夜雨聆风一、项目背景
作为售后经理，日常工作中客户信息分散、服务记录难以追踪、合同到期无人提醒等问题一直困扰着团队。传统的 Excel 表格管理方式已经跟不上业务增长的节奏，于是决定开发一套专门的售后客户管理系统（CRM），将客户管理、服务跟踪、合同管理等核心业务数字化。
但摆在我面前的现实是——我不是专职开发人员，团队也没有额外的开发资源。如何在有限的技术能力下，快速交付一套可用的系统？WorkBuddy 成为了解决这个问题的关键。
二、技术选型：从需求出发
2.1 为什么选择这套技术栈
系统需要满足几个核心要求：
- 开发门槛低
：我是售后经理，不是程序员，需要选择上手快的技术 - 维护成本低
：系统上线后需要长期维护，不能依赖复杂的技术栈 - 部署简单
：需要部署到公司服务器，最好能一键部署 - 成本低
：项目预算有限，优先使用开源方案
最终确定的技术栈：
2.2 系统架构
┌─────────────────────────────────────┐ │ 前端展示层 (Bootstrap 5) │ ├─────────────────────────────────────┤ │ 业务逻辑层 (Flask + Jinja2) │ ├─────────────────────────────────────┤ │ 数据访问层 (SQLAlchemy ORM) │ ├─────────────────────────────────────┤ │ 数据存储层 (PostgreSQL 16) │ └─────────────────────────────────────┘三、WorkBuddy：我的"AI 开发搭档"
整个开发过程中，WorkBuddy 不仅仅是一个聊天工具，更像是我的技术搭档。它帮我跨越了从"需求想法"到"代码实现"之间的鸿沟。
3.1 需求沟通：像跟同事讨论一样自然
开发的第一步，我不需要写 formal 的需求文档，而是直接用自然语言跟 WorkBuddy 描述我的需求：
"帮我做一个售后客户管理系统，需要客户管理、服务记录、合同管理功能，支持文件上传"
WorkBuddy 会主动帮我梳理功能清单，设计数据库表结构，甚至提醒我遗漏的场景。比如我最初没想到"合同到期提醒"这个功能，是 WorkBuddy 在讨论中提出来的：
"合同到期前30天自动提醒，这样可以避免合同遗漏续签"
这种对话式的需求分析方式，比我一个人对着屏幕苦思冥想高效得多。
3.2 代码生成：从零到可运行只需几轮对话
确定了需求后，WorkBuddy 直接生成了完整的代码：
后端代码（app.py）：Flask 应用初始化和配置、SQLAlchemy 数据库模型定义、用户认证（登录/注册/权限控制）、各功能模块的路由和视图函数、文件上传处理。
前端页面（HTML 模板）：登录/注册页面、Dashboard 数据看板、客户管理（列表+详情+增删改）、服务记录管理、合同管理（含附件上传）、用户管理。
数据库脚本：建表语句、初始数据（管理员账号）。
整个过程，我只负责"描述需求"和"确认结果"，代码生成由 WorkBuddy 完成。对于我这样的非专业开发者来说，这种工作模式极大降低了开发门槛。
✅ 核心体会：AI 不会取代你，但会用 AI 的人会取代你。关键是把 AI 用在刀刃上——重复性编码交给 AI，业务理解和产品判断由自己主导。
3.3 部署上云：一步步引导完成
代码写完后，最让我头疼的是部署。我对 Linux 服务器运维并不熟悉，但 WorkBuddy 像一个耐心的导师，一步步引导我完成部署。
第 1 步：服务器环境搭建
安装 PostgreSQL → 创建数据库和用户 → 配置权限 安装 Python 虚拟环境 → 安装依赖包第 2 步：应用部署
上传代码到服务器 → 初始化数据库表 → 创建管理员账号 配置 Gunicorn WSGI 服务器 → 配置 Systemd 服务第 3 步：Web 服务器配置
安装 Nginx → 配置反向代理 → 配置静态文件每一步，WorkBuddy 都会给出具体的命令，解释每条命令的作用，并在出错时帮我排查问题。
3.4 Bug 排查：快速定位问题根因
开发过程中不可避免地遇到了各种 Bug，WorkBuddy 在排查问题上展现了强大的能力。
典型案例 1：登录失败——环境变量丢失
现象：在服务器上直接运行 python3 app.py 时登录正常，但通过 Systemd 服务启动后登录失败，提示"用户名或密码错误"。
我的操作：把错误日志复制给 WorkBuddy。
WorkBuddy 的分析过程：
指出问题根因：Systemd 服务启动时没有加载 .env文件中的环境变量，导致 Flask 连接到了默认的 SQLite 数据库而不是 PostgreSQL给出解决方案：在 crm.service配置文件中添加EnvironmentFile=/home/ubuntu/crm-system/.env解释原理：Systemd 的执行环境与终端 shell 不同，需要显式指定环境变量文件
修复后：服务重启，登录成功 ✅
典型案例 2：文件上传失败——目录不存在
现象：上传合同时报 FileNotFoundError。
WorkBuddy 的分析：定位到 save_attachment 函数，发现缺少目录创建逻辑，uploads/ 目录不存在时直接写入会失败；给出修复方案：在文件保存前添加 os.makedirs(app.config['UPLOAD_FOLDER'], exist_ok=True)。
典型案例 3：缩进错误——Python 的"隐形杀手"
现象：服务启动后频繁崩溃，日志显示 IndentationError。
问题根源：在服务器上使用 nano 编辑器修改代码时，混用了 Tab 和空格，导致 Python 缩进混乱。而且多次手动修复脚本导致 os.makedirs 被重复插入了多次，让问题越来越复杂。
WorkBuddy 的解决过程：
首先从 Git 恢复干净版本的 app.py然后用 Python 脚本精确替换整个 save_attachment函数，避免手动编辑引入新的缩进问题最后用 python3 -m py_compile验证语法正确性
3.5 界面美化：迭代式优化
初始版本的登录页面比较简陋，我截了一张图发给 WorkBuddy，说"登录框要在页面居中"。WorkBuddy 重新设计了整个登录页面：渐变背景、CSS Grid 完美居中、毛玻璃登录卡片、输入框带图标、按钮悬停动画、响应式适配。
整个过程就是：截图 → 提需求 → 生成代码 → 部署验证 → 再截图 → 再优化，几轮迭代就达到了满意的效果。
四、核心功能模块
4.1 客户管理
客户信息录入（公司名称、联系人、电话、地址等） 客户分类（按行业、规模、合作状态） 多条件搜索和筛选 客户详情页（关联服务记录、合同信息）
4.2 服务记录管理
服务工单创建和跟踪 服务状态管理（待处理、进行中、已完成） 服务内容详细记录 按客户、时间、类型统计
4.3 合同管理
合同基本信息（编号、金额、日期） 合同附件上传（PDF、图片、Office 文档） 合同到期自动提醒 合同续签记录
4.4 数据统计看板
客户数量统计（总数、新增、活跃） 服务工单统计（数量、完成率） 合同状态统计（在效、即将到期、已到期） 数据可视化图表展示
五、开发踩坑记录
坑 1：PostgreSQL 权限问题
PostgreSQL 15+ 默认限制了 public schema 的权限，创建表时报错 permission denied for schema public。解决：执行 GRANT CREATE ON SCHEMA public TO crm_user;。
坑 2：Systemd 环境变量问题
Systemd 服务启动的进程无法读取 .env 文件，导致应用使用了错误的数据库配置。解决：在 service 文件中添加 EnvironmentFile 指向 .env 文件。
坑 3：Python 缩进问题
远程编辑混用 Tab 和空格，导致 IndentationError。多次手动修复反而引入更多问题。解决：使用 Python 脚本自动化替换整个函数，避免手动编辑。
坑 4：服务器系统选择
最初在 CentOS 7 上部署，但 CentOS 7 已 EOL，Python 3.12 无法安装。解决：重装系统为 Ubuntu 24.04 LTS，问题彻底解决。
六、WorkBuddy 使用心得
通过这个项目，总结了几条高效使用 WorkBuddy 的经验：
七、项目成果
八、总结
这个项目从零开始，到成功上线，总共用了不到两天时间。作为非专业开发人员，能够独立完成一套完整的管理系统开发，WorkBuddy 发挥了关键作用。
三条核心经验：
第一，AI 是放大器，不是替代品。WorkBuddy 帮我生成了代码，但需求分析、业务理解、测试验证还是需要我自己把关。AI 放大了我的能力，但决策权始终在我手上。
第二，分步验证，小步快跑。不要试图一次性把所有功能都做完。先实现核心功能，验证可用后，再逐步迭代。这样出了问题容易排查，心理压力也小。
第三，记录是最好的文档。每解决一个问题，就记录下来。这不仅是为了以后维护方便，更是一种知识积累。遇到类似问题时，不用从头再来。
开发这套系统的过程，让我对"AI + 低代码"的开发模式有了深刻的体会。它不代表你不需要学习技术，而是意味着你可以把更多精力放在需求理解和产品设计上，把重复性的编码工作交给 AI 去完成。
对于像我这样的业务人员来说，这种模式大大降低了技术门槛，让"想法落地"变得前所未有的简单。
开发周期：2026年5月 ｜ 开发工具：WorkBuddy（AI 辅助开发）
技术栈：Python + Flask + PostgreSQL + Bootstrap + Nginx
部署平台：腾讯云 Ubuntu 24.04 LTS
作者：诸葛铁蛋