AI 编码到底能不能产出“能上线、可维护”的应用？小编用 4 小时，从需求与原型出发，联合使用 Anthropic 的 Opus、Sonnet 与 OpenAI GPT-5 等模型交叉编程，走完整条链路：需求输入（含 UI 原型）—任务拆解—代码实现—单元/端到端测试—Bug 修复—多模态对齐（用图片澄清意图），最终做出一款可以正常使用的 APP。
网上关于 AI Coding 的声音很多：有人说“AI 即将取代程序员”，也有人说“AI 写的代码上不了线，维护成本更高”。小编不跟风，只用一次完整实战，把可行与不行的部分都走一遍。
视频系列
你将学到
-
1. 如何用 task-master-ai 拆解需求并生成任务树。 -
2. 如何在 Claude Code、Codex 等之间进行角色分工与切换。 -
3. 用日志与测试驱动 AI：从报错到可复现再到修复。 -
4. 用图片/示意图进行多模态对齐，快速传达 UI 与交互意图。 -
5. 端到端实战流程：从需求输入到可运行产物与回归验证。 -
6. 小团队落地 AI Coding 的避坑清单与协作节奏。
需求来源
以网络文章 “How to build with Nano Banana: Complete Developer Tutorial” 作为需求输入，由 AI 归纳技术方案并据此实现功能：
链接：https://dev.to/googleai/how-to-build-with-nano-banana-complete-developer-tutorial-646
为什么用多模型交叉编程
小编的直观感受是：不同模型在不同环节“擅长点”不一样，强行“一把梭”反而效率不高。
-
• 角色分工：让一个模型主导设计/重构，另一个模型主导实现/修补，小步快跑更稳。 -
• 切换时机：遇到长上下文总结、跨文件重构或推理链较长时，切换到更强的推理模型；需要快速补齐样板、改小 Bug 时，用响应更快的模型。 -
• 统一约束：切换前抛出“结构化约束+上下文要点清单”，让新模型快速对齐当前标准与目录结构。
功能实现
-
1. 文生图：使用提示词（prompt），调用 Nano Banana 生成图片。 -
2. 图片修复：通过 prompt 让 Nano Banana 对图片进行修复，例如黑白转彩色。 -
3. 图片编辑：根据 prompt 对图片进行编辑，例如更换背景。 -
4. 设置中心：支持配置 Gemini API Key。
原型示意：
任务拆解与协作策略
-
• 任务树拆分：从“功能—页面—组件—接口—测试”逐层细化，尽量把任务压到可在 15–30 分钟内完成的粒度。 -
• 明确输入输出：每个子任务写清“前置条件/预期产物/验证方式”，方便 AI 对齐目标也方便回归。 -
• 日志优先：出现报错先收集日志与最小复现路径，再让 AI 根据“事实”修复，避免无效瞎猜。 -
• 变更可追踪：更名、移动文件时同步更新引用路径，减少连环错误。 -
• 多模态协同：用截图或手绘示意圈出差异，让 AI 精确定位“哪里不对、要改成什么样”。
最终效果
使用到的工具
-
1. Neovim -
2. Zellij -
3. CLI：Claude Code、Codex、Gemini、Lazygit -
4. Excalidraw -
5. MCP：task-master-ai -
工作区一览
调试与测试方法（实战做法）
-
• 最小可复现：把问题收敛到一条命令、一个接口或一个组件状态，减少噪音。 -
• 断言与日志：对关键分支加断言/日志，让 AI 能“看见”失败点，而不是泛泛其谈。 -
• 回归清单：修一个 Bug 就补一条“检查项”，后续改动先跑这几步，防止改好了又改坏。 -
• 视觉对齐：UI 相关问题直接用对比图/圈画描述，AI 更容易补齐像素级细节。
技术栈
Python 3.17.3
时间线复盘（4 小时怎么花的）
-
• 需求与原型对齐：约 20% -
• 任务拆解与环境准备：约 15% -
• 编码实现与联调：约 35% -
• 调试修复与回归：约 20% -
• 文档与素材整理：约 10%
模型协作心得（本次感受）
-
• 复杂改造/跨文件重构：更强的推理模型把控方向，减少返工。 -
• 小步修补/样板补齐：响应更快的模型更省时间。 -
• 统一风格与规范：在提示中固定“代码目录/命名约定/错误处理模板”，切换模型时先同步这份“标准卡片”。
常见坑与避坑建议
-
• 上下文丢失：切换模型前输出“上下文要点 + 目录结构 + 依赖版本”，减少重复沟通。 -
• 依赖不一致：锁定依赖版本并在提示中明确运行环境，避免“你写你的、我跑我的”。 -
• 文件路径错乱：重命名/移动后及时全局替换引用，先跑一次快速检查。 -
• 提示不具体：描述 UI 改动用“前后对比 + 目标状态 + 约束”，避免宽泛表达。
结语
AI 时代，网络充斥着各种观点。小编希望读者除了通过视频学到 AI 的实用技能（这也是初衷），也能动手实践，自己验证各种观点，找到最适合自己的 AI 使用方式。
另外，小编录视频经验有限，效果可能不够“花哨”。如果你能认真完整看完（建议在电脑端观看），我们真的非常感谢，也欢迎转发点赞。我们也会继续努力，录制更有质量的实战内容，分享给大家。
也希望大家留言对视频形式的要求：）。
EOF