一、我为什么要做这个东西

每年高考完，最焦虑的不是分数，是填志愿。

尤其是普通家庭的孩子——没人脉、没"内行"指路，几百分的努力，可能因为一个信息差就被浪费。说到敢说真话，绕不开张雪峰："这个专业别报""那个学校是照骗""普通家庭就该看就业倒推"——这些话，戳心，但有用。

可真人只有一个，他再能说，也覆盖不了几百万考生。

我的想法很简单：能不能做一个"AI 版张雪峰"——把张雪峰那套"用就业和数据说话、敢专业劝退"的报考逻辑装进一个 AI，让任何一个普通家庭的孩子，随时都能问上一句？

于是有了「峰哥志愿助手」——一个微信小程序，背后是一个会查官方就业/分数数据、会专业劝退、会排院校雷、会给冲稳保策略的 AI。

主意是好的。然后我就开始了长达数周的踩坑。

二、它到底是怎么搭起来的

一句话技术栈：

前端：微信小程序，自己写的聊天组件（流式对话、思考态、深度分析卡片）

后端：LangChain Agent，跑在腾讯 CloudBase 云函数（SCF）上

大脑：DeepSeek 模型 + 博查 WebSearch（让它能查实时数据，不靠瞎编）

知识：自建的分数线知识库 + 把张雪峰的报考方法论和说话风格，蒸馏进 system prompt

听起来很清爽对吧？接下来全是坑。

三、前端的坑：用户看不见，但能要命

前端有两个让我印象深刻的：

① 切个后台回来，白屏。用户聊到一半切出去回个微信，再切回来——白屏。原因是页面onShow没强制重绘。修法土但有效：切回来时塞一个setData({ _: Date.now() })，逼它重画一次。

② "停止"按钮，停了个寂寞，还在偷偷烧我的钱。我做了个停止生成的按钮。用户点了，前端确实不显示了。但我后来发现，后端的 AI 还在哗哗地生成、哗哗地花我的 token。因为我只在前端设了个"已停止"的标志，根本没真的去取消那个数据流。

后来得把流的引用挂住，点停止时真正调用异步迭代器的.return()去中止它。"看起来停了"和"真的停了"，中间隔着我的钱包。

四、后端的坑：最贵的 bug 都很安静

① 一个不属于我的环境变量，把我的数据库写挂了。

我想记录用户行为日志，写进云数据库。结果一直报：access token env not consistency（access token 和环境对不上）。

查了半天，真凶是一个我为了别的功能配的环境变量

CLOUDBASE_APIKEY。腾讯的 SDK 有个"贴心"设定：只要它看到这个变量，就优先用它，直接无视云函数自动注入的临时凭据。于是我明明说"连到 A 环境"，它却拿着 B 环境的钥匙去开门——当然对不上。

修法是绕开 SDK 的自作主张，手动指定临时凭据。这种坑最难受的地方在于：代码逻辑一点没错，错的是一个你以为无关的配置。

② 上线 10 分钟，整个服务 CRASH，用户只看到"网络异常"。

有一次部署完，线上直接崩了 10 分钟。日志里写着Cannot find module。

原因是部署时npm install

偶尔会漏装一个深层的可选依赖。它平时不报错，那次刚好没装上，函数一启动就挂。而用户那头，只会看到冷冰冰的四个字——"网络异常"。

教训：部署完别走，立刻去翻启动日志，看有没有Cannot find module、有没有duration=0ms这种启动即死的迹象。

③ AI 活在 2024 年。

用户问"今年的就业数据"，它张口就是 2024 年的。因为模型的知识有截止日期，它不知道"今天"是哪天。修法是每次请求都把北京时间的当前日期注入进去，逼它用最新的。

五、最坑钱包的，是部署

这部分我被自己坑了不止一次。

部署成功 ≠ 上线。这句话我用真金白银学会的。

CloudBase 上我用了"预置并发"（提前开好实例、避免冷启动）。结果发现一个反直觉的事：我推了新代码、命令显示"成功"，但所有用户请求还在走老代码。因为预置实例锁着旧的字节码，不会自动重启。

更狠的是钱：那些锁着旧代码的旧实例，只要不删，就一直按小时计费。哪怕没有一个用户走它。

我第一次忘了删，白白多付了几天冤枉钱。所以我现在把它刻进了项目的"必查清单"：任何时候只要提到"部署/上线"，强制问自己一句——旧的预置实例删干净了吗？

这事教会我：云服务的账单，往往不是用出来的，是忘出来的。

六、最大的幻觉：单测全绿，真机照崩

我写了不少单元测试。某个版本，89 个测试，89 个全过。我当时心里美滋滋，觉得稳了。

然后真机上一跑，前面那个鸿蒙卡死还在。

我才彻底想明白一件事：

单元测试保证的是"代码不崩"，不是"体验不崩"。真机才是终审，不是初审。

从那以后我的规矩变成：单测 + 接口测试是前置门槛（不过这一关不准说"做完了"），但用户在真实手机上点的那一下，才是唯一的验收。

七、上线之后：真实数据长什么样

写代码的时候你以为你懂用户，上线之后，数据才会告诉你真相。

我拉了上线后某天的真实日志，挑几个有意思的：

用户问得最多的问题，是"我580分江苏物理类，能上哪些985/211？"，一天被问了 8 次。

而且几乎都是点欢迎页引导词进来的——这说明一件事：用户懒得自己打字，你得把第一句话替他想好。我后来据此重排了引导词。

首字延迟大约 2.3 秒

：用户两秒多就能看到峰哥开始回话。至于一个完整回答要十几秒——这是我故意的：宁可让它多花几秒联网核对官方就业和分数数据，也绝不让它张口就编。报志愿这种事，快一点不重要，准才重要。

🖼 配图建议：放两张真机截图——shot-analysis.jpg（深度分析卡片）+ shot-tuitui.jpg（专业劝退），用真实界面证明"它真能干活"，比任何描述都有说服力。

数据最大的价值，是它替你做决定：你以为用户想要 A，数据告诉你他们其实在点 B。

八、一个人，是怎么扛下这么多坑的

老实说，这些坑，靠我一个人是扛不动的。真正帮我扛住的，是我给自己定的一套和 AI 协作的工程纪律：

我把每一个用血换来的坑，都写进一个项目的**"重复踩坑榜"**——哪个坑、什么时候会复发，列成表。每次动手前先扫一眼。

我有一套持久化的记忆：把"这个 bug 的根因和修法"存成文件，下次不靠印象、靠记录。因为我发现，凭印象操作，就是重复踩同一个坑——那个 preset 计费的坑，我就是凭印象踩了第二次。

我定了条死规矩：任何改动，没过单测 + 接口测试，不准说"上线/完成"，只能说"部署完成，验证中"。

这套东西本身，可能比那个小程序更值钱。因为坑会变，但**"怎么不重复踩坑"的纪律，是通用的。**

九、如果你也想从 0 做一个，我想说三句话

真机才是终审。

你的模拟器、你的单测、你的"我觉得没问题"，都只是初审。

最贵的 bug 都很安静。

它不报错，它只是让你的账单变长、让某个你没有的设备卡死、让 AI 悄悄活在去年。部署完，永远多看一眼日志。

把坑写下来。

不是为了纪念，是为了不再踩。人的记忆会骗你，文档不会。

写在最后

做这个东西的初衷，是想让普通家庭的孩子，填志愿时也能有个像张雪峰那样"敢说真话"的参谋。

技术只是手段。那些 1rpx 的卡死、安静的账单、活在去年的 AI——折腾这一切，是为了让一个考完试、对着志愿表发愁的孩子，能在手机上问一句"我这分能上哪"，然后几秒钟内，得到一个不哄他、用数据说话的回答。

现在，它真的上线了，真的有人在用。

如果你，或你身边正在填志愿的孩子，也需要一个敢说真话的参谋——

👇点下方小程序卡片，直接进「峰哥志愿助手」，把分数和省份告诉它，让它替你把把关。