AI辅助开发实录:从想法到MVP,我只用了一天一夜-夜雨聆风

AI辅助开发实录:从想法到MVP,我只用了一天一夜

朋友们，晚上好。

我是渔舟小调。

一、一个想法诞生了

那天下班和朋友闲聊天，他提到了现在AI非常火，很多公司和个人在做Token零售业务，我突然冒出一个想法：”能不能做一个Token转发零售的系统？”

具体来说就是：我对接上游Token供应商，然后通过系统进行转发，供应个人使用。用通俗的话来讲就是“二道贩子”。

这个想法让我兴奋不已。但朋友说：“你先研究研究，懂了之后再细聊”。

我说：“今晚上我研究研究，明天就搞出来！”

朋友不太相信：”你先研究了再说！”

做过的朋友都知道，一个完整的系统需要：

前端（用户界面）
后端（API服务）
数据库（数据存储）
转发引擎（核心业务逻辑）
后台管理（运营工具）

按传统开发方式，这至少是一个3-5人的团队干一个月的活。

但现在AI发展迅速，只需要我自己和一台电脑，两个工具WorkBuddy+Trae。

二、WorkBuddy辅助开发的工作流

我决定试试用WorkBuddy开发。不是那种”写一篇文章”的浅层使用，而是真正把AI融入到开发的每一个环节。

以下是我的一天一夜实录。

时间节点：第一天 20:00

目标： 梳理需求，设计架构

AI辅助方式： – 用自然语言描述我的想法 – 让AI帮我整理成结构化需求文档 – 让AI给出技术选型建议

实际效果： 原本我以为自己已经想得很清楚了，但AI一问，我发现好多细节都没考虑到：

Token的有效期是多久？
转发失败怎么办？要不要重试？
如何防止用户刷单？
数据分析需要哪些维度？
技术架构以及选型？

这些问题，如果等开发到一半才发现，那就悲剧了。

AI帮我列出了完整的需求清单，包括功能需求、非功能需求、边界条件。

耗时： 2小时（如果人工梳理，估计要半天）

时间节点：第一天 22:00

目标： 设计数据库结构

AI辅助方式： – 描述业务实体和它们之间的关系 – 让AI生成SQL建表语句 – 让AI检查是否有遗漏的字段或索引

实际效果： AI给出了完整的数据库设计，包括：

用户表（user）
Token表（token）
订单表（order）
密钥下发表（task）
渠道配置表（channel）
日志表（log）

而且，它还主动提醒我：

· “建议给order表加上index(user_id, created_at)，方便查询某用户的历史订单”
· “token表建议加上expire_time字段，支持Token过期机制”
· “log表数据量大，建议按月份分表”

这些细节，如果我自己在那憋，可能要踩好几个坑才能想到。

耗时： 1小时

时间节点：第一天 23:30

目标： 搭建项目框架，开始编码

AI辅助方式：AI-Token-Gateway-开发文档v3.0.md以这个文档为需求功能模板，在ai-token-gateway下完成所有的开发工作，包括但不限于项目搭建、功能开发、功能逻辑的全面实现、功能的单元测试、全部功能的完整性验证、可本地运行调试、部署手册生成等等

实际效果： 凌晨两点的时候，我已经完成了：

层级	文件数	说明
适配器层	4	IAdapter基类 + OpenAI兼容 + Anthropic + 工厂
中间件层	3	Key认证(Redis缓存+穿透防护) + 限流 + JWT
服务层	8	计费(Lua原子扣费)、路由、用量、Provider、客户、Dashboard、报表、配置
控制器层	3	网关核心(含流式) + 客户自服务 + 管理后台
数据层	2	MySQL连接池 + Redis连接
工具层	6	Key生成、AES-256-GCM加密、缓存Key、Tokenizer、滥用检测、错误定义
定时任务	1	Provider健康检查 + 熔断恢复

AI生成代码的速度非常快，但也存在一些”想当然”的问题。

启示： AI是助手，不是主导。你得有自己的判断力。

耗时： 约5小时（含调试）

时间节点：第二天 10:00

目标： 系统集成测试

AI辅助方式： – 让AI生成测试用例 – 让AI模拟各种边界情况 – 我负责执行测试并记录bug；使用Trae导入项目解决棘手的BUG和技术问题。

实际效果： 测试是最枯燥的环节，但也是最重要的。

AI帮我生成了完整的测试用例，包括：

· 正常流程测试（注册→购买→创建任务→转发→查看数据）
· 异常流程测试（支付失败、转发失败、网络超时）
· 并发测试（多个用户同时购买Token）
· 安全测试（SQL注入、XSS攻击）

我按照这些用例一个个测试，发现了十几个bug，然后让AI帮我修复。

耗时： 约7小时

时间节点：第二天 13:00

目标： 部署上线

AI辅助方式： – 让AI生成Dockerfile – 让AI编写部署脚本 – 我负责在服务器上执行

实际效果： 下午一点，系统成功部署到云服务器上，可以通过公网访问了。

从想法到MVP，历时约30小时。

三、数据与反思

项目统计： – 总代码量：约8000行 – AI辅助生成比例：约80% – 开发总时长：约30小时 – Bug数量：十几个（均在测试阶段发现并修复） – 功能完成度：MVP核心功能100%完成

我的反思：

1. AI不是万能的，但没有AI是万万不能的 – 它能帮你搞定80%的重复性工作 – 但剩下的20%（架构设计、关键决策、质量把关），还是得靠人

2. AI放大了个人能力，但也放大了个人短板 – 如果你本身技术功底扎实，AI能让你如虎添翼 – 但如果你本身就一知半解，AI生成的代码你都看不懂，那就危险了

3. 最重要的是”想法”和”执行力” – AI只是工具，真正的价值在于你的想法是否靠谱 – 以及，你是否能真正把想法落地

四、写在最后

一天一夜的开发，让我深刻体会到：在这个时代，一个人的能力边界已经被AI彻底打开了。

以前，一个人做一个系统，是痴人说梦。

现在，一个人+AI，做一个MVP，是完全可行的。

这不是”偷懒”，而是把时间用在更有价值的事情上。

如果你也有想法，别犹豫，试试用AI辅助开发吧。

你可能会发现，原来自己比想象中更强大。

我是渔舟小调

一个还在读书写作的全栈程序员。