最近小电做了一件事:用豆包工作,做出了一个微信小程序——抖题AI刷题。
这个小程序借鉴了抖音信息流,能让学生像刷短视频一样刷题。推荐的题目也使用AI技术,根据用户错题、记忆曲线、复习节奏、个性化难易程度,自动推荐。
不是演示,不是玩具。9个学科、9011道题,里面有错题复习、打卡体系、每日推送,现在已经上线,直接搜索就能使用。
小电不会写代码。不是谦虚,是真的不会:HTML和CSS分不清,JavaScript对我来说就是一串看不懂的符号。对于如何操作微信开发者工具、版本审核提交、编译改BUG,更是一脸懵。
所以这篇文章不打算讲技术,也不打算列功能清单。我想讲的是:一个完全不懂代码的人,用AI做产品的真实过程是什么样,哪里会顺,哪里会卡,卡住之后怎么办。
一个月,从一句话到一个上线的小程序
先给几个能核对的数据,都是工程目录里统计出来的,不是我估的。
9个学科:语文、数学、英语、物理、化学、生物、历史、地理、政治。覆盖范围从五年级,一直到高三。
9011道题:按教材同步,分年级分难度,每题带四个选项、正确答案、知识点标签。题目也全是AI生成的。
8934行代码:整个工程的文件统计出来的行数。全不是我写的,都是AI写出来的。
148个工程文件:页面、样式、工具函数、云函数、配置文件,加起来一百多个。
另外还有7个核心模块:刷题页、错题本、统计页、个人页、成长规则库、每日推送云函数。版本从1.0走到1.4.0,中间至少四五轮完整迭代。
整个过程里,我的角色只有三件事:想清楚要什么、把报错贴给AI、决定什么功能砍掉。我没有从零写过一行代码。
至于花了多少token,我没有精确数字。但可以说个直观的:我们来回对话的次数,已经多到我不记得具体聊过哪些。
关键这些额度,都是豆包办公免费送的,目前为止一分钱没花。
真正卡住人的,是三个"翻译"环节
第一层:把想法翻译成规格。
我最初的说法是"我想做个刷题小程序,像刷短视频那样"。
这句话对人有用,对AI没用。什么叫"像刷短视频"?竖屏还是横屏?一屏一道题还是几道题?答完立刻出结果还是要等?答错了是弹窗还是变色?
后来来回问了几轮,才把它拆成能执行的样子:一屏一道题、上下滑切换、点选项立刻判分、答错自动收进错题本、按记忆曲线排复习。
这里有个反常识的地方:AI不是执行者,是合伙人。你说得越具体,它给得越准;你说得越抽象,它越容易给你一堆看起来对、实际没法用的东西。
第二层:把报错翻译成人话。
整个过程我至少遇到四类卡点。
有一次部署后台功能,工具弹出一句"请在编辑器根目录选择一个环境",我完全不知道它在说什么。把截图贴给AI,它告诉我:配置文件里少了一行路径声明。
有一次编译报"模块找不到",可我明明建了那个文件。AI让我检查路径,我才发现文件夹放错了一层。
这些错误对程序员来说可能一眼能看出,但对我来说,每一个都是一堵墙。AI的价值不是替我推倒墙,是告诉我墙在哪、门在哪。
第三层:判断做出来的东西算不算"对"。
这一层最容易被忽略,也最考验人。
AI可以给你一个能跑的页面,但它不知道"这个页面对不对"。字体太浅看不清、卡片和下面的列表贴得太近、按钮颜色和整体风格不搭——这些它不会主动告诉你。
我得自己看出来,然后描述清楚:"字和背景太接近,看不清"、"这两块挨得太近,加一点间距"。
你怎么描述,它就怎么改。你描述得含糊,它就改得含糊。
这个产品到底解决什么问题
说到这里,该讲讲做出来的东西了。它叫抖题AI刷题,一个微信小程序,搜名字就能用,不用下载。
它的想法很简单:把刷题这件事,做得像刷短视频。
第一个支点:把"打开"这件事变简单。
传统刷题软件第一屏是首页、学科选择、章节列表、难度筛选,学生要点头四次才做到第一道题。抖题没有首页,打开就是一道题,上下滑就是下一道,点选项立刻判分。
这不是省了几个点击,是把"开始学习"的心理成本降到了接近零。
第二个支点:让错题真的被复习。
这是我觉得最有价值的一块。大部分学生的错题本是这样用的:抄下来,然后再也不看。
抖题的做法是,答错自动收进错题本,然后按记忆曲线的节奏安排复习——当天错的题,隔一天推一次,隔三天再推一次,隔一周再推一次,直到连续做对。
这套算法本身不复杂,但它解决的是一个存在了几十年的问题:人知道自己该复习,但不知道该在什么时候复习。
第三个支点:按你的情况推题。
每个学科单独记等级和经验值。系统知道你哪个学科弱、哪些知识点错得多、哪些题反复错,下一步推给你的题就从这些地方来。
这才是"AI"在产品里的真实作用:不是生成一段漂亮的讲解,而是持续判断"你现在最该练哪一道"。
三个支点合起来,产品的价值就一句话:把"家长催着学"变成"孩子自己愿意刷"。
为什么这件事三年前做不成
三年前想做这么个东西,路径只有两条:找个技术合伙人,或者找外包。
外包的报价,一个小程序少说几万到十几万,还要来回沟通需求、等排期、改一版等一周。对个人来说,这条路径根本不成立。
现在这条链条上最贵的一环——把想法变成代码——成本掉到了接近于零。
但我想说清楚:掉到零的是"执行成本",不是"判断成本"。
你依然要知道用户是谁、他哪里痛、哪些功能可以砍。这部分成本一分没降,甚至因为"能做的太多了",变得更高。
这也是为什么很多人用AI做出来的东西,功能齐全但没人用。问题不在技术,在判断。
回到最开始那句话。
这一个月我最大的收获,不是做出了一个小程序,而是想明白了一件事:
过去我们说"我要是会写代码就好了",其实是在用一个技术门槛,掩盖一个更根本的问题——我到底想解决谁的什么问题。
现在技术门槛低了,这个问题就藏不住了。
所以如果你也有一个想法,我建议你先别急着打开AI。先花半小时,把这几件事写下来:这是给谁用的、他现在怎么解决、你的东西能让他少做什么、你怎么知道它有用。
写完之后再动手。你会发现,真正难的从来不是代码。
热门跟贴