8 篇博文 含有标签「全栈」

一个插件标准，七个工具共用

图：Open Plugins 标准——装一个就能在七个工具里用

最近 AI 编程工具越来越多：Cursor、Claude Code、Codex、Grok Build……每个一套插件格式。然后冒出了个 Open Plugins。

它是 Vercel Labs 维护的一个开放标准。装一个插件，就能在七个工具里跑。

说实话，我很少觉得一个"福利"值得专门写文章。但这次不太一样。

2026 年 7 月，三件事撞在同一个时间点：

• 微信开发者工具开放了 AI 智能体 Skills，你用的 Cursor、Claude Code 能直接读开发者工具的控制台日志、看模拟器截图、自动部署云函数。
• 小程序成长计划第二期加码，Token 从 1 亿提到 10 亿，生图从 1 万张到 10 万张，模型升级混元 Hy3。
• CloudBase 把后端底座摊平了，AI 工具直接接它的大模型，Token 从套餐里扣，写完直接上线。

这三件事放一起，"一个人独立做个完整小程序"最难的几个坎，全被打通了。下面是我的实操笔记，每步都走过，好坏都直说。

这篇文章帮你搞懂四件事：① Codex 是什么、能干什么 → ② 五分钟上手做个能玩的小游戏 → ③ 基本用法和核心功能 → ④ 接低成本的国产开源模型，把做好的应用发布上线，让别人能访问。

赶时间？ Codex 现在能接 DeepSeek、GLM 这些便宜模型了。想省钱 + 一键部署的，跳到第四步复制一段配置就行。想从头搞懂的，往下读。

我常被问一个问题：小程序怎么接 AI？

问的人大多不是不会写代码，是卡在几个具体的地方：模型 API Key 放在哪才安全、小程序为什么不能直接调接口、流式回复怎么做、换模型麻不麻烦。

这篇把我踩过的坑和现在用的标准做法写一遍。核心就一个思路：让云平台当中间人，前端永远不碰密钥。

你是否遇到过这样的困扰：用 AI 生成应用时，代码出错了却不知道问什么问题？AI 给了 N 个解决方案，但不知道哪个是对的？

很多非技术人员在用 AI 编程时都会遇到这样的痛点：

• Debug 困难：页面显示异常，但不知道问题出在哪一层（前端？后端？还是部署？）
• 提问不准确：不知道如何描述问题，让 AI 能理解并给出准确答案
• 学习路径模糊：知道需要学一些基础，但不知道从哪开始，学什么才够用

今天，我将为你分享一套系统的方法，从基础概念到调试技巧，再到后端方案，让你从"能生成应用"到"能做出真正可用的应用"。

最近帮朋友看了几个用 AI 做的项目，发现一个有意思的现象：

代码能跑，功能也有，但就是...不能用。

不是技术问题，是别的问题。

用 Spec 工作流写了几个月代码之后，我一直在想一个问题：这套"先写需求、再写设计、再拆任务"的流程，为什么有效？

直到我翻到 Gojko Adzic 的《实例化需求：团队如何交付正确的软件》，才把这件事想明白。Kiro 的 Spec 工作流，背后正是 SBE（Specification by Example）方法论。这篇文章把两者的关系讲清楚，也解释你的 AI 编程为什么总在返工。

我用 AI 编程一年多，最深的体会是：vibe coding 一时爽，项目一复杂就露馅。需求一句话带过，AI 按自己的理解开干，出来的东西总差那么一点。你让它改，它改了这里崩了那里。几个来回下来，代码量翻了三倍，能用的功能没多几个。

后来我想明白了：问题不在 AI 写不好代码，在我说不清要什么。

Kiro 的 Spec 工作流就是来解决这个的。下面从头拆一遍。