一个人搞定全流程?我的AI工作流 #ai工具 #独立开发者 #创业日记 #工作流 #呆卡小镇
在独立开发过程中,构建一套高效的全流程工作流至关重要。从需求梳理到最终部署,利用合适的AI工具组合,能够显著提升产品开发效率与质量。以下将从产品需求、设计选型、实现测试及部署记录四个维度,解析一套完整的AI辅助开发工作流。
01产品需求文档阶段
工作流的第一步是将抽象的点子具象化。通过使用ChatGPT进行反复讨论,可以明确产品功能细节,确保需求文档的完整性。这一步能够为后续的设计与实现提供明确的指导,避免因需求模糊导致的返工。
02设计阶段:Figma Make vs Stitch
在设计环节,针对快速出产品的需求,对Figma Make和Stitch两款工具进行了横向对比测试。通过输入相同的Prompt,两款工具表现出了明显的差异。
| 对比维度 | Figma Make | Stitch |
|---|---|---|
| UI完整性 | 可生成完整的Tab设置,具备可点击的交互效果 | 色彩差异度较好,画面感更优秀 |
| 页面交付 | 能够一步到位完成设计 | 仅能生成少量页面,预览时往往无法跳转 |
| 适用人群 | 适合需要快速出产品的开发者 | 适合需要做微调、追求画面的设计师 |
设计工具实测对比
基于上述实测结果,对于追求效率与快速迭代的开发者而言,Figma Make因能够提供完整且可交互的页面,被选为主要设计软件。
03实现与自测:Cloud与Codex协作
在代码实现与自测环节,通过Cloud和Codex两个模型的配合,建立起一套自动化的迭代机制。Cloud具备发散性思维,适合处理抽象任务并预测潜在需求,但有时存在任务完成度不足的问题;Codex则更适合处理具体任务,完成度较高。
- 实现阶段
利用Cloud进行初步开发,利用其发散性优势构建产品框架。 - 测试阶段
使用Codex进行测试,特别是在GPT 5.4更新后,Codex原生支持电脑操作,能够通过截图对比前端实现与Figma设计的一致性。 - Bug修复循环
Codex发现问题后上报至GitHub Issues,Cloud感知到Bug后自动进行修复,通过这种循环实现产品迭代。
04记录与部署工具选择
为保证产品持续迭代过程中的上下文完整性,使用Obsidian作为知识库工具。其优势在于对AI支持良好,文件以Markdown格式存储在本地,具备较高的自由度与可移植性。在部署方面,对比个人服务器与托管服务,最终选择了个人服务器。
选择个人服务器的核心原因在于面向大陆用户的产品需要遵循服务器本地化规定,海外托管平台(如Vercel、Railway)稳定性较差。同时,在AI辅助下,部署流程可在半天至一天内完成,且是一次性工作。长远来看,个人服务器在成本可预测性、灵活性及排查便利性上均优于托管服务。
- 1ChatGPT
- 2Figma Make
- 3Stitch
- 4Cloud
- 5Codex
- 6GitHub Issues
- 7Obsidian
- 8阿里云
- 9腾讯云
当前文章无评论,是时候发表评论了