一个让我崩溃的场景
上周，产品经理把一份 12 页的 PRD 拍到我桌上：“这个版本我们要给小程序接入 AI 能力，涉及 47 个后端接口，覆盖商品搜索、订单查询、智能客服、个性化推荐四个场景，每个场景要有完整的 skill 声明、MCP schema 和业务流程图。月底上线。”
我当时的第一反应是：你知道这工作量有多大吗？
为了让微信小程序的 AI 助手能「理解」我们的业务，我需要手写：
每个 skill 的 SKILL.md（业务流程、接口依赖、意图分流）
每个接口的 mcp.json（inputSchema / outputSchema / meta.ui）
每个接口的 apis/.js（标准的 { isError, content, structuredContent, _meta } 返回格式）
组件的 components/（wx.modelContext.getContext 对接）
统一的 index.js（createSkill + registerAPI 注册）
按一个接口耗时 30 分钟保守估计，47 个接口就是 23.5 小时，再加上 4 个场景的 skill 划分、流程图绘制、约束写定……一周不吃不睡都悬。
直到我遇到了 WeChat AI Skill Builder（https://www.wechatse.com/）。
生产环境实战：Web 界面操作全流程
我们团队已将 WeChat AI Skill Builder 部署到生产环境，通过 https://www.wechatse.com/ 即可在线使用。整个过程无需安装任何本地工具，打开浏览器就能完成从扫描到导出的全链路操作。下面是我实际操作的全流程截图。
步骤一：访问平台首页
打开 https://www.wechatse.com/，登录后进入 WeChat AI Skill Builder 的 Web 操作界面。首页简洁明了，所有功能入口一目了然。

图 1：WeChat AI Skill Builder 生产环境首页

步骤二：上传小程序项目
点击「选择文件」，将微信小程序源码目录导入平台。支持直接上传整个项目文件夹，平台会自动识别 app.json、页面结构、API 调用等。

图 2：上传/选择小程序项目

步骤三：一键扫描分析
这里输入要生成的“AI能力”的业务流程描述，再点击“AI分析流程”，平台自动分析小程序的 app.json 配置、所有页面的 API 调用链、WXML 数据绑定以及已有的 mcp.json 声明，输出结构化的扫描报告。整个过程通常在十几秒内完成。

图 3：选择流程驱动

步骤四：还可以选择AI自动分组
“AI自动分组”意思是不指定流程过程，由AI给你自动业务分组，并输出多个skill的生成模式，你可以查看每个页面的接口依赖详情、参数结构、调用关系图。所有信息一目了然，再也不用逐行翻代码了。

图 4：选择AI自动分组

步骤五：AI 智能规划 Skill 分组
平台内置 LLM 智能规划引擎。勾选「AI 智能分组」，系统会自动分析所有 API 的业务语义，将它们归入合理的 task-oriented skill 分组——比如「商品浏览」「购物车管理」「订单管理」等，每个 skill 职责单一、边界清晰。

图 5：AI 智能规划 Skill 分组

步骤六：流程驱动生成 Skills
这里使用「流程驱动」模式：直接用自然语言描述业务流程（如“搜索商品→加入购物车→下单支付→查看物流”），LLM 会自动匹配所需 API 接口，生成完整的 skill 配置。产品经理也能轻松上手。

图 6：流程驱动 Skills 生成配置

步骤七：生成 & 预览 Skills 目录
确认配置后，点击「生成 Skills」。系统自动输出完整的 skills 目录结构，包括 SKILL.md（含业务流程图和接口依赖表）、mcp.json（含完整 JSON Schema）、apis/.js（原子接口实现）、components/ 和 index.js。你可以在线预览每一项内容。

图 7：Skills 目录生成结果预览

步骤八：一键下载导出
最后，点击「下载」按钮，将整个 skills 目录打包下载。解压后直接放入小程序项目即可接入 AI 能力，无需任何二次修改——因为一切输出都已严格遵循微信官方的《小程序 AI 开发模式接入指南》。

图 8：下载导出 Skills 包

为了统计验证我们到底能有多快生成小程序的“AI能力”skill，我们内部使用命令行模式：一个命令搞定一切
除了 Web 界面，WeChat AI Skill Builder 本地部署也提供了强大的 CLI 命令行工具，适合集成到 CI/CD 流水线或本地开发环境。
在项目根目录下，我敲下了第一个命令：
wechat-ai scan ./miniprogram -o report.json
工具自动扫描了整个小程序的源码：app.json 的页面配置、每个页面中的 API 调用、WXML 中的数据绑定、以及已有的 mcp.json 声明。输出了一个结构化的 JSON 报告，把所有页面的接口依赖、参数结构、调用链梳理得一清二楚。
这步手工需要至少 4 个小时的代码阅读和整理，工具用了 6 秒。
然后，我直接基于报告生成 skills：
wechat-ai generate ./miniprogram -r report.json -o ./skills
SKILL.md（含业务流程图 + 接口依赖表 + 约束 + 意图分流）、mcp.json（含完整 JSON Schema）、apis/.js（原子接口实现）、components/（原子组件）、index.js（注册入口）—— 全套目录，一个命令全部生成。
打开生成的 mcp.json 检查了一下，inputSchema 的参数类型、必填字段、枚举值、outputSchema 的数据结构、_meta.ui 的展示配置，全部符合微信官方的《小程序 AI 开发模式接入指南》规范。
47 个接口，从零到可用的 skills 目录，不到 2 分钟。
「流程驱动生成」—— 产品经理都能用的黑魔法
更让我震惊的是 --flow 参数。我让产品经理自己试了一下：
wechat-ai generate ./miniprogram --flow “搜索商品→加入购物车→下单支付→查看物流” --model deepseek-v4-flash
她只写了一句业务流程图，工具背后的 LLM 自动理解了这个流程需要哪些页面、哪些 API，然后匹配小程序中已有的接口，自动分组生成了一个完整的「购物全链路」skill。
生成的 SKILL.md 里不仅包含了正确的流程图，还自动补全了每个步骤的接口依赖、异常处理约束和意图分流逻辑。她看完说：“这比我写的需求文档还清楚。”
这个功能让我意识到：AI skill 开发的门槛，真的被拉到零了。
四个核心功能，覆盖全链路
使用下来，这个工具链完整覆盖了小程序 AI 开发的四个环节：
功能 命令 / 方式 解决什么问题
扫描分析 wechat-ai scan / Web 上传 自动梳理小程序页面、API 调用、数据绑定，生成结构化报告
生成 Skills wechat-ai generate / Web 一键生成 从扫描结果一键生成符合官方规范的 skills 目录
API 转换 wechat-ai convert / Web 导入 将已有的 OpenAPI/Swagger 规范直接转为 skills 服务
可视化界面 wechat-ai serve / wechatse.com 浏览器中操作所有功能，零命令行门槛，团队协作

特别是 wechat-ai convert，如果我们后端已经有 OpenAPI 3.x 或 Swagger 2.0 规范文档，一条命令就能把全部接口转成小程序可用的 skills，连扫描步骤都省了：
wechat-ai convert openapi.json -n user-service --base-url https://api.example.com
「AI 智能规划」—— 让 LLM 帮你做 skill 拆分
前面说的都是已知流程、已知接口的情况。但如果你面对一堆接口不知道该怎么分组，–ai 模式就是救星：
wechat-ai generate ./miniprogram --ai --model deepseek-v4-flash
LLM 会自动分析所有 API 的业务语义，将它们分组为多个 task-oriented skill —— 比如「商品浏览」「订单管理」「用户中心」「客服对话」—— 每个 skill 职责单一、边界清晰，完全符合官方最佳实践中「一个 skill 做一件事」的原则。
这一步，如果是人工来做 —— 分析 47 个接口的语义、阅读每个页面的调用场景、权衡粒度 —— 至少需要半天。AI 模式 30 秒出结果。
数字说话：效率提升多少？
回到开头那个场景。我们用实际数据对比：
环节 手工开发 使用 wechat-ai-tools
代码扫描 & 接口梳理 4 小时 6 秒
47 个接口的 mcp.json 编写 12 小时 30 秒
47 个 apis/*.js 实现 6 小时 30 秒
4 个 skill 的 SKILL.md 编写 4 小时 自动生成
业务流程图绘制 & 校验 3 小时 自动生成
组件中间件对接 2 小时 自动生成
规范校验 & 修 bug 3 小时 内置校验
总计 约 34 小时（近一周） 约 5 分钟

效率提升：34 小时 → 5 分钟，提升约 99.75%。说 99% 其实还保守了。
用户使用我们的生产环境则更加简单——直接访问 https://www.wechatse.com/ 即可使用全部功能，无需任何本地安装配置。
我的真实感受
用这个工具之前，我觉得微信小程序的 AI 开发模式接入是一项「门槛高、工作量大、容易出错」的苦差事。
用了之后，我才意识到问题不在于「难」，而在于缺少自动化。wechat-ai-tools 做的事情本质上是把机械重复的手工劳动 —— 解析代码结构、生成 JSON Schema、组装标准格式的代码文件 —— 交给了机器，把人解放出来专注在业务逻辑设计上。
尤其是 Web 界面的 AI 智能分组和流程驱动功能，让我觉得这不止是一个代码生成器，更像是一个 AI 开发的协作伙伴：你描述业务意图，它理解、匹配、生成，最后交给你一个可以直接接入的完整 skill 包。
最后
如果你也在做微信小程序的 AI 能力接入，不管是一个接口还是上百个，我都建议你试一下 WeChat AI Skill Builder。它可能不会让你的代码变强，但它会把你从重复劳动中解放出来 —— 而省下来的时间，才是真正该花在创造上的。
毕竟，一个web界面加鼠标就能搞定的事，为什么要写一周？