通过一次从零开始的挑战，探索仅借助AI不写一行代码，完整开发一个小程序的全过程。这次实践不仅验证了AI在界面生成与后端搭建上的高效性，更意外地暴露了其在工程逻辑理解上的深层缺陷，为AI辅助开发的未来提供了宝贵的观察视角。
智能速览
从一张设计图开始，AI成功生成小程序的前端界面并完成布局优化。
通过自然语言指令，AI能够自主修正UI细节，实现精准的页面调整。
AI独立完成了后端服务的搭建，包括框架选择、数据库连接与接口编写。
前后端联调时，AI犯下严重错误，将所有界面文案都通过API接口获取。
面对AI的逻辑偏差，选择不立即纠正，以观察其后续能否自我修复。
精华内容
这次实战体验，不仅展示了AI在界面生成和后端搭建上的惊人能力，更揭示了一个关于数据与逻辑分离的核心问题，这是衡量AI是否具备真实工程思维的关键。
界面生成与优化
挑战始于一张设计图，借助Kimi模型，AI迅速生成了小程序的初始界面代码。整体框架基本成型，但细节处存在明显问题，如顶部Banner识别不全、筛选项布局错乱。
有趣的是，修正过程无需编写代码。只需截图并用自然语言下达指令，如“增大两段文本间距”，AI便能自主完成代码调整。经过几轮交互，界面排版已基本符合常规标准，展现出强大的视觉理解和代码生成能力。
后端服务的自主构建
接下来，AI被要求创建后台服务。它在项目中自主创建了Server目录，选择了Call作为开发框架，并使用MySQL作为数据库。从编写数据接口到配置服务启动，整个过程一气呵成，代码逻辑清晰，并能正常运行在3000端口并提供API列表。这表明AI在处理结构化、规范化的后端开发任务时已具备相当高的成熟度。
数据逻辑的致命缺陷
当要求AI将前端界面与后台接口进行对接时，一个关键的工程问题暴露了。AI错误地将所有界面的文案内容，包括静态的标签和提示语，都设计为从API接口动态获取。
这种做法明显违背了前后端分离的基本原则，即API应只负责传输数据，而非控制视图层文案。当打印出接口返回的数据时，可以看到里面混杂了大量本应由前端逻辑控制的文本，这是一个非常不合理的工程结构。
留给未来的思考
面对这个严重的设计缺陷，面临一个选择：是立即纠正，还是继续让AI在错误的基础上开发？最终选择了后者。这个决定旨在考验AI在项目体量增大后，是否能发现问题并主动进行逻辑修正。
这不仅是对AI代码纠错能力的测试，更是对其是否具备宏观工程架构思维的一次探索。如果它能自我修复，将意味着AI开发工具的又一次飞跃。
整个开发过程证明，AI已成为一个强大的开发副驾，能快速完成前端和后端的搭建工作。然而，它仍缺乏资深工程师的宏观判断力，在数据与逻辑的分离上犯了根本性错误。未来，AI能否从这类错误中自主学习并实现自我修正，将是其从“工具”走向“伙伴”的关键一步。
