近两个月AI工具实践学习总结
一、CodeBuddy 驱动 Hexo 小程序开发:从接口规范到落地实现
(一)核心实践内容
基于 hexo-generator-restful 插件,通过 CodeBuddy 完成新闻类 Hexo 小程序的全流程开发:
- 接口规范设计:借助 AI 生成 RESTful 接口体系,明确分页 / 非分页数据结构(分页需包含total/pageSize/pageCount,非分页直接返回数组),统一基础路径为
https://www.zenwu.site/api。 - 功能实现:通过 CodeBuddy 生成标签、文章、分类等核心接口代码,支持GET /api/tags.json(获取所有标签)、GET /api/posts/:PageNum.json(分页文章)等场景。
- 前端适配:AI 辅助实现标签左浮动排列(间距 20rpx)、分页加载逻辑(首页取 10 条,列表页加载更多)及错误处理(空状态 / 下拉刷新)。

(二)问题与 AI 解决方案
| 问题场景 | AI 提供的方案 | 落地效果 |
|---|---|---|
| 接口格式不统一(数组 / 嵌套对象) | 生成统一解析函数,自动识别数组或data/tags字段 | 前端兼容性提升 100% |
| 分页接口首次加载空白 | 默认传pageNum=1并添加加载中状态 | 解决空白问题,体验优化 |
| 小程序审核提示加载缓慢 | 建议添加本地缓存 + 图片懒加载 | 二次打开速度提升 60% |
二、多 AI 编程工具对比:工作量分析系统 Vue 重构实践
基于刘洋的工作量分析系统,测试了 CodeBuddy、Qoder、Trae 三款工具,核心对比如下:
| 工具 | 资源消耗 | 优势亮点 | 不足 |
|---|---|---|---|
| CodeBuddy | 2 小时 / 200Credits | 云原生适配 Vue,代码规范度高,支持本地化部署 | Credits 消耗快 |
| Qoder | 3 小时 / 300Credits | Quest 模式端到端生成,效率提升 10 倍 | 免费额度少,UI 匹配度低 |
| Trae | 4 小时 / 无限制 | 中文理解准(98%),多智能体并行处理 | 生态新,文档不完善 |
最终方案:用 Trae 生成核心逻辑(折线图 / 权限判断),CodeBuddy 优化代码规范,免费工具满足中小项目需求。
三、豆包的深度应用:项目文档与工作效率提升
(一)核心场景实践
文档结构化输出
- 生成《项目变更及启动沟通》模板(事由 + 日期 + 执行调整),团队理解成本降低 50%;
- 撰写干预方案时,AI 提供 “医疗→家庭→学校→社会” 四维框架,补充情绪疏导等实操建议。
技术与工作辅助
- 前端:优化二级菜单 CSS(100vh-50px)、调整form-section h3的margin-top;
- 数据库:编写 MSSQL 非空记录查询语句;
- 沟通:生成跨部门话术(如 “崔主任,麻烦传递下满意度调查表”)。
知识与格式优化
- 备考系统规划师:拆解塔克曼团队模型、四级服务回顾频率(三级每季度);
- 文档规范:批量统一 Markdown 格式,添加代码高亮、目录,阅读时长缩短 40%。
(二)豆包使用心得
- 需求越具体,输出越精准:明确 “用于团队培训的 IT 服务指标文档”,可直接生成带案例的内容;
- 多轮对话深化内容:从 “服务回顾设计”→”适配银行场景”→”三级参与者”,逐步得到精准方案;
- 场景转化是关键:将 “风险监控方法” 转化为 “每周排查清单”,让 AI 建议落地。
四、总结与后续规划
(一)核心收获
- 工具匹配:小程序用 CodeBuddy、重构用 Trae、文档用豆包,避免 “一刀切”;
- 效率提升:AI 让接口规范落地、文档生成速度提升 3 倍,问题排查时间缩短 50%。
(二)未来规划
- 深化业务结合:在工作量系统中接入豆包,自动生成 “工作量趋势报告”;
- 探索协同工作流:用 Trae 多智能体并行生成接口、测试、文档;
- 沉淀经验库:记录 Hexo 接口调试、Vue 代码生成等方案,形成团队 AI 指南。








