在经历了半年的项目实践,今天我将以非技术人员的视角,用通俗易懂的方式带领各位创造者了解我是如何面对复杂项目的,以及深刻理解其中背后的思考。
让你可以在AI编程过程中,无论是单项目的深度迭代问题还是多项目的管理问题,都能找到对应的解决方法与思路。同时,也是对鸭霸单词App这款产品的近期大版本AI编程迭代进行一场复盘总结。
接下来,跟着这场茶话会,让我们一起来一场关于 AI 编程的深度行动,探究复杂项目的实践技巧吧~
本次分享会主要围绕AR编程方向,介绍了鸭霸单词APP的开发实践。鸭霸单词是一款背单词的APP,目前已上线两个版本。在开发过程中,通过AI编程实现了大量实际生产中的产品化能力。分享会主要探讨了在复杂项目中如何进行AI编程实践,以及在这个过程中遇到的一些棘手问题。同时,分享了一些在实践过程中发现的小技巧,以提高工作效率。
二、基于AI驱动的素材设计工作流
2.1 AI 在产品设计中的应用探索
主要讨论了四个方面:1. 基于AI驱动的素材设计工作流,包括图片设计和数据处理;2. 配置化,如离线数据管理;3. 功能组件化,如何在多个项目中应用组件化思想;4. 小技巧,分享一些工具使用的小技巧。会议中还提到了AI产品如Mid Journey、Stable Diffusion等,以及独立开发者在AI工具选择上的需求,即高效而非专业化。
2.2 AI 生产工具的使用与演示
介绍了一款AI生产工具Request,它无需安装客户端,免费使用,操作简单易用。Request主要用于图像创作,包括官方预设风格和自定义风格。用户可以在官方提供的预设风格基础上,通过自定义风格来满足个性化需求。此外,Request还支持生成多张系列图,用户只需输入提示语,即可快速生成符合需求的图像。
2.3 AI 图像生成与微调操作指南
主要介绍了如何使用AI生成风格化的图片。首先,在生成过程中可以选择PNG或JPG格式。如果要进行自定义,可以在小红书等平台上找到喜欢的图片,然后点击创建自定义风格。在设置中选择分类和提示语,测试效果后添加到自己的风格里。整个生成过程非常快,一般在30秒内完成。生成的图片风格基本接近,但可以通过微调来进一步优化。需要注意的是,AI生成的是风格化的图片,而不是图像编辑产品,更多是图像生成。
2.4 AI 在产品设计中的应用实践
主要讲述了如何利用AI工具Request和figma进行产品操作说明,以及如何通过AI编程解决数据处理问题。在设计素材阶段,通过Request生成相同风格的图片,提高工作效率。在数据处理方面,通过AI编程批量生成结构化数据,解决了用户学习成本高和单词书数据结构不一致的问题。同时,也提到了如何通过交叉验证来保证数据的准确性。
2.5 AI 在数据处理中的应用与优化
主要讲述了数据处理的过程,包括寻找数据源、数据处理、核对数据、AI编程、修复数据等步骤。首先从GitHub等平台寻找数据源,然后通过Python脚本进行处理。在处理过程中,可能会遇到一些问题,如格式不统一等,此时需要使用AI编程来解决问题。最后,通过AI编写脚本来修复数据,确保数据的格式和内容符合要求。整个过程旨在提高工作效率,通过批量化的方式进行数据核对和处理。
2.6 批量生成结构化数据的技巧分享
讨论了如何批量生成结构化数据的技巧,并指出这些技巧不仅适用于英语单词书的概念,还可以应用于其他领域,如日志预设。会议中提到,结构化输出需要统一的格式和内容,这需要创造者们进行交流和探讨。
三、离线数据管理技术概念
3.1 AI 编程与技术门槛的降低
主要讲述了AI编程技术如何弱化学习技术的门槛,通过AI编程手段来创造更强的产品。同时,也讨论了离线数据存储的技术概念,包括核心数据和结构化数据。核心数据的特征是无限的数据容量,但管理上可能不太方便。而结构化数据的特征是丰富的数据,需要跨设备同步。最后,提到了AI给到的技术方案,以及如何根据具体场景选择合适的技术。
3.2 数据存储技术选择与实践经验分享
讨论了临时性数据的存储问题,提到了两种技术:一种是右边的技术,可以存储少量数据,但不支持iCloud同步;另一种是左边的技术,类似于本地数据库,可以实现跨设备的数据同步。同时,提到了离线数据存储的重要性,认为在前期阶段,服务端开发可能不是必要的,而是要关注如何快速提供用户价值。目前,讲者所有的app都没有对接上服务端,但正在与合作伙伴尝试在网站类项目中实现服务端的对接。
四、组件化思维与实践
4.1 提高开发效率的组件化思维
主要讲述了提高开发效率的方法,包括组件化思维。组件化思维是指将软件开发中的功能模块化,以提高开发效率。通过将支付、转账、网店等功能进行组件化,可以实现快速复用和修改,从而提高开发效率。此外,组件化的概念还可以帮助建立规范,降低AI编程的失败率。
4.2 组件化开发与复用实践
主要讲述了组件化开发的概念和实现方式。首先,通过复用已有的功能组件,如红包支付、余额充值等,可以方便地在不同项目中使用。其次,通过将多语言资源、数据模型等封装在组件中,可以提高代码的可复用性和可维护性。最后,通过配置文件,可以在不同项目中根据需求进行调整和修改。这种组件化开发方式可以提高开发效率,降低项目间的耦合度。
4.3 组件说明文档在项目中的应用
主要讲述了组件说明文档的作用,一方面是为了方便自己查看组件的逻辑和流程图,另一方面是为了让AI了解如何使用这个组件。在复制组件到另一个项目时,可以通过查看文档来指导AI进行操作。此外,还提到了一个插件文件,可以帮助更新说明文档。在实际项目中,可以根据需要调整AI的询问次数,以提高工作效率。
4.4 组件化开发的理解与应用
组件化开发并不像听起来那么高深,对于独立开发者或想开发一款产品的开发者来说,可以理解为一套代码能够复用。组件化开发的核心在于复用已有功能,而不是核心功能。例如,开发一款日志类APP,可以在第二款APP中直接复制第一款的代码,只需根据具体场景进行一些典型功能和场景化设计。这样,在开发第二款产品时,可以减轻重复开发的负担。
4.5 组件化开发与优化的理解与应用
主要讲述了组件化开发的概念和分类,分为功能组件化和界面组件化。功能组件化主要用于实现各种功能,如设置页面、支付等功能;界面组件化主要用于实现各种界面元素,如弹窗、导航栏等。通过将不同功能的组件进行组合,可以提高开发效率。同时,会议还提到了在开发新APP时,尽量在第一个版本就实现功能组件化,以提高开发效率。
4.6 AI组件化与开源的探索
讨论了组件化支付功能的想法,短期内可能会在小范围内开源部分组件,以便更多人试用。长期目标是让更多人能够使用AI编程产品,降低开发门槛。此外,还提到了关注讲者和APP两个组件,通过这些入口将流量引导到其他产品。新手引导模块是一个可选项,用于提高产品质感或体验。引导模块是可配置的,可以通过复制到不同项目或APP中,只需改变文字内容和动画效果。
4.7 AI编程中的算法组件应用
主要讲述了算法组件的开发和应用。算法组件可以理解为一个文件,输入和输出内容,中间的逻辑都在文件里处理。通过将算法组件化,可以提高代码的复用性和一致性,减少代码量,降低出错率。在界面组件化方面,可以通过主题配色组件来实现产品界面的统一风格。这种方法在视觉设计类产品中尤为重要,可以将整个产品的界面元素和配色方案进行统一。
4.8 AI 编程的设计与应用
主要讲述了设计领域的风格统一性和配色的重要性,以及组件化概念在开发中的应用。通过一个具体的案例,说明了如何将支付功能抽象成组件,以便在其他项目中复用。此外,还分享了AI编程的小技巧,如生成预览数据和模拟数据,以提高测试效率和方便截图分享。
五、一些 AI 编程小技巧
5.1 AI 在数据分析中的应用与挑战
讨论了AI在图标分析、数据分析等方面的应用,以及如何通过AI提高工作效率。同时,分享了一些交流小技巧,如在图片上标注文字,以便AI更好地理解操作流程。此外,还提到了跨模块复杂问题解决的教育部分,以鸭霸单词为例,说明了在排查问题时,如何通过AI提高效率。
5.2 AI 在解决复杂问题中的应用
主要讲述了AI在解决复杂问题、提高开发效率和维护成本方面的作用。通过让AI梳理文档,可以快速了解项目的现状和逻辑,弥补非技术人员对代码细节的关注不足。在开发过程中,可以使用组件化方式提高开发效率和规范性。此外,还分享了构造虚测试数据、预览数据以及与AI更好交流的技巧,如通过图像和文字进行交流,提高沟通效率。
5.3 AI编程的应用与挑战
主要讲述了在开发过程中遇到的问题如何排查,以及如何利用AI技术解决AI提出的问题。分享者提到,大部分非互联网人士参与AI编程主要是氛围编程,而10%的人是因为有技术优势。在交流分享环节,大家可以提出遇到的问题,分享者会进行解答。此外,分享者也提到了AI编程在目前阶段并不是全自动驾驶,仍需要人工监督。在任务规划方面,可以通过AI生成文档,然后根据文档内容进行落地。
讨论了AI编程领域的发展和挑战。讲者认为,通过项目实践和互助交流,可以提高大家对AI编程的理解和应用能力。同时,讲者也强调了AI作为一种工具和手段的重要性,可以帮助大家更快速地实现自己的想法。此外,讲者期待下一次茶话会和分享会能给大家带来更多基于项目实践的内容。