本书重点

（1）AI产品经理、火山引擎Agent开发者、扣子编程技术顾问叶彦辛新作。

（2）全程15个案例引导，带你掌握网页应用、智能体、工作流、小程序的实现方法。

（3）不会代码也没关系！一句大白话，扣子AI替你搞定从技术选型到上线的全流程开发。

（4）配套PPT课件、提示词文件、配图PDF文件、教纲、作者微信群答疑。

本书内容

本书15个案例

• 天气查询Agent
• 单词拼写大师网页应用
• 产品种草文案Agent
• 发票读取工作流
• 短线强势涨停股挑选Skill
• 小红书爆款笔记生成Agent
• 每日信息差生成器网页应用
• 儿童绘本梦工厂网页应用
• 数据分析专家Agent
• 行业热点内容生成工作流
• 产品全渠道营销工作流
• AI数据采集工作流
• AI数据质检工作流
• 电商图自动打标工作流
• 从一句话需求到上线“续费管家”小程序

内容简介

零门槛、心流开发、从一句话到上线——扣子编程用一句大白话就能让AI替你走完从技术选型、数据建模、前后端开发、多端构建到上线发布的全过程。本书接续上一部《扣子开发AI Agent智能体应用》，把扣子官方的Vibe Agent、Vibe Workflow、Vibe APP三大能力，拆解成一个个当天就能复刻的真实案例；秉持“将军赶路，不追小兔”的心法，配套作者微信群答疑服务，扫码入群即可与作者同行。

全书共分13章，从入门筑基到技能（Skills）开发、再到一句话造物、工作流编排与全栈应用，层层进阶，内容包括扣子编程平台介绍、通过案例熟悉扣子编程、扣子编程的技能开发、一段提示词造智能体（小红书爆款笔记生成）、一句话造网站（每日信息差生成器）、一句话造应用（儿童绘本梦工厂）、数据分析专家 Agent、行业热点内容生成工作流、产品全渠道营销工作流、AI数据采集工作流、AI 数据质检工作流、电商图自动打标工作流、从一句话需求到上线“续费管家”小程序。

本书既适合需要零基础上手扣子编程的读者、对AIGC与AI原生开发感兴趣的技术人员、产品经理、一人公司创业者、智能体应用独立开发者，也适合高等院校或高职高专院校学习智能体与AI应用开发课程的师生。

前言

“告别拖拽，拥抱心流”

当扣子（Coze）官方提出“告别拖拽，拥抱心流”八个字时，一个真正属于普通人的AI开发新时代，正悄然拉开帷幕。

在2026年6月火山引擎FORCE原动力大会前夕，回望去年12月FORCE大会，在开发者主论坛上，扣子负责人乔屿宣布大改版的重磅消息：扣子开发平台（旧版）正式升级为“扣子编程”，并全面拥抱一种全新的开发范式——Vibe Coding。乔屿给它下的定义朴素而动人——用自然语言描述业务需求，进入创造开发的心流。在总结时，他说道：告别拖拽，并非否定过去的探索；拥抱心流，是希望每个人都能从机械的操作中解放出来，回到编程最本质的乐趣——“创造本身”。

“告别拖拽，拥抱心流”这句话，几乎可以作为我们这本书的题记。

如果说我们的上一本书《扣子开发AI Agent智能体应用》，一起推开的是“智能体”那扇门，那么这一本书，想要带大家走进的，是一片更开阔的天地——AI原生时代的“心流开发”。

短短一年多时间，扣子这款产品完成了一次脱胎换骨的进化：从最初那个需要把插件、画板卡片等节点一块块手动拼接的旧版工作流，一路迭代到今天的新版 3.0。变化的远不只是版本号，而是开发范式本身。过去，我们要像搭积木一样把能力一节节连起来，稍有疏忽就会卡在某根不起眼的连线、某个字段的格式上；如今的扣子编程，已经能让我们只用一段自然语言把想法讲清楚，剩下的技术选型、数据建模、前后端开发、多端构建乃至上线发布，都交由AI自主完成。乔屿把这套能力凝练为三大支柱——Vibe Agent、Vibe Workflow、Vibe APP，并以打通“最后一公里”的Vibe Infra为其商业化兜底；它们分别对应着“让智能体自我进化”“让复杂流程自动生成又可视可调”“一个想法直接长成跨端全栈应用”。有意思的是，本书的章节脉络，恰好与这三大支柱遥相呼应。

在与上一本书读者的朝夕相处中，笔者收到了成百上千条来自微信群的提问。坦白讲，其中绝大多数并非什么高深难题，而是一个又一个细小的卡点——某个节点的输入变量与前序节点输出没对上、某处JSON少了一个括号、某个引用的字段名差了一个下划线……宝贵的学习热情，就这样被消耗在了这些本不该由人来操心的琐碎细节里。乔屿在大会上的那句洞察，恰恰戳中了这种普遍的困境：编程零基础的用户学会拖拽之后，一遇到复杂逻辑就容易卡壳；而这正是扣子选择“告别拖拽”的根本原因。

把想法落地为产品

古语有云，“将军赶路，不追小兔”。一位奔赴战场的将军，目光始终应当落在远方的城池，而不该被路边窜出的野兔牵走脚步。开发又何尝不是如此——我们真正想抵达的，是“把一个想法变成可用的产品”这座城池；而那些括号、缩进、字段名上的零碎卡点，不过是路边的小兔。扣子3.0中的扣子编程最大的意义，正在于它替我们拦下了这些小兔，让我们得以心无旁骛地“赶路”，把全部心力专注在“想清楚要做什么”上，进入一种酣畅而专注的“心流开发”状态。这，也正是Vibe Coding的精髓所在。

更难得的是，这扇门是向所有人敞开的。乔屿曾回顾扣子的初心——让不会写代码的人也能做出有用的程序和应用，让每个有创意的人都能施展拳脚，实现“软件生产力的平权”。换句话说，心流开发的另一面，正是“零门槛”：你不必懂任何编程语言，不必会拖拽组件、调参连线，只要能把想法用大白话讲清楚，剩下的事就交给扣子编程。本书想做的，便是握住你的手，陪你把这道曾经高不可攀的门槛，彻底跨过去。

这也正是本书与上一本书最根本的不同。上一本书，我们聚焦于“如何把智能体搭出来”，少不了在节点与连线间反复打磨；这一本书，我们聚焦于“如何把想法落地为产品”，让技术细节尽可能地退到幕后。本书选取的案例也更贴近大家的日常：从一句话生成一个网站、一款应用、一组复杂工作流，到为自己量身定制一个能管理订阅的小程序——它们不再是少数技术人的专利，而是人人都用得上、也都做得出的趁手工具。

本书内容概述

本书延续上一本书“由浅入深、案例驱动”的写法，共分13章，循着一条清晰的能力进阶之路徐徐展开。

第1~3章是入门与筑基。第1章介绍扣子编程开发平台，帮助读者认识这套全新的 AI原生开发环境；第2章是通过案例熟悉扣子编程，手把手带领读者走通网页应用、智能体、工作流的完整流程；第3章讲解扣子编程中技能（Skills）开发，结合“挑选短线强势涨停股”的需求，让大家理解如何开发与部署技能。

第4~7章是一段话或一句话造物，对应着扣子的Vibe Coding。第4章“一段话造智能体”，以“小红书爆款笔记生成”为案例，示范一段话生成一个实用智能体的秘密；第5章“一句话造网站”，用每日信息差生成器演示如何凭一句话生成一个可访问的网站；第6章“一句话造应用”，以儿童绘本梦工厂展现一句话生成完整应用的魔力；第7章进入数据分析专家 Agent实战，让AI替我们看数、做图、写报告。

第8~12章是工作流编排的进阶，对应着扣子的Vibe Workflow。从行业热点的单链工作流，到产品全渠道营销的多模态多渠道工作流；从扫描件到结构化数据的AI数据采集，到从多源冲突走向统一可信结果的AI数据质检；再到电商图自动打标的结构化打标工作流——五个案例层层递进，把“让AI自动跑完一条流水线”的能力讲深讲透。

第13章是全书的压轴与升华——从一句话到一个上线的小程序，正是扣子Vibe APP 的生动注脚。我们以一个真实可上线的微信小程序“续费管家”为例，完整呈现扣子编程“从想法到实现”的全栈应用生成能力：只需把产品讲清楚，扣子编程便能自主完成技术选型、数据建模、前后端开发、多端构建、自测验证乃至预览发布的全过程。大家会在这一章里清楚地看到，从“工作流编排”到“应用生成”这一次范式跃迁，究竟意味着什么。

不难发现，本书的智能体、工作流、全栈应用三条主线，恰好与扣子官方的Vibe Agent、Vibe Workflow、Vibe APP一一对应。我们要做的就是，把这些听起来高深的“官方能力”，拆解成一个个你我都能亲手复刻、当天就能上手的实战案例。

跟随本书的案例一路实践下来，大家收获的将不只是一个个具体技能，更是一种AI 原生时代的思维方式——把“实现”的成本交给AI，把“想法（Idea）”的舞台留给自己。

配套资源

本书配套作者微信群答疑服务，读者可用自己的微信扫描下面的二维码下载。

适合的读者

• 需要零基础上手扣子编程的读者
• 对AIGC与AI原生开发感兴趣的技术人员
• 产品经理
• 一人公司创业者
• 智能体应用独立开发者
• 高等院校或高职高专院校学习智能体与AI应用开发课程的师生

致    谢

本书在写作过程中，得到了扣子产品团队的诸多启发——尤其是乔屿及其团队在FORCE原动力大会上提出的“告别拖拽，拥抱心流”这一理念，为本书定下了基调。本书的创作也离不开上一本书读者们在微信群里持续而真诚的反馈——正是那一个个细小的“卡点”，让笔者更清楚这本书该为谁、为何而写。

特别感谢清华大学出版社的编辑老师们，是他们的专业与耐心，让这本书得以更完整地呈现在读者面前。

感谢每一位翻开这本书的读者。愿大家也能在扣子编程里，体会到那种“将军赶路，不追小兔”的酣畅——告别琐碎的拖拉拽，把目光投向远方的城池，让想法自由地生长为产品。

叶彦辛

热忱而真挚的AI布道师

2026年6月

适合的读者

• 零基础上手扣子编程的读者
• 对AIGC与AI原生开发感兴趣的技术人员
• 产品经理
• 一人公司创业者
• 智能体应用独立开发者
• 高等院校或高职高专院校AI应用开发课程的学生

作者简介

叶彦辛，AI布道师，解决方案架构师&AI产品经理，国央企与高校AI培训专家，火山引擎Agent核心开发者，扣子编程技术顾问。《扣子编程从一句话到产品上线：零门槛AI心流开发》《玩转FastGPT：像搭积木一样构建智能体》作者。

宋立桓，中国计算机学会人工智能专委会委员，腾讯云架构师同盟名人堂专家。曾服务于微软公司、腾讯公司。拥有人工智能认证和专利，创作过多本人工智能技术图书。

目录

第 1 章　扣子编程平台介绍1
1.1　扣子编程简介1
1.1.1　扣子编程能做什么1
1.1.2　为什么选择扣子编程2
1.1.3　扣子平台架构3
1.1.4　扣子平台订阅套餐4
1.2　智能体概述6
1.2.1　什么是智能体及智能体的本质6
1.2.2　智能体的两大类型6
1.3　天气查询智能体开发与部署案例7
1.3.1　智能体开发7
1.3.2　智能体部署9
1.4　本章小结13
1.5　思考与练习13
第 2 章　通过案例熟悉扣子编程14
2.1　开发网页应用14
2.1.1　输入需求14
2.1.2　进阶配置15
2.1.3　开发应用16
2.2　开发智能体18
2.2.1　输入提示词18
2.2.2　测试智能体19
2.3　开发工作流21
2.3.1　AI编程开发工作流21
2.3.2　试运行及迭代工作流22
2.4　本章小结24
2.5　思考与练习24
第3章　扣子编程的技能开发25
3.1　技能介绍25
3.1.1　什么是技能 25
3.1.2　技能与插件的本质区别26
3.2　技能的格式和工作机制27
3.2.1　技能标准文件结构27
3.2.2　技能的完整运行机制27
3.3　技能开发基础：Markdown语法28
3.4　技能开发案例：挑选短线强势涨停股31
3.4.1　技能的设计31
3.4.2　技能的开发32
3.4.3　 技能的部署34
3.5　本章小结35
3.6　思考与练习35
第4章　一段提示词造智能体：小红书爆款笔记生成36
4.1　项目规划与需求梳理36
4.1.1　核心功能需求37
4.1.2　开发前的准备38
4.2　开发智能体39
4.2.1　第一轮开发：编写提示词生成基础智能体39
4.2.2　第二轮迭代：针对性优化内容细节与创作逻辑41
4.2.3　第三轮迭代：增加多风格模式与内容多样性42
4.2.4　后续长期迭代与维护方案43
4.3　开发总结和复盘44
4.4　本章小结45
4.5　思考与练习45
第 5 章　一句话造网站：每日信息差生成器46
5.1　项目背景：自媒体人的“早晨四小时”46
5.1.1　一个真实的工作场景46
5.1.2　我们的目标：把四小时压缩到三十秒47
5.2　开发指令的设计47
5.2.1　一句话需求47
5.2.2　深度拆解：AI从这句话里读到了什么47
5.3　见证奇迹：AI 的自主构建过程48
5.3.1　任务规划：先画图纸，再动工48
5.3.2　全栈代码生成：并发优化自动完成48
5.4　危机与转机：图片全挂了48
5.4.1　事故现场48
5.4.2　一句话反馈，AI 自主完成修复48
5.4.3　诊断、修复与意外收获49
5.5　最终成果验收49
5.6　三条心法：如何驾驭 AI 编程50
5.7　本章小结51
5.8　思考与练习51
第 6 章　一句话造应用：儿童绘本梦工厂52
6.1　项目背景52
6.1.1　真实场景：睡前故事的烦恼52
6.1.2　本案例的核心难点：画面一致性54
6.2　提示词设计：业务目标 + 技术策略54
6.2.1　一句话指令54
6.2.2　业务目标与技术策略的双重声明54
6.3　AI的“心理活动”：比你想得更周全55
6.3.1　第一步：拆解需求55
6.3.2　第二步：环境侦察55
6.3.3　第三步：制订计划56
6.4　关键时刻：它自己修好了 Bug56
6.5　成果展示：所见即所得58
6.5.1　界面：懂你没说出口的审美58
6.5.2　连续画风：技术实力的体现58
6.5.3　自动排版：上图下文60
6.6　总结：从“如何做”到“做什么”60
6.7　本章小结61
6.8　思考与练习61
第 7 章　数据分析专家Agent62
7.1　项目背景与价值62
7.1.1　从真实工作场景说起62
7.1.2　传统数据分析方案的三条路径与各自的痛点63
7.1.3　大模型时代的第四条路径：智能体化63
7.1.4　典型应用场景63
7.2　Agent能力设计64
7.2.1　动态 SQL 查询能力64
7.2.2　Python 可视化能力64
7.2.3　Markdown 报告生成能力64
7.2.4　能力协同：编排才是真正的难点65
7.3　面向Agent的提示词设计方法论65
7.3.1　从一段提示词说起65
7.3.2　决策点一：角色定位先于能力描述65
7.3.3　决策点二：用动词拆解能力65
7.3.4　决策点三：明确数据来源66
7.3.5　决策点四：关键约束前置声明66
7.3.6　决策点五：指定输出格式66
7.4　基于扣子编程的实现过程67
7.4.1　扣子编程的工作范式67
7.4.2　集成组件的识别与选用67
7.4.3　工具实现一：SQL 执行工具68
7.4.4　工具实现二：图表生成工具68
7.4.5　Agent 主体编排69
7.4.6　调试过程中的典型问题70
7.5　运行效果验证72
7.5.1　测试数据集的设计思路72
7.5.2　Agent的执行流程展示73
7.5.3　三幅图的中文渲染验证74
7.5.4　Markdown 报告的完整输出76
7.5.5　与设计目标的逐项对照78
7.6　经验总结与迁移应用78
7.6.1　五条关键经验78
7.6.2　迁移场景矩阵79
7.6.3　扩展方向展望79
7.6.4　当前版本的局限性79
7.7　本章小结80
7.8　思考与练习80
第 8 章　行业热点内容生成工作流 81
8.1　项目背景与价值81
8.1.1　从一位新媒体编辑的清晨说起81
8.1.2　内容生产的五重难关82
8.1.3　传统应对方案的三种姿态82
8.1.4　工作流时代的新答案83
8.1.5　典型应用场景83
8.2　工作流与单Agent：能力设计的范式选择84
8.2.1　Agent与工作流的本质差异84
8.2.2　适用边界的判断准则84
8.2.3　九节点能力拆解85
8.2.4　条件分支：让流程具备判断力86
8.2.5　编排难点：节点契约与数据流86
8.3　面向工作流的提示词设计方法论86
8.3.1　从一段完整的工作流提示词说起86
8.3.2　决策点一：先描述目标，再描述结构87
8.3.3　决策点二：节点输入输出的契约化定义87
8.3.4　决策点三：分支与路由的显式化88
8.3.5　决策点四：模型能力与外部能力的混合编排88
8.3.6　决策点五：终端输出的可发布性约束88
8.3.7　决策点六：图像生成的视觉约束88
8.4　工作流九个节点的实现过程89
8.4.1　节点1：开始节点与字段约束89
8.4.2　节点2：新闻搜索节点（联网搜索）90
8.4.3　节点3：热点定调节点（大语言模型）91
8.4.4　节点4：内容模式路由节点（条件判断）92
8.4.5　节点5：深度解读与盘点汇总（双分支）92
8.4.6　节点6：文章生成节点（结构化输出）93
8.4.7　节点7：图片提示词规划节点94
8.4.8　节点8：图片生成节点（生图模型）94
8.4.9　节点9：结束节点与输出契约95
8.4.10　调试过程中的典型问题95
8.5　运行效果验证96
8.5.1　测试关键词的设计思路96
8.5.2　工作流执行流程展示97
8.5.3　输出结果剖析97
8.5.4　与设计目标的逐项对照98
8.6　经验总结与迁移应用99
8.6.1　六个关键经验99
8.6.2　迁移场景矩阵100
8.6.3　扩展方向展望100
8.6.4　当前版本的局限性100
8.7　本章小结101
8.8　思考与练习102
第9章　产品全渠道营销工作流 103
9.1　项目背景与价值104
9.1.1　从一位品牌运营经理的清晨说起104
9.1.2　全渠道营销的四重困境104
9.1.3　传统应对方案的三种模式104
9.1.4　多模态工作流时代的新答案105
9.1.5　典型应用场景105
9.2　工作流能力设计：从单输入到多输出的能力分层106
9.2.1　多模态输入：让图像成为工作流的第一驱动力106
9.2.2　三渠道差异化：内容人格的精确切分107
9.2.3　能力拆解：8+3节点的工程化划分107
9.2.4　并行与串行：让差异化与一致性同时成立108
9.3　面向多模态工作流的提示词设计方法论109
9.3.1　从一段完整的工作流提示词开始109
9.3.2　决策点一：多模态输入的显式声明110
9.3.3　决策点二：先解码、后创作的工序声明110
9.3.4　决策点三：差异化人格的角色化描述110
9.3.5　决策点四：每条渠道的视觉氛围前置约束110
9.3.6　决策点五：文案与配图的串行依赖声明111
9.3.7　决策点六：合规护栏的隐式植入111
9.3.8　决策点七：终局打包的输出契约111
9.4　基于扣子3.0的实现过程112
9.4.1　扣子编程对多模态工作流的支持112
9.4.2　集成识别与选用112
9.4.3　节点1：产品解码节点113
9.4.4　节点2/5/8：三渠道文案生成节点114
9.4.5　节点3/6/9：三渠道生图提示词优化节点114
9.4.6　节点4/7/10：三渠道图片渲染节点115
9.4.7　节点11：素材打包节点115
9.4.8　主图编排：让11个节点协同流动116
9.5　运行效果验证117
9.5.1　测试输入设计117
9.5.2　工作流执行流程展示118
9.5.3　三套素材输出剖析119
9.5.4　与设计目标的逐项对照121
9.6　经验总结与迁移应用121
9.6.1　七个关键经验121
9.6.2　迁移场景矩阵122
9.6.3　扩展方向展望122
9.6.4　当前版本的局限性123
9.7　本章小结124
9.8　思考与练习124
第 10 章　AI数据采集工作流126
10.1　项目背景与价值127
10.1.1　从一位证券研究员的清晨说起127
10.1.2　非结构化数据的四重困境127
10.1.3　传统应对方案的三种姿态128
10.1.4　AI数据采集时代的新答案128
10.1.5　典型应用场景129
10.2　工作流能力设计：从输入端范式到输出端范式的转向129
10.2.1　输出端范式：目标Schema驱动的提取129
10.2.2　数据采集与数据生成的适用边界130
10.2.3　七节点能力拆解130
10.2.4　数值校验闭环：让AI数据采集“可信”131
10.3　面向数据采集工作流的提示词设计方法论132
10.3.1　从一段完整的工作流提示词说起132
10.3.2　决策点一：输入形态的具体化声明134
10.3.3　决策点二：目标Schema驱动135
10.3.4　决策点三：工序声明先于节点结构135
10.3.5　决策点四：角色化描述的隐式植入135
10.3.6　决策点五：视觉理解约束的前置声明136
10.3.7　决策点六：数值校验闭环的显式契约136
10.3.8　决策点七：合规与质量护栏136
10.3.9　决策点八：输出契约的多产物声明136
10.4　基于扣子编程的实现过程137
10.4.1　扣子编程对扫描型PDF工作流的支持137
10.4.2　集成识别与选用137
10.4.3　节点1：开始节点与字段约束138
10.4.4　节点2：页面切分节点（pdf_split）139
10.4.5　节点3：OCR 识别节点（ocr_loop，循环子图）139
10.4.6　节点4：表格区域定位节点（table_locate）140
10.4.7　节点5：字段语义锚定节点（field_anchor）141
10.4.8　节点6：数值校验节点（value_validate）142
10.4.9　节点7：异常标注节点（anomaly_mark）143
10.4.10　节点8：CSV 输出节点（csv_output）143
10.5　运行效果验证144
10.5.1　测试输入设计144
10.5.2　工作流执行流程展示145
10.5.3　CSV 输出结果剖析146
10.5.4　与设计目标的逐项对照147
10.6　经验总结与迁移应用148
10.6.1　八个关键经验148
10.6.2　迁移场景矩阵149
10.6.3　扩展方向展望150
10.6.4　当前版本的局限性150
10.7　本章小结151
10.8　思考与练习152
第 11 章　AI 数据质检工作流154
11.1　项目背景与价值155
11.1.1　从一位投研经理的下午说起155
11.1.2　多源数据冲突的五重困境155
11.1.3　传统数据质检方案的三种姿态156
11.1.4　AI数据质检时代的新答案156
11.1.5　典型应用场景157
11.2　工作流能力设计：从单源采集到多源仲裁157
11.2.1　数据治理的范式跃迁：从单源采集到多源仲裁158
11.2.2　数据采集与数据质检的能力边界158
11.2.3　八节点能力拆解159
11.2.4　仲裁规则：让冲突变得可解释159
11.3　面向多源数据质检工作流的提示词设计方法论160
11.3.1　从一段完整的工作流提示词说起160
11.3.2　决策点一：多源输入形态的显式声明162
11.3.3　决策点二：目标 Schema 与主键的同步声明163
11.3.4　决策点三：工序声明先于节点结构163
11.3.5　决策点四：角色化描述的隐式植入163
11.3.6　决策点五：数据对齐约束的前置声明163
11.3.7　决策点六：多源冲突仲裁规则164
11.3.8　决策点七：数值校验闭环的延续164
11.3.9　决策点八：合规与质量护栏164
11.3.10　决策点九：输出契约的多产物声明165
11.4　基于扣子编程的实现过程165
11.4.1　扣子编程对多源数据治理的支持165
11.4.2　集成识别与选用166
11.4.3　节点1：开始节点与字段约束166
11.4.4　节点2：数据加载节点167
11.4.5　节点3：主键对齐节点167
11.4.6　节点4：字段级冲突检测节点168
11.4.7　节点5：异常值检测节点168
11.4.8　节点6：仲裁规则应用节点169
11.4.9　节点7：数值勾稽校验节点170
11.4.10　节点8：审计报告生成节点171
11.4.11　节点9：输出打包节点172
11.5　运行效果验证172
11.5.1　测试输入设计172
11.5.2　工作流执行流程展示173
11.5.3　三类核心输出剖析174
11.5.4　与设计目标的逐项对照176
11.6　经验总结与迁移应用177
11.6.1　九个关键经验177
11.6.2　迁移场景矩阵178
11.6.3　扩展方向展望179
11.7　本章小结180
11.8　思考与练习181
第 12 章　电商图自动打标工作流182
12.1　项目背景与价值182
12.1.1　真实场景：双十一前的 500 款新品182
12.1.2　用 AI 工作流解决的新思路183
12.1.3　本案例的两个隐形大坑183
12.2　工作流的设计：像 CTO 一样思考183
12.2.1　一段工程化的指令183
12.2.2　拆解：AI 是如何理解“工程化指令”的184
12.3　关键技术突破185
12.3.1　预处理：给 AI 戴上一副“眼镜”185
12.3.2　结构化输出：让数据“规规矩矩”185
12.4　运行验证：见证“金牌理货员”的诞生186
12.4.1　处理过程186
12.4.2　最终产出186
12.4.3　设计目标与实际运行结果的对照186
12.5　经验总结与迁移应用187
12.5.1　三条避坑指南187
12.5.2　迁移场景矩阵187
12.6　本章小结187
12.7　思考与练习188
第13章　从一句话需求到上线“续费管家”小程序189
13.1　从工作流到应用：一次范式跃迁190
13.1.1　真实场景：一个被遗忘的订阅190
13.1.2　个人开发者面前的“三座大山”190
13.1.3　两种产物的边界：工作流与应用191
13.1.4　扣子编程的“想法到实现”能力191
13.2　入口：新建一个编程项目192
13.2.1　从“新建编程项目”说起192
13.2.2　三种应用形态：网页、移动、小程序192
13.3　一句话需求的解构：应用描述五要素193
13.3.1　从一段产品化的指令说起193
13.3.2　要素一：产品定位与平台命名194
13.3.3　要素二：数据模型（实体与字段）194
13.3.4　要素三：页面与导航结构195
13.3.5　要素四：业务规则与计算逻辑195
13.3.6　要素五：设计与部署约束195
13.4　实现过程：一名“数字全栈工程师”的工作日志196
13.4.1　第一步：勘探与规划——AI如何理解“做一个应用”196
13.4.2　第二步：技术栈选型——Taro＋NestJS＋Supabase197
13.4.3　第三步：后端API——一组规整的RESTful接口198
13.4.4　第四步：前端三页面与TabBar198
13.4.5　第五步：五道验证关卡199
13.5　AI协同调试：3个真实的工程现场199
13.5.1　现场一：被误删的函数体（formatCost）199
13.5.2　现场二：toast函数签名不匹配200
13.5.3　现场三：小程序不兼容的小数类名200
13.6　运行验证：庆贺“续费管家”的诞生201
13.6.1　五项验证全部通过202
13.6.2　前后端契约匹配验证202
13.6.3　成品一览：运行界面202
13.6.4　预览与发布：配置小程序AppID203
13.6.5　设计目标与实际交付的对照203
13.7　经验总结与迁移应用204
13.7.1　七条关键经验204
13.7.2　迁移场景矩阵205
13.7.3　何时用应用生成，何时用工作流编排205
13.8　本章小结206
13.9　思考与练习206