5. 人的价值在于判断AI

解放了执行力,但定义问题、做取舍、判断好坏仍然属于人。

在整个项目中,关键的决策需要人为进行:

  • 产品架构
  • 功能取舍
  • 交互合理性
  • 视觉效果
  • 数据流转的合理性

6. 技术栈壁垒正在被打破

不同技术栈之间的学习成本被大幅压缩,你只需理解问题本身,而不必精通每个领域。

过去,一个完整产品需要跨越前端、后端、数据库、运维等多个领域,每一项都是门槛。现在AI通通都会,各端技术栈门槛,一定程度上被抹平。

7. 创造门槛重新定义

AI 解放执行工作,且创造权力正在重新分配。

以前做完整产品,你要成为多面手:产品、设计、开发、测试、运维、运营。

现在执行型和设计型技术壁垒快速下降。自己就可以是多面手,真正重要的是:

  • 是否清楚自己要做什么
  • 产品架构和逻辑链路是否合理
  • 结果是否符合自己预期

AI 不断拓展执行力与创造力的边界,人的价值则从"能做"转向"能判断"。
当技术壁垒和创造力门槛被打破,未来机会会不断向那些有想法、会识别、能决策的人倾斜。

相关推荐
乌恩大侠2 小时前
从 5G 通信到厘米级感知:基于 NVIDIA Aerial、SRS 与 UL-TDOA 构建 6G 无线定位实验平台
人工智能·5g·电信大模型
云和数据.ChenGuang9 小时前
Python 重写(Override)深度解析:从 MRO 到 super() 的完整机制
java·开发语言·人工智能·python·langchain·1024程序员节
西西木科技丨Shopify开发机构9 小时前
CalDigit TS4案例:AI产品图的Shopify整站接入与验收
人工智能·shopify·独立站
2601_9654488710 小时前
AI视频制作:做系列节气民俗视频音色不统一,AI 音色克隆省事的方法
人工智能·机器学习·音视频
美狐美颜SDK开放平台10 小时前
视频美颜SDK试用DEMO阶段应该测试什么?直播APP接入实操指南
开发语言·人工智能·深度学习·音视频·美颜sdk·直播美颜sdk·第三方美颜sdk
HRaitest10 小时前
秋招技术岗招聘提效:三类 AI 招聘方案的技术底层与选型逻辑
大数据·人工智能·求职招聘·ai-native
天远数科10 小时前
零信任架构实战:基于天远企业股权变更构建自动化商业银行对公授信存续期股权异动与资产抽逃预警网关
运维·人工智能·架构·自动化
车软学堂10 小时前
从测试转开发,到底要补什么
网络·人工智能·python·功能测试·单片机·车载系统·自动化
海盗123411 小时前
AI 新闻日报 10-28:Atria Dawn 完整版开源、Cursor Agent SDK 转正、Genie 4 实时世界模型
人工智能·机器人·开源·人工智能aigc
志尊宝11 小时前
AI原生前端开发(035):AI时代的工程化最佳实践总结
人工智能·ai-native