我用 AI 写了一个个人信息管理助手,随时随地查账号密码

前言

你是否也有这样的困扰：

• 身份证号太多，总是记不住
• 各种平台账号密码，记在备忘录里不安全
• 用密码管理器，又觉得太重、不够便捷

我一直想做一个工具：打开手机就能查，数据加密存储，操作简单直观。

最近，我用 AI 辅助，开发了一个飞书个人信息管理助手。在飞书里发条消息，就能查询和管理身份证、账号密码等敏感信息。

今天，把这个过程分享给你。

一、项目背景

为什么选择飞书？

飞书是我们日常工作的沟通工具，打开频率高，操作习惯。如果能通过聊天的方式管理个人信息，既方便又自然。

核心需求

1. 加密存储
   
   ：身份证号、密码等敏感信息必须加密
2. 便捷查询
   
   ：在飞书聊天界面直接操作，无需打开其他 App
3. 功能完整
   
   ：支持身份证、账号的增删改查
4. 安全可靠
   
   ：数据存储在本地，密钥自己掌握

二、技术方案

整体架构

用户 → 飞书 App → 飞书机器人 → 后端服务 → 加密数据存储

关键点：

• 飞书机器人在飞书开放平台创建和配置
• 后端服务接收机器人转发的消息，处理后返回结果
• 敏感数据使用 Fernet 对称加密，密钥本地存储

技术栈

• 后端框架
  
  ：Flask（轻量级，适合快速开发）
• 加密库
  
  ：cryptography（Python 标准加密库）
• 数据存储
  
  ：本地 JSON 文件（简单可靠）
• API 对接
  
  ：飞书开放平台 API

部署方式

当前版本部署在云服务器上：

• Python 程序运行在云服务器，提供公网访问地址
• 飞书开放平台配置事件订阅地址指向云服务器
• 数据文件存储在云服务器本地

后续计划：实现本地部署 + 内网穿透版本，数据完全存储在本地，无需云服务器，进一步降低成本和提升安全性。

三、开发过程

第一步：在飞书开放平台创建机器人

这一步不需要写代码，在飞书开放平台完成：

1. 创建自建应用，获取 App ID 和 App Secret
2. 开启机器人能力，配置消息接收权限
3. 设置事件订阅，让飞书把用户消息转发到你的服务器

第二步：用 AI 生成后端服务代码

我向 AI 描述了需求：

开发一个飞书机器人后端服务，功能包括：

1. 接收飞书机器人转发的用户消息
2. 解析命令（保存身份证、查账号等）
3. 加密存储敏感信息到本地 JSON 文件
4. 返回处理结果给飞书机器人

技术要求：Python + Flask + cryptography

AI 生成了完整的代码，包括：

# 核心模块
- CryptoManager：加密管理器（Fernet 对称加密）
- DataManager：数据管理器（JSON 文件读写）
- CommandParser：命令解析器（解析用户输入）
- FeishuClient：飞书 API 客户端（发送回复消息）
- MessageHandler：消息处理器（处理业务逻辑）

第三步：迭代优化

初始版本完成后，我又提出了优化需求：

• 添加日志记录，方便排查问题
• 增加错误处理，提升用户体验
• 添加帮助系统，降低使用门槛

AI 每次都能快速响应，整个过程就像和一个经验丰富的程序员结对编程。

四、效果展示

功能演示

查询账号

在飞书中发送命令，机器人即时返回结果：

示例命令：

查账号 微信

✅ 查询结果平台: 微信用户名: zhangsan密码: Abc123456电话: 138****8000邮箱: zhang***@example.com备注: 工作号更新时间: 2024-01-15

保存身份证 张三 110101199001011234 北京户口

✅ 已保存 张三 的身份证信息

查看帮助

发送”帮助”，机器人返回完整的功能列表：

功能列表：

飞书个人信息管理助手【身份证管理】• 保存身份证：保存身份证 姓名 身份证号 [备注]• 查询身份证：查身份证 姓名• 删除身份证：删除身份证 姓名【账号管理】• 保存账号：保存账号 平台 用户名 密码 [电话] [邮箱] [备注]• 查询账号：查账号 平台 [用户名]• 更新账号：更新账号 平台 用户名 password=新密码• 删除账号：删除账号 平台 用户名

五、代码亮点

AI 生成的代码质量超出预期，几个设计值得分享：

1. 加密机制

class CryptoManager:    """加密管理器，负责敏感信息的加密和解密"""    def encrypt(self, plaintext: str) -> str:        if not plaintext:            return ""        return self.cipher.encrypt(plaintext.encode('utf-8')).decode('utf-8')    def decrypt(self, ciphertext: str) -> str:        if not ciphertext:            return ""        try:            return self.cipher.decrypt(ciphertext.encode('utf-8')).decode('utf-8')        except Exception as e:            logger.error(f"解密失败：{e}")            return "[解密失败]"

所有敏感字段（身份证号、密码、电话、邮箱）都加密存储，查询时自动解密。

2. 命令解析

class CommandParser:    """命令解析器，解析用户输入的命令"""    @staticmethod    def parse(message: str) -> Dict[str, Any]:        # 支持自然语言命令        if message.startswith('保存身份证'):            parts = message.split(maxsplit=3)            return {                'command': 'add_person',                'name': parts[1],                'id_card': parts[2],                'remark': parts[3] if len(parts) > 3 else ''            }        # ... 其他命令

用户不需要记忆复杂语法，用自然语言就能操作。

3. 模块化设计

代码分为五个独立模块，职责清晰：

• 加密、数据存储、命令解析、API 调用、业务处理各司其职
• 方便后续扩展新功能
• 代码可读性强，易于维护

六、AI 编程的几点体会

1. 需求描述要具体

❌ 模糊描述：

帮我写个飞书机器人

✅ 具体描述：

开发一个飞书机器人后端服务，用于管理个人信息。功能包括加密存储身份证和账号密码，支持增删改查，使用 Python + Flask + cryptography 技术栈。

2. 分步骤迭代

不要期望一次生成完美代码。我的做法是：

• 先生成核心功能（加密存储、命令解析）
• 再添加辅助功能（日志、错误处理、帮助系统）
• 最后优化细节（代码注释、异常处理）

3. 审核代码是必须的

AI 生成的代码不是 100% 正确。你需要：

• 理解每一行代码的作用
• 检查是否有安全漏洞
• 测试边界情况

比如，AI 生成的初始版本没有对解密失败做处理，我补充了异常捕获。

4. 效率提升明显

传统开发流程：需求分析 → 技术选型 → 架构设计 → 编码 → 测试 → 调试，预计需要 3-5 天。

AI 辅助开发：需求描述 → AI 生成代码 → 审核调整 → 测试，实际用时 2-3 小时。

七、安全说明

这个项目涉及敏感信息，安全是首要考虑：

1. 加密存储
   
   ：使用 Fernet 对称加密，密钥本地生成
2. 密钥保管
   
   ：encryption.key 文件必须妥善保管，丢失后无法恢复数据
3. 数据隔离
   
   ：当前版本设计为单人使用，多人使用需要增加用户认证
4. 部署建议
   
   ：部署在私人服务器或可信云环境

八、项目特点

• 加密存储敏感信息（身份证号、密码、电话、邮箱）
• 支持身份证、账号的增删改查
• 自然语言命令，操作简单
• 完整的帮助系统
• 日志记录，方便排查问题
• 错误处理完善，用户体验友好

结语

这个项目让我深刻体会到 AI 编程的价值：

它不是替代程序员，而是让程序员更高效。

以前需要花几天研究 API、写代码、调试，现在只需要描述清楚需求，AI 就能生成 80% 的代码。剩下的 20%，是审核、优化、测试——这些恰恰是需要经验和判断力的部分。

如果你也想尝试 AI 编程，建议从小项目开始：

• 一个命令行工具
• 一个简单的 Web 服务
• 一个数据处理脚本

你会发现，编程的门槛正在降低，而创造的乐趣从未改变。

互动话题

你用过 AI 辅助编程吗？有没有遇到什么有趣的项目？欢迎在评论区分享你的经验。

关注我，获取更多 AI 编程实战案例。

本文案例代码由 AI 生成，经人工审核优化后发布。