一个人 + WPS灵犀,我做出了一款纯离线抠图软件

1

第一步：先做对决策，再写代码

先聊清楚了三件事——这也是我后来总结的AI协作第一原则：

第一，模型选什么？灵犀列了一串候选，我最终拍板用 MIT 许可的 BiRefNet——开源协议宽松，商用也放心，效果在开源模型里属第一梯队。既然担心隐私，就不能再用藏着license雷的模型，这是我给这个项目定的底线。

第二，效果怎么再上一档？单模型抠图在发丝边缘总有毛边。灵犀建议加两级流水线：BiRefNet先粗抠，再用ViTMatte-small只对边缘不确定带做精修。实测下来，这个“先粗后细”的组合让卷发边缘干净得几乎挑不出毛病。

第三，怎么跑得快？用 onnxruntime-directml，有独显走 GPU，单张 1.36 秒；没有独显自动回退 CPU，慢一点但人人能用。

这三个决定，没有一个涉及写代码，但每一个都决定了软件的成色。AI 时代做软件，人的价值恰恰在这些“拍板”的瞬间。

第二步：把想法变成能安装的软件

技术路线定了，接下来就是让灵犀把它“盖”出来：

• 引擎：两级流水线封装成本地推理引擎，模型随软件一起分发，全程不联网；

• 界面：PySide6 写的原生界面，支持拖拽、添加多张图片（最多一次可以添加100张，后台线程跑，界面不卡）、Ctrl+V 直接粘贴剪贴板里的图；

• 体验：棋盘格透明背景预览、原图/结果双栏对比、按住查看原图、深浅两套主题；

• 交付：PyInstaller 打包，Inno Setup 做安装器——免管理员权限、带卸载器、桌面快捷方式，和软件商店下载的软件没有任何区别。

1.0.0 那天，安装包安安静静躺在桌面上。350MB，双击，下一步，装好了。

说实话，那个瞬间比“让 AI 帮我写篇文章”的成就感强一百倍：我拥有了完全属于自己的软件，它不联网、不传图、不订阅，就住在我电脑里。

第三步：真正的功夫在后面9个版本

如果你以为AI编程就是“一句话生成软件”，那一定会失望。1.0.0 只是能用的起点，从能用到好用，我迭代了整整9个版本。

举几个让我印象最深的坑：

对勾图标“死活不出来”。 深色主题下，勾选框的对勾怎么都不显示。我盯着界面研究了半天，最后让灵犀去查 QSS 的加载逻辑才发现：样式表是模块加载时一次性格式化的，我的图标变量定义在格式化语句之后——注入进去的是空字符串。就差几行代码的顺序，功能整个失效。

勾了精修却“看不出差别”。用户视角是“这功能是不是假的”，真相是精修开关只在添加图片那一刻读取，之后切换勾选，处理完的图根本不会重跑。修复后我还真做了数值验证——精修前后约 1% 的边缘像素发生改变，最大差值 187。功能是真的，只是之前没触发。

预览“坏了”。列表第一张图的预览怎么都不刷新，根因是 Qt 的一个边角行为：首行自动选中时不发信号。修法笨但有效：数据变更后显式刷新。

每个版本交付前，灵犀都会写一份自动化回归脚本，把改动功能逐项在真实窗口里验证一遍。1.0.2 换 macOS 风格、1.0.6 改版 Windows 11 风格、1.0.7 重构成编辑器式布局、1.0.8 双栏预览、1.0.9 让精修实时生效——软件不是一次建成的，是一个版本一个版本“长”出来的，长一寸，验一寸。

写在最后：你缺的不是技术

回头看，我在这个项目里做的事其实只有三件：

提出需求、做出关键决策、验收结果。

模型选型的候选是灵犀列的，但“只用开源可商用”是我拍的板；代码是它写的，但“批量处理时界面不能卡”是我提的。整个过程，我没读懂过一行 ONNX 源码。但我理解了抠图的技术结构、许可证的风险、桌面软件的交付形态。

AI 补上了我的技术短板，

而我补上了 AI 替代不了的部分：

判断和品味。

以前，一个想法和一款软件之间，隔着一个开发团队。现在，它们之间可能只隔着一次对话。如果你也有一个“实用工具”点子——别再只是想想了，从写下第一句需求开始，和WPS灵犀一起聊出你人生中第一个属于自己的软件吧。