本次我分享的是如何把一个想法从0开始到落地的全流程,通过Vibecoding来实现Idea的落地。
本次使用的主要模型是DeepSeek-V4-pro,Kimi-V3来辅助。这是一套极其有性价比的搭配,DeepSeek来负责主要的代码编写,Kimi来负责UI和交互的设计以及代码的优化和审查。CLI使用的是Claude Code Terminal版,使用CCswitch来用于切换模型。全过程依靠文字对话,不涉及任何代码编写。
同时也会为大家介绍我的成果-食记(一款开源的专注于AI赋能的饮食记录App),链接会放到最后。
一.食记-成果介绍

食记 (ShiJi) 功能列表
版本 v0.2.4 | AI 驱动的智能饮食记录助手 | Android 8.0+
📸 拍照识食
CameraX 实时预览取景,支持拍摄与相册选图 图片自动压缩优化(EXIF 旋转修正 + ≤2MB 压缩),降低 API 成本 AI 视觉分析:自动识别照片中所有食物项目 自动估算每项食物的热量、蛋白质、碳水、脂肪 支持中餐、西餐、混合菜肴、饮品识别 识别结果可编辑:名称、份量、单位、热量、三大营养素均可修改 低置信度结果自动标注提示 支持补录历史日期(选择餐次日期) 照片本地保存,随记录关联展示
✍️ 文字记录
自然语言描述食物,AI 自动解析为结构化数据 自动识别中文份量描述("两个""一碗""半杯"等) 自动推断份量单位(份/碗/个/杯/g/ml) 解析结果可编辑确认 AI 不可用时自动降级为本地食物库模糊匹配 支持补录历史日期
✋ 手动记录
完整营养字段手动填写(名称/份量/单位/热量/蛋白/碳水/脂肪) 餐次标签选择(早餐/午餐/晚餐/加餐) 支持加入个人食物库
🗣️ AI 饮食顾问
实时流式对话(SSE),打字机输出效果 + 动画光标 用户饮食上下文自动注入:今日摄入、目标对比、本周均值、最新体重、已吃食物 基于真实数据的个性化建议(非泛泛而谈) 20 条历史消息记忆窗口 消息复制 / 重试 / 停止生成 推荐问题快捷入口 一键清空对话历史 未配置 AI 时的引导卡片
🏠 首页看板
热量环形进度图(Canvas 绘制,中心显示摄入/目标) 饮水垂直进度条(蓝色填充动画 + 目标达成提示) 今日饮食列表(按餐次展示) 日期切换 + 日历选择(有记录的日期绿色高亮) "回到今天"快捷按钮 拍照 / 文字 / 手动三大快捷记录入口
📋 饮食日志
按日期查看历史记录 日历选择日期(6 周网格,记录日期高亮) 按餐次分组展示(早/午/晚/加餐),每餐小计 全天营养汇总(热量·蛋白·碳水·脂肪) 饮水摄入记录与进度展示 记录删除 份量智能格式化(1 份 / 0.5 碗)
📊 数据看板
体重追踪:录入 + Canvas 趋势折线图 + 7/30/90 天筛选 + 历史列表 目标设定:6 种预设目标(减脂/增肌/维持等)+ 自定义宏量营养素 目标与体重数据自动联动预填 饮水记录:快捷加量(150/200/300/550ml)+ 自定义量 + 目标设置 饮水数据持久化,切换日期自动加载
📦 个人食物库
增删改查完整 CRUD 搜索过滤(名称模糊匹配) 每份营养值直观展示("1份 · 650kcal · 蛋白25g") AI 识别结果 / 文字解析 / 手动录入均可一键加入 加入状态反馈(按钮变绿勾)
⚙️ AI 配置
选项卡式:💬 文本模型 / 👁️ 视觉模型独立配置 5 家提供商内置:DeepSeek、Kimi、通义千问、智谱 GLM、自定义端点 任何 OpenAI 兼容 API 均可接入 API Key 输入(可见性切换)+ Android Keystore 硬件级加密存储 模型名称自定义 一键连接测试(使用真实用户模型验证) 热切换即时生效,无需重启 配置持久化,重启自动恢复
👤 个人中心
昵称设置 + 头像(表情符号 或 相册选取) AI 用量统计(调用次数 / Token 消耗 / 按月汇总) 深色模式(跟随系统 / 手动切换) 数据管理(导出/导入)
💾 数据管理
一键全量导出(JSON 格式 .fitness 文件) 一键导入恢复 备份文件存放于公开目录(文件管理器可直接访问) 自动清理旧备份文件 导出内容:饮食记录、健康指标、目标、食物库、AI 配置(不含 Key)
🔐 安全与隐私
全部数据本地存储,不上传任何服务器 API Key 三层安全存储(Room 元数据 / Keystore 加密 Key / DataStore 偏好) API Key 永不进入日志、数据库、导出文件 网络请求直达 AI 厂商,无中间服务器 100% 开源(Apache 2.0),代码可审计
🌓 主题与界面
Material 3 设计语言 浅色 / 深色双主题 语义化配色(热量橙红、蛋白玫红、碳水琥珀、脂肪天蓝) 自定义 App 图标(Adaptive Icon)
🚀 引导流程
首次启动三步引导:个人资料 → 目标设定 → AI 配置 身高体重 + 6 种目标预设 + 自定义宏量 目标卡片实时预览
🧩 技术规格
平台:Android 8.0 (API 26) 及以上 架构:MVVM + Clean Architecture + Hilt 数据:Room + DataStore 双存储 网络:OkHttp(SSE 流式) UI:Jetpack Compose + Material 3 语言:Kotlin 2.1 许可证:Apache 2.0 开源
二.想法的可靠性
这里用到了一个Skills,叫做grill me:

Grill me像一个严厉的面试官一样,对你的计划或设计进行穷追不舍的提问,直到把决策树上的每一个分支都讨论清楚,达成共识。这能最大限度地确保项目不会跑偏,而是紧紧跟着你的想法走,同时让你审视想法里的问题。直到所有关键决策都有明确答案,才会输出校准后的最终方案,回答地越具体,给出的方案就越扎实。
回答完后,拿到md文件,保存好。最好在项目文件夹里创建一个doc文件夹来存放设计参考文件等(最好都是md格式)。
然后就是生成技术方案,开发进程(分步骤开发),UI设计方案等,包括前面生成的需求分析,最主要的就是这4个。都放到doc文件夹里。
三.分步开发
这里就能下指令,让AI以doc文件夹里的要求为基本,分阶段开发了。
这里让AI先创建整理好文件夹结构,这里是食记的文件夹结构:
食记 (ShiJi) 项目结构
fitness/├── app/ # 主应用:UI 页面 + 导航 + 依赖注入│ └── src/main/java/com/shiji/app/ui/│ ├── MainViewModel.kt # 中央数据枢纽│ ├── home/ # 首页看板│ ├── camera/ # 拍照识食│ ├── textrecord/ # 文字记录│ ├── manual/ # 手动记录│ ├── diet/ # 饮食日志│ ├── chat/ # AI 顾问对话│ ├── aisettings/ # AI 配置│ ├── weight/ # 体重追踪│ ├── water/ # 饮水记录│ ├── goal/ # 目标设定│ ├── foodlibrary/ # 个人食物库│ ├── export/ # 数据导入导出│ ├── profile/ # 个人中心│ ├── onboarding/ # 引导页│ └── components/ # 通用组件(日历、环形图等)│├── core/ # 核心层│ ├── ai/ # AI:适配器、配置、路由、解析│ ├── data/ # 数据:Room 数据库、DAO、偏好│ ├── common/ # 通用:加密存储、工具函数│ └── camera/ # 相机:图片预处理│├── feature/ # 预留扩展(占位)├── docs/ # 7 份开发文档├── design/ # HTML 设计原型└── scripts/ # 文档生成脚本
检查文件夹结构创建完成后就基本可以开始phase 0阶段的开发了。
需要注意的是UI设计要根据开发阶段来尽早弄,或者是在phase 0开始之前就弄好
3.1 UI设计
这里用的是免费开源的OpenDesign,当然有Claude Design更好。

在里面可以直接接入你的CLI来工作
直接把前面生成的UI设计方案丢给他,产出都放到一个文件夹里即可(随便命名,可以叫直接叫UI)。后续方便AI调用就行。
3.2 GIthub版本控制
提前创建好github仓库,等到后面一代产品产出的时候直接上传,方便后续维护和更新。当然可以把仓库地址给AI,它会自己上传更新的。
3.3 注意
在阶段开发过程中,遇见问题或者是有新想法要及时说,并且每次需求的修改都要及时同步到开发方案等文件里。 开发过程要及时测试,方便发现问题和可以改进的地方。开发App的话,可以用虚拟机或者是真机来测试。 到开发最后期的更新功能和维护阶段时,每次都最好上传GIthub,方便管理和回顾。 上传的时候别把敏感数据上传了,可以使用 git ignore。
四.结语
依据以上步骤就可以大致完成一款App的开发,不论是分享用,自己用,还是学习用都绰绰有余。
对我个人来说也是对AI能力的一种见证和理解,我相信AI的能力肯定远不止于此。在AI日渐盛行的当下,好的想法会逐渐珍稀可贵。
Vibecoding给了我一种感觉,一种创造的感觉,一种美梦成真的感觉,一种想法被尊重的感觉。
另外,希望我开发的这款AI饮食管理软件——食记,大家能体验一下,给出宝贵建议,希望能帮助大家更好的生活。
————感谢观看
食记链接如下(求star):
https://github.com/MMHM02/Shiji.git
https://juejin.cn/post/7675935446639493158
夜雨聆风