「GitHub仓库必须小于1MB，且只能有一个主分支。」Google开发者PromptWar挑战赛的这条规则，让参赛者David在动手写代码前，先花了一分钟做了一件看似反直觉的事——创建.gitignore文件。

这不是关于选举助手的常规报道。这是一个关于「约束如何重塑开发流程」的技术复盘：当代码体积被压缩到极限，哪些工具和方法论会被逼出来？

打开网易新闻 查看精彩图片

一、约束即设计：1MB上限倒逼出的架构选择

David的上一个项目栽在同一个坑里：一个失控的venv文件夹把仓库撑到100MB，部署时噩梦缠身。这次他学乖了——在写下第一行代码之前，先锁死.gitignore：

venv/
__pycache__/
.env
.DS_Store

结果：一个功能完整的AI应用，最终推送体积4.07KB。不是4MB，是4.07KB。

这个量级意味着传统开发中的「随便塞」思路完全失效。没有本地依赖缓存，没有冗余配置文件，每一字节都要被审计。David的应对策略是「解耦+无服务器」——把重量级的部分全部外包给云端。

核心架构四层分工：

• 大脑：Gemini 1.5 Pro（通过Google Cloud Vertex AI调用）
• 界面：Streamlit（数据驱动UI的快速原型工具）
• 编码环境：Google Antigravity（意图驱动的"Vibe Coding"）
• 托管：Google Cloud Run

Streamlit的选择很关键。它专为数据应用设计，能用Python脚本直接生成交互界面，无需HTML/CSS/JS的三件套纠缠。对于「快速验证」而非「精细打磨」的场景，这是体积约束下的最优解。

二、Antigravity的实战测试：提示词即代码

Google Antigravity是这次实验中最具争议性的变量。它被定位为「意图驱动编程」工具——开发者用自然语言描述需求，AI生成可运行代码。

David的测试方法很直接：不给它写任何Streamlit样板代码，只投喂一份高度结构化的系统提示词。需求清单包括：

• 侧边栏收集上下文输入（年龄、州/城市）
• 动态路由逻辑（18岁用户进入"首次投票者"流程，18岁以下拦截）
• 每个输入项附加ARIA标签（help=""属性，用于无障碍评分）

Antigravity的输出：完整的app.py和requirements.txt，零手动调试CSS或布局网格。

这里的效率跃迁值得拆解。传统开发中，前端界面即使使用现成框架，也需要大量微调时间。David把这部分认知负荷完全转移给AI，自己专注于云架构设计——这是「Vibe Coding」声称要实现的理想状态：开发者定义意图，机器处理实现。

但提示词的质量是分水岭。David的提示词包含明确的UI结构、业务规则、合规要求三层信息。模糊的需求只会产出模糊的代码，这在任何代码生成工具中都成立。

三、安全分100的达成路径：环境变量的容器化注入

开源黑客马拉松中最常见的自杀式操作：把.env文件推送到公开GitHub仓库。API密钥在几秒内就会被爬虫扫走，账单暴涨只是时间问题。

David的解法分两步：

代码层只检查环境变量：os.getenv("GOOGLE_API_KEY")。没有默认值，没有回退逻辑，找不到就报错。

部署层通过Cloud Shell直接注入：

gcloud run deploy election-assistant \
--source . \
--port 8080 \
--region us-central1 \
--allow-unauthenticated \
--set-env-vars="GOOGLE_API_KEY=my_secure_api_key"

GitHub仓库保持绝对干净，AI评估器给出安全满分。这个模式的关键在于「分离敏感数据与版本控制」——不是新思路，但在极限体积约束下，它成了唯一可行的方案。任何本地配置文件都会增加体积，任何硬编码都会扣分。

四、选举助手的业务逻辑：一个被低估的交互设计样本

回到产品本身。这个助手的核心任务是「帮助用户理解选举流程和时间线」，但David加入了一层个性化路由：

18岁用户 → 首次投票者专属流程
18岁以下 → 拦截并提示年龄限制
其他年龄 → 标准查询流程

这个设计很小，但指向一个被忽视的产品趋势：通用型AI助手正在向「情境感知型」演进。不是问什么答什么，而是先判断用户处于什么状态，再决定给什么信息。

ARIA标签的强制嵌入同样值得关注。在快速原型阶段就考虑无障碍访问，不是出于合规压力，而是因为评估标准里明确计分。这暗示着AI应用的评价体系正在进化：功能可用只是及格线，包容性和安全性成为新的区分维度。

五、从4KB到可复用的方法论

这次实验的可迁移价值，在于它验证了一套「约束驱动开发」的工作流：

1. 前置防御：用.gitignore在t=0时消除体积风险
2. 架构瘦身：无服务器+托管服务承担重量
3. 代码生成：高质量提示词替代重复编码
4. 安全闭环：容器级环境变量注入

David没有公开这个选举助手的用户数据或后续迭代计划。但从技术复盘的角度看，它已经完成了使命——证明在极端约束下，现代开发工具链可以支撑起完整的AI应用生命周期。

4.07KB的仓库体积，大概相当于一段中等长度的微信语音。当你的下一个项目被要求「快速上线、严控成本、保证安全」时，这个参照系会很有用。

毕竟，如果选举助手都能塞进4KB，你那个还在纠结要不要拆微服务的需求，可能真的想复杂了。