目录

一、AI编程到底能走多远

二、环境搭建：WorkBuddy + 蓝耘MaaS

2.1 注册与API配置

三、实战一：5分钟打造Commit Message生成器

3.1 痛点与思路

3.2 提示词设计

四、实战二：SQL智能助手，让数据库说人话

4.1 又一个硬需求

4.2 成品远超预期

五、总结：不要等完美模型，先用起来

---

今天想跟大家聊一个我最近一直在琢磨的事。

一、AI编程到底能走多远

就是用AI写代码这个事，到底能写到什么程度。

我是个特别爱折腾的人，之前用各种AI编程工具，Claude Code、Cursor、Copilot，都试过。说实话，都还不错，但每次用都有一种感觉，就是模型这个东西，它就像一个实习生，能力是有的，但你得给它配一个足够好的「带教环境」，它才能发挥出来。

最近我在用一个叫WorkBuddy的AI编程助手，这玩意挺有意思的，它本身不绑定某个模型，你可以自己接API进去。也就是说，模型是模型，工具是工具，它帮你把模型的能力编排成一个完整的开发工作流。这就给了我一个空间，可以拿不同的模型来做对比测试。

二、环境搭建：WorkBuddy + 蓝耘MaaS

然后我就想，最近大家都说蓝耘MaaS平台上那个qwen3.7-max模型很强很强，到底有多强，我用自己的方式测一把。

2.1 注册与API配置

接入其实很简单，在WorkBuddy里配置模型的时候，把蓝耘MaaS的API填进去就行。

这里接入蓝耘MaaS平台的qwen3.7-max模型，最近都在说这个模型很强很强，让我看看是怎么个事

蓝耘平台这个平台，可能有些朋友不太熟，它是一个模型即服务的平台，上面接了不少主流大模型，qwen系列、DeepSeek都有，价格还挺便宜的。

注册完账号，来到控制台，找到API Key管理。

三、实战一：5分钟打造Commit Message生成器

3.1 痛点与思路

这里我选的模型是qwen3.7-max。这个模型最近在圈子里的风很大，到处都在说它代码能力怎么怎么强，推理能力怎么怎么猛，我就想，别光听别人吹，我自己来试试。

环境配好之后，打开对话窗口，先随便问了一句，确认一下模型是不是真的切过来了。

3.2 提示词设计

可以看到回复里确实标注了当前使用的是qwen3.7-max，没毛病，环境就绪。

那既然模型已经在线了，就不能浪费，我得搞点实际的事情出来。

我一直在想一个事，就是每次提交代码的时候，写commit message这件事，真的特别烦。你知道那种感觉，代码写完了，逻辑跑通了，心情正好，结果git commit的时候要你想一句规范的提交信息，feat还是fix，scope写什么，message怎么措辞，每次都要纠结半天。

Conventional Commits规范这个东西，大家都说好，但真的没几个人能坚持写规范的。就好比健身，道理都懂，但能坚持去健身房的有几个。

所以我就想，能不能让AI帮我干这个事。我输入一句中文描述，它直接给我吐一行规范的commit message，我复制粘贴就完事了。

说干就干。

我先写了一段提示词，把Conventional Commits的规范、类型判断规则、scope推断逻辑、翻译要求，全都整理好喂给它。

你是一名资深 Git Commit Message 生成助手。

你的唯一任务是：
根据用户输入的一句话功能描述，生成规范、专业、简洁的 Git Commit Message。

严格遵循 Conventional Commits 规范。

# Conventional Commit 类型

只能使用下面这些类型：
feat fix docs style refactor perf test build ci chore revert

不要发明新的 type。

# Scope

如果可以推断模块，则自动添加 scope。
例如 auth login user admin payment order cart search api ui config db cache router upload image editor profile

如果无法判断，可以省略 scope。


### 3.3 成果与成本

# 输出格式

type(scope): message 或者 type: message

message 使用英文。全部小写。不要句号。不要结尾标点。长度尽量控制在 72 个字符以内。

# Few-shot Examples

用户：新增商品收藏功能
输出：feat(favorite): add product favorites

用户：修复登录验证码失效
输出：fix(auth): resolve captcha validation issue

用户：增加头像上传
输出：feat(upload): support avatar upload

开始工作。以后无论用户输入什么，都只返回一行 Commit Message。

你们想的是开发一个工具是不是会消耗很多的token，毕竟烧token就等于烧钱，但是我在蓝耘MaaS这里，就花了0.44就搞定了，你觉得怎么样。

四、实战二：SQL智能助手，让数据库说人话

4.1 又一个硬需求

写完提示词，发给WorkBuddy，然后我就等着。

你猜怎么着。

几分钟。

真的就几分钟，一个完整的工具就出来了。不是那种半成品，是真的能用的，有输入框，有类型自动识别，有scope推断，有一键复制，还有历史记录。

4.2 成品远超预期

我当时就愣了一下。

因为以前自己手写这种小工具，怎么也得搞一两个小时，先写HTML骨架，再调CSS样式，再写JavaScript逻辑，debug半天，改改改。现在喝口水的功夫，它就给你整出来了。

五、总结：不要等完美模型，先用起来

说实话这两轮测下来，我对qwen3.7-max的印象挺好的。

坦率的讲，以前我总觉得国产模型在代码能力上跟Claude、GPT-4这些还有差距。但这次测试让我改观了不少。不是说什么复杂架构设计、什么高难度算法优化，就是这种中小型工具的开发，qwen3.7-max的完成度是很高的。代码能跑，逻辑清晰，UI也不丑，关键是速度快，成本低。

几块钱加几分钟，两个工具。

你想想以前这种活儿，要么自己干一两个小时，要么找个外包几百块。现在一块钱都不到。

当然了，我也不是说它什么都能干。复杂的、需要深度业务理解的、需要跨文件重构的活儿，它还是有短板。这个我得说清楚，不然就变成无脑吹了。但作为一个日常开发辅助，作为一个帮你把想法快速变成原型的工具，它已经够用了。

我觉得吧，AI编程这个事，不需要等一个完美的模型出现才开始用。而是在模型还没那么完美的时候，就开始用它干活，用它试错，用它把效率提上去。

模型会越来越强，但你的使用习惯和经验，是跟着你走的。

这就像当年刚有智能手机的时候，很多人觉得「等手机更好了再说」，但那些一开始就上手折腾的人，早就摸透了各种玩法，等好工具来了直接起飞。AI编程也是一样的道理。

蓝耘MaaS这个平台，加上qwen3.7-max这个模型，再加上WorkBuddy这个工具链，我觉得对于想低成本试水AI编程的朋友来说，是一个不错的组合。模型便宜，工具免费，试错成本几乎为零。

你如果也有什么想用AI实现的工具想法，真的可以去试试。成本就几毛钱的事，万一成了呢。

磨平一些信息差。