我用 AI 从零做了一个网站和双端小程序：哪些真省时间，哪些让我返工

先说结论：AI 确实能让一个人做出过去需要多人协作的产品，但它没有消灭开发工作，只是改变了工作重心。

以前最花时间的是一行一行写代码。让 AI 深度参与以后，写代码变快了，真正占用精力的事情变成了四类：把需求说清楚、在多个模块之间做取舍、验证它到底有没有做对，以及处理本地环境和真实生产环境之间的差异。

如果只是做一个能打开的演示页面，AI 很容易让人产生“软件开发已经变简单了”的感觉。但当目标变成一个需要长期运营的网站，要同时考虑内容后台、用户数据、搜索引擎、小程序、服务器、安全和商业化时，事情就完全不同了。

这篇文章不是讨论 AI 未来会不会取代程序员，而是复盘一个已经发生的项目：我让 AI 深度参与折腾鸭的正式开发后，它到底帮我做成了什么，又在哪些地方让我反复返工。

这次到底做了什么

折腾鸭不是一个单页宣传网站。它目前包含 PC 内容站、手机网页、运营后台、微信小程序和百度智能小程序，主要频道包括真实测评、优惠、工具库、论坛、搜索和个人中心。

正式工程采用 PHP 8.3、Laravel 12、Filament 4、MySQL 5.7 兼容方案；小程序使用 Taro、React 和 TypeScript，一套业务代码分别构建微信和百度版本。

在内容展示之外，项目还涉及不少看不见但不能省略的工作：

• 已发布内容与后台草稿隔离；
• 页面级 SEO、结构化数据、Sitemap 和搜索引擎提交；
• 微信小程序扫码确认 PC 登录；
• 优惠过期复核、显式离站确认和 CPS 点击归因；
• 用户收藏、足迹、搜索历史和可解释推荐；
• 论坛发帖、回复、图片、举报、审核和站内通知；
• 阿里云 OSS、CDN、Redis 和生产环境诊断；
• AI 运营使用最小权限、人工审批、审计和回滚；
• 微信、百度两端的页面、安全区、平台登录和工具跳转适配。

截至本文记录时，项目版本推进到 v1.18.2，SQLite 自动化基线为 158 项测试、937 个断言，微信和百度生产构建均能通过。

但这里必须加一句很重要的话：构建通过不等于已经通过微信或百度平台审核，服务端写完也不等于真实 AppID、Secret、合法域名、隐私指引和真机跳转已经全部验收。凡是依赖外部账号和平台审核的部分，都需要在真实环境里继续确认。

这也是整个项目里最重要的一条经验：AI 很擅长完成代码范围内的工作，却不能替你宣布现实世界中的事情已经发生。

AI 真正帮我省时间的地方

1. 把模糊想法快速变成可讨论的产品

一开始，我有的并不是一份完整需求文档，而是一组方向：做真实测评、整理优惠、建立工具库、支持小程序、以后能够商业化。

如果完全靠人工从零整理，需要先画页面、列字段、设计数据库、规划后台权限，再讨论各端如何共享内容。AI 最明显的价值，是能迅速把这些零散想法整理成页面清单、数据模型、权限边界和开发顺序。

不过，AI 可以列出十种方案，却不知道哪一种是我真正想长期经营的。比如“要不要做会员和付费内容”“PC 是否提供密码登录”“优惠能不能自动跳转”，最终都必须由人做不可轻易反悔的决定。

折腾鸭最后选择暂不开发会员、支付和订单；PC 只允许微信小程序扫码并在手机上二次确认；所有第三方离站都必须由用户主动点击。这些决定不是代码问题，而是产品立场。

2. 重复而明确的开发工作明显变快

当数据模型和页面规则已经确定后，AI 在重复性实现上很有优势。

例如，一个内容后台需要列表、筛选、创建、编辑、权限、状态中文标签和审计；微信与百度小程序又有相似的发现、测评、优惠、工具、论坛和个人中心页面。只要契约写清楚，AI 可以较快完成同一规则在控制器、模型、后台表单、API、前端页面和测试之间的同步。

这类工作过去不难，但很耗时间，也容易漏掉某一层。AI 能把“机械但必须完整”的部分推进得很快。

3. 补测试和查边界，比单纯生成页面更有价值

我最看重的不是 AI 一次生成了多少代码，而是它能不能在修改后继续检查关联影响。

折腾鸭需要同时兼容 SQLite 本地测试和 MySQL 5.7 生产环境，还要保证草稿不会进入公开搜索、失效优惠不能继续领取、未核验的小程序 AppID 和路径不能提前返回给前端。

这些规则靠肉眼逐页检查很容易遗漏。让 AI 同步补回归测试、运行代码格式检查和生产构建，价值远高于只让它做一个“看起来差不多”的页面。

4. 文档交接几乎可以和开发同步进行

传统个人项目最容易欠下的债不是代码，而是“只有作者自己知道为什么这么写”。

这次开发把架构、数据库、SEO、OSS、微信登录、跨端跳转、MCP、统计、论坛和小程序上线要求分别写成了接手文档。每个版本也保留变更记录和未完成事项。

AI 很适合把刚刚发生的技术决定整理成文档。这样下次继续开发时，不需要重新猜测某个限制究竟是有意设计，还是临时写坏了。

最让我返工的地方

1. “能运行”和“真的可用”之间差得很远

AI 可以很快让一个页面出现，但页面出现并不代表体验已经完成。

小程序早期的频道、分类和详情页都能正常打开，可是在全面屏设备上，底部导航会遮挡最后一张卡片；论坛发布按钮放在列表底部，帖子一多就很难找到；固定操作栏曾依赖硬编码占位，在不同设备上表现不一致。

这些问题很难只靠读代码发现，必须放进微信开发者工具，用不同尺寸的模拟器逐页滚动和点击。最后的修复不是再加几个像素，而是把状态栏、胶囊、底部安全区和固定操作栏统一交给公共布局计算。

这让我意识到：AI 可以实现设计，但无法替代真实设备上的“感觉不对”。

2. 本地没问题，生产环境照样可能出错

项目部署到宝塔环境时，曾遇到一个很隐蔽的问题：发布 ZIP 少了 14 个 Livewire PHP 文件。

一开始很容易怀疑 Nginx、PHP-FPM、伪静态或者 Laravel 配置。最后才发现，真正原因是 Windows 暂存目录层级太深，部分文件的绝对路径超过传统长度限制，压缩工具没有把它们写进 ZIP。

还有一次，宝塔环境同时禁用了 symlink() 和 exec()。常规 Laravel 部署会创建 storage 软链接，但在这个环境里不能假设命令一定可用，只能增加不依赖软链接的本地媒体读取方案。

这些都不是“代码能不能写出来”的问题，而是目标环境允许什么。AI 可以帮助定位，但前提是必须拿到真实错误、真实文件清单和真实服务器条件。

3. 官方接口也不能只按常识猜

百度普通推送曾持续返回 site init fail。站点地址和 Token 看起来都没有问题，常规 URL 构造也符合大多数接口习惯。

最后通过同参数对照才确定：百度这个接口不接受百分号编码后的站点参数。site=https%3A%2F%2F... 返回 HTTP 400，而保留官方示例中的 site=https://... 原文后，才返回 HTTP 200 和接收成功。

如果没有真实请求对照，AI 很容易根据常见经验继续猜“站点不匹配”或“Token 权限不对”。这类问题的正确做法不是让 AI 多猜几轮，而是设计一个能排除变量的实验。

4. AI 会自然地追求“更多功能”，人必须负责踩刹车

让 AI 规划产品时，它很容易继续建议会员、支付、自动化运营、机器学习推荐、私信、等级和更多后台开关。

这些功能并非没用，但每增加一个功能，就会增加隐私、权限、测试、运营和长期维护成本。

折腾鸭目前的推荐系统刻意使用可解释规则，而不是包装成复杂机器学习；AI 可以创建内容草稿和发布申请，却不能自己正式发布高风险内容；它不能删除用户、读取密钥、提升角色、关闭审计或永久删除数据。

AI 的输出速度越快，越需要有人守住范围。否则你会很快拥有一个功能很多、却没有精力运营的系统。

我现在怎么判断 AI 有没有真的完成任务

经历这些返工后，我不再用“代码已经生成”作为完成标准，而是按照下面几层逐级验收。

第一层是静态检查：代码格式、类型检查、PHP 测试和前端生产构建必须通过。

第二层是业务规则：草稿是否泄漏、失效优惠是否关闭、权限是否越界、敏感字段是否可能出现在 API 或日志中。

第三层是视觉和交互：桌面、移动网页、微信和百度小程序都要实际打开，检查滚动、空状态、返回路径、安全区和异常提示。

第四层是真实环境：MySQL 5.7、宝塔、Nginx、OSS、Redis以及第三方官方接口，需要在目标环境分别验证。

第五层是外部事实：平台是否审核通过、搜索引擎是否真正收录、广告是否产生收入、优惠是否真实可用，只能以对应平台和人工核验结果为准，不能由代码状态推断。

很多 AI 项目展示停留在第一层，真正要长期运营的产品至少要走到第四层。

AI 编程适合谁

如果你能够清楚描述目标，愿意阅读结果，并且能接受反复验证，AI 编程非常值得尝试。它尤其适合有业务经验但开发资源有限的个人、需要快速验证想法的小团队，以及能够判断基本技术风险的产品负责人。

如果你希望只说一句需求，随后完全不看代码、不测环境、不做安全检查，就等着系统自动上线，那么现阶段并不适合直接把完整产品交给 AI。

不会写代码并不是最大问题。真正危险的是不会判断“它说完成了”和“现实中真的完成了”之间的差别。

最后的结论

如果没有 AI，我很难在同样紧凑的开发窗口里，把 PC 公开站、运营后台、微信和百度双端小程序、SEO、推荐、论坛、统计、CPS、安全审批和部署文档同时推进到现在的程度。

但如果没有人的持续取舍、检查和真实环境验证，这个项目也很可能停留在一个功能很多、到处写着“已完成”、实际却不能放心运营的演示品。

所以我对 AI 编程的评价是“值得试”，但前提不是找到一句万能提示词，而是建立一套严谨的合作方式：人负责目标、边界和结果，AI 负责加速分析、实现和检查；任何涉及用户、资金、密钥、生产数据和外部平台的结论，都必须回到真实证据。

AI 写得快，验收不能省。

这大概就是我做完折腾鸭第一阶段后，最想告诉其他独立开发者的一句话。