0代码,我用 AI 做了一个小程序:10小时、30元、14个工具
- 2026-09-24 08:29:12
我决定自己试一次。
不是做一个 Demo。
而是直接做一个可以运行、可以测试、准备发布的小程序。
最后的结果是：10 个小时左右，AI Token 成本约 30 元。
做出了 14 个工具。
没有后端。
没有登录。
也没有搭建复杂的服务器。
整个过程中，大部分代码都是 AI 写的。
我主要负责三件事：
告诉 AI 我要什么、检查它做得对不对、发现问题让它继续改。
如果你也不会小程序开发，但一直想尝试做一个自己的小产品，这可能是一个比较有参考价值的真实案例。
先说结论：AI 确实可以帮你做
但这里有一个很重要的前提：
你不能把 AI 当成“自动程序员”。
更准确地说，它更像一个：
执行能力很强，但需要你不断验收的开发搭档。
这次我做的是一个「轻工个人工具箱」。
里面放的都是一些比较简单、确定性比较强的工具，例如：
图片压缩 二维码生成 二维码识别 延迟退休测算 图片切割 其他一些日常小工具 
这些功能有一个共同特点：
输入是什么，输出基本是确定的。
例如：
一张 5MB 的图片进去。
压缩以后得到一个更小的图片。
一段文字进去。
生成对应的二维码。
输入出生日期和相关参数。
得到对应的计算结果。
这类产品非常适合拿来尝试 AI 编程。
因为它不像社交 App 那样，需要复杂的推荐系统、实时通信和庞大的后端架构。
我是怎么从 0 开始做的？
整个过程其实没有想象中复杂。
我没有先学一套小程序开发课程。
也没有先花几个月研究框架。
而是直接把产品拆成几个 AI 能够理解的问题。
第一步：先告诉 AI，我到底要做什么
我没有一上来就说：
“帮我做一个工具箱。”
这种需求太模糊。
AI 很容易自己发挥。
我的做法是先把产品说清楚：
这是一个什么产品。
给谁用。
有哪些功能。
每个功能怎么操作。
输入是什么。
输出是什么。
哪些地方不能做。
例如一个图片压缩工具，我会先定义：
用户选择图片↓显示原始图片大小↓用户选择压缩等级↓执行压缩↓显示压缩后大小↓显示节省了多少空间↓保存图片
这样 AI 面对的就不是：
“帮我做一个图片压缩功能。”
而是：
“按照这个明确的产品流程，把功能实现出来。”
这两种方式，结果差别非常大。
第二步：让 AI 先做功能，而不是先追求完美
我这次的一个核心原则就是：
先跑起来。
不要一开始就要求 AI 把所有东西做到极致。
先把：
页面 → 功能 → 数据 → 操作流程
全部跑通。
然后再逐步修改。
例如第一版可能只是：
首页├── 图片压缩├── 二维码├── 图片切割└── 退休计算
能正常打开、能正常操作以后，再继续调整：
UI 间距 字体 颜色 空状态 错误提示 深色模式 动画 交互细节
这样效率会高很多。
第三步：最重要的一点——不要相信 AI 说“完成了”
这可能是整个过程中最容易踩坑的地方。
AI 经常会告诉你：
“功能已经完成。”
但你真正打开以后，可能会发现：
并没有。
比如我这次就遇到过一个非常典型的问题。
首页的 6 个 TabBar 图标全部看不到。
AI 已经生成了图片。
文件也存在。
参数看起来也正常。
但是最终页面就是看不到。
最后排查发现：
Alpha 通道的数据范围写错了。
图片不是没有生成。
而是生成出来以后几乎完全透明。
所以我后来形成了一个习惯：
AI 说完成以后，我才真正开始验收。
这也是不会写代码的人最需要注意的地方
如果你完全不会代码，很容易出现一种情况：
AI 给你一大段代码。
然后告诉你：
“已经修复。”
你看着代码一脸懵。
于是：
相信它。
这是最危险的。
你不需要成为一个专业程序员。
但至少需要学会：
怎么描述问题。
怎么验证结果。
怎么让 AI 自己解释。
怎么让 AI 写测试。
怎么让 AI 找出问题到底发生在哪一层。
也就是说：
不会写代码，不等于可以不会验收。
我后来给自己定了一套 AI 开发流程
基本就是：
① 我描述需求
告诉 AI：
我要做什么。
② AI 拆解任务
让 AI 告诉我：
准备怎么做。
如果方案不对，先改方案。
不要直接开始写。
③ AI 实现
让 AI 一次完成一个相对独立的功能。
不要一次把整个产品全部生成。
④ 我测试
实际打开产品。
自己操作。
看结果。
⑤ 出问题以后，不是直接让 AI 重写
而是问：
问题发生在哪里？
让 AI 分析原因。
然后再修复。
⑥ 修复以后重新测试
尤其是核心功能。
不能因为：
“刚才修好了。”
就认为：
“现在一定没问题。”
为什么我选择做这 14 个工具？
还有一个原因。
我想验证的其实不是：
AI 能不能生成代码？
这个问题现在已经没什么意义了。
真正值得验证的是：
一个普通人，能不能利用 AI，把一个想法真正变成产品？
从：
一个想法
到：
产品结构
再到：
页面
再到：
代码
再到：
测试
最后：
发布。
这一整条链路，AI 到底能帮多少忙？
这才是我这次真正想验证的东西。
10 个小时到底花在哪里？
这里可能也是大家最关心的。
很多人看到：
14 个工具 / 10 个小时
第一反应可能是：
“这么快？”
但这 10 个小时并不是我坐在那里不停写代码。
所以如果你想复制这种方式，不要理解成：
“以后 AI 可以让我 10 小时做完一个完整产品。”
更准确的理解应该是：
AI 把大量代码生产工作压缩了，但产品设计和验收工作仍然需要人参与。
还有一个很现实的问题：成本
从纯开发成本来看，已经非常低。
但这里我也不想制造一个误导：
开发成本低，不代表赚钱容易。
这是两件完全不同的事情。
AI 可以帮你把：
“我不会写代码”
这个门槛大幅降低。
但它解决不了：
“用户为什么要用我的产品？”
更解决不了：
“用户从哪里来？”
所以这个项目对我来说，更像一次产品实验。
而不是：
“AI 做小程序，10 小时赚多少钱。”
如果你不会写代码，我反而建议你从这种产品开始
不要一上来就做：
社交 App 电商平台 即时聊天 复杂 AI Agent 大型社区 推荐系统
这些项目即使有 AI，也会迅速遇到复杂的工程问题。
更适合第一次尝试的是：
工具类产品。
尤其是这种：
需求明确、输入确定、输出确定、后端依赖少。
比如：
图片处理。
文件处理。
计算器。
格式转换。
二维码。
文本工具。
各种小型效率工具。
这些产品非常适合用来练习：
“人负责产品，AI 负责代码。”
最后，我想验证的其实不是 AI 能不能写代码
这次做完以后，我最大的感受反而不是：
“AI 写代码真快。”
而是：
“不会写代码的人，第一次拥有了把想法真正做出来的可能。”
以前你有一个想法。
第一反应可能是：
“我不会开发。”
于是这个想法就结束了。
现在至少可以变成：
先把需求讲清楚。
让 AI 做第一版。
自己测试。
发现问题继续改。
一直做到真正能用。
当然，这并不意味着程序员不重要了。
恰恰相反。
当产品越来越复杂，工程能力依然重要。
但对于大量简单工具和小型产品来说：
“不会写代码”已经不再是绝对的启动门槛。
这也是我做这个项目最想验证的一件事。
如果你也有一个一直没做出来的小工具，不妨先别急着学几个月代码。
先把它的需求写下来。
然后试着让 AI 做第一版。
你可能会发现：
真正困难的，已经不完全是“怎么写代码”。
而是：
你到底想做什么，以及你能不能判断它做得对不对。
这个小程序叫"轻工个人工具箱"，已经在审核通过，但目前还卡在工信部备案，预计本周可以开始体验。
扫码体验我做的这个小程序
觉得有用的话，关注我，持续更新 AI 开发实战与技巧。
