我用AI一周做了三个小工具,分享下经验

上周摸鱼时间比较多,正好有几个想法一直没动手,就用Vibe Coding的方式集中做了三个小工具。从构思到上线,每个工具花的时间都没超过两天。分享一下开发过程和心得。

工具一:Markdown转微信公众号排版工具

为什么要做

我平时写文章都是用Markdown,但发公众号的时候排版是个大麻烦。虽然市面上有一些工具,但要么样式不好看,要么要收费,要么功能太臃肿。我就想做一个简单纯粹的,贴进去就能直接复制到公众号编辑器里。

开发过程

整个开发过程用了大概六个小时。

先用Claude Code搭了一个基础的HTML页面,左边Markdown输入框,右边实时预览。这部分大概半小时就搞定了,AI生成的代码基本不用怎么改。

接下来是核心的排版逻辑。我给AI描述了我想要的样式:标题居中加粗、段落两端对齐、代码块有背景色和圆角、引用块有左侧边框、图片自动居中。AI一次就生成了一个八九成满意的样式方案,我自己调了调颜色和间距就差不多了。

最花时间的是处理微信编辑器的兼容性。微信的富文本编辑器对CSS支持很有限,很多样式在浏览器里看着好好的,复制到微信里就变形了。这部分我和AI反复调试了大概三个小时,主要是用内联样式替代外部样式、处理一些微信特有的样式兼容问题。

使用效果

现在我写完文章之后,直接粘贴到这个工具里,预览满意了就一键复制,再粘贴到微信编辑器里,排版基本不用动。之前每篇文章花在排版上的时间大概要半小时到一小时,现在不到五分钟。

工具二:API测试面板

为什么要做

团队里经常需要测试各种API,Postman当然好用但有点重。有时候只是想快速测一个接口看看返回结果,打开Postman还要等加载,选Collection,各种操作。我想要一个打开浏览器就能用的轻量级方案。

开发过程

这个工具大概花了八个小时。

第一步是基础界面,URL输入、请求方法选择、Headers编辑、Body编辑、响应展示。这部分AI做得很好,生成了一个清爽的界面,我几乎没怎么改。

第二步是核心功能。发送请求、展示响应、支持JSON格式化、历史记录保存。我让AI用fetch API来实现请求发送,响应结果做了语法高亮和折叠展开。历史记录存在localStorage里,刷新页面也不会丢。

第三步是一些进阶功能。环境变量管理,可以定义不同环境的BaseURL;请求模板,常用的请求可以保存成模板一键填入;响应时间统计;cURL命令导入。

这个工具开发过程中AI帮了大忙,特别是JSON格式化和语法高亮这部分,我自己写的话可能要研究半天,AI直接给了一个靠谱的方案。

使用效果

团队里好几个人都在用了。和Postman比当然功能差很多,但日常快速测试接口完全够用。打开网页就能用,不用安装任何东西,这个优势还是挺明显的。

工具三:团队日报生成器

为什么要做

我们团队每天要写日报,格式是固定的:今天完成了什么、明天计划做什么、遇到什么问题。大家都觉得写日报很烦,经常随便写两句交差。我想做一个能帮大家快速生成日报的工具。

开发过程

这个工具是三个里面最有趣的,花了大概十个小时。

核心功能是连接Git仓库,自动读取当天的commit记录,结合AI来生成结构化的日报。用户只需要补充一下明天的计划和遇到的问题,其他内容AI根据commit信息自动生成。

技术实现上,前端是一个简单的Web页面,用户输入GitHub Token和仓库地址,工具调用GitHub API获取当天的commit列表,然后发给AI生成日报内容。

做的时候遇到一个有意思的问题:commit message的质量参差不齐,有的人写得很详细,有的人就写个"fix"或者"update"。我在Prompt里加了一条规则,让AI对模糊的commit message尝试根据文件名和改动范围来推测具体做了什么。效果还不错,虽然不是百分百准确,但至少比"fix"好看多了。

还加了一个功能是日报模板管理,不同团队可以自定义日报格式。有的团队喜欢用markdown,有的喜欢纯文本,有的要带时间戳。模板用变量占位,AI填充内容之后再套用模板输出。

使用效果

团队用了一周反馈还不错。之前写日报平均要十到十五分钟,现在基本两三分钟就能搞定。而且因为是基于commit记录生成的,内容比以前凭记忆写的更准确和详细。

总结一些经验

用Vibe Coding做工具,几个心得分享一下。

先想清楚核心功能。不要一上来就想做一个全功能的产品。先把最核心的那个功能做好、用起来,再慢慢迭代。我这三个工具的V1版本都非常简陋,但核心功能是好用的。

善用AI的优势。界面生成、通用逻辑、格式处理这些标准化的工作让AI来做,自己专注在业务逻辑和用户体验上。这样效率最高。

不要追求完美。用AI做的东西肯定不如精心打磨的产品,但对于内部工具或者个人工具来说,够用就行。以后发现不够用了再迭代。

记得做错误处理。AI生成的代码经常缺少错误处理,上线之前一定要自己加上。这个是我踩过的坑。

一周三个工具,总共花了大概二十四个小时。如果是传统开发方式,这三个工具加起来可能要一两周。AI确实大幅提升了做工具的效率。


你们用AI做过什么小工具吗?有没有特别实用的可以推荐一下?

6 个赞

一周三个工具的效率确实惊人。我也分享一下最近做的:

运维日志分析工具:把日志文件丢给AI,自动识别异常模式和潜在问题。以前运维同事手动翻日志要半天,现在10分钟出报告。

关键经验是:工具不要做得太复杂。第一版只做核心功能,能解决一个痛点就行。后续根据使用反馈再迭代。很多人一上来就想做一个「大而全」的AI平台,结果什么都做不好。

1 个赞

有免费的模型可以用吗?API调用费用怎么样?做三个工具一周的成本大概多少?穷学生想试试但预算有限:sweat_smile:

干货满满。想问楼主一个技术问题:这三个工具的后端是独立部署的还是共用一套?如果是小工具的话,感觉用Serverless架构比较合适,不用自己维护服务器。

1 个赞

收藏了备用。我也有类似的想法,想用AI做一些团队内部的效率工具。目前计划做的有:

  • 周报自动生成器(从Git log和日历中提取本周工作)
  • 代码片段搜索器(用自然语言搜索代码库中的相关代码)
  • 技术文档翻译助手(专业术语准确翻译)

准备这周末开始动手。

1 个赞

写得不错。不过我想泼一点冷水:AI做的小工具在可维护性上要特别注意。

AI写的代码往往缺乏统一的架构和编码规范,三个工具各写各的,后面维护起来很痛苦。建议在开始之前先定好技术栈、代码规范和项目结构模板,让AI在统一的框架下生成代码。

另外,这些工具如果其他人也要用,文档和部署说明一定要写清楚。AI能帮你写文档,但你得review确保准确性。

希望能出一个视频版教程,文字看完大致理解了,但一些操作细节还是视频更直观。特别是AI交互的过程,怎么写prompt、怎么调整AI的输出,这些动态过程文字很难描述清楚。

1 个赞

新手友好吗?我Python只学了个基础,能跟着做出来吗?还是说需要一定的编程经验?

学习了,准备周末试一下。先从最简单的那个工具开始。

这个值得深入研究。我最感兴趣的是楼主说的那个API聚合工具,能把多个API的调用结果整合到一个界面。

我们团队日常要查好几个不同平台的数据,每次切来切去很烦。如果能用AI做一个统一的查询入口,输入自然语言问题,AI自动判断该调哪些API,然后把结果汇总呈现,那简直太方便了。

楼主能详细说说这个工具的架构吗?特别是多API路由和结果整合的部分。

这个确实好用。我之前也做过类似的AI小工具——一个邮件分类器,自动把收到的邮件按照紧急程度和类别分类,重要的邮件推送提醒,不重要的自动归档。做了之后每天至少省半小时处理邮件的时间。

1 个赞

感谢分享。小工具是最好的AI入门项目,复杂度低、见效快。比上来就想做一个大项目靠谱多了。

工具不错回去试试。想问一下楼主,你做这些工具的时候,AI的代码一次能跑通的比例大概多少?还是说需要大量的调试和修改?

1 个赞

学习了感谢分享。有个建议:可以把这三个工具开源出来,让更多人受益。开源也能获得社区的反馈和改进建议,一举两得。

效率确实高,但后期维护全靠自己了

三个工具具体是啥?有链接吗想看看