写在开头
?Hello，早上好呀各位！
今是2025年08月30日上午九点钟?，昨晚睡得比较早，今天也起得早，自从前几周颈椎不好之后，小编现在为了狗命，早睡早起，保命要紧❗
然后呢，终于有时间来和大家分享上周日去参加 TRAE 深圳场 Hackathon 活动的精彩经历啦！整个周末过得非常愉快和充实。
但是，回来后这一周公司业务实在有点忙?，所以，这篇文章来得有点晚，但正所谓 "虽迟但到" 嘛！记录一下，记录一下哈。
行程安排?️
- 周五，下班高铁?直奔深圳
虽然，活动周日才开始，但是，周五下班后小编就高铁闪现过去了，先去大学舍友的 Base Home 暂住。
为什么来得那么着急？这可不是为了玩哦，全是为了健康，医生让小编多户外活动，少低头玩手机?。所以呢，寻思着周六可以去爬一爬梧桐山，看看这山有多高，嘿嘿。
- 周六，梧桐山⛰️攀爬
周六和舍友一起去爬梧桐山，但由于他起得比较晚（真不赖我，俺八点左右就醒了?），我们中午12点才出发，稍微有点着急了。建议下次要爬山通关的话，最好还是上午来，这样就可以慢慢享受沿途的风光。?
顺便记录一下路线，我们是从梧桐山南站下的地铁，从凌云道开始往爬上，经过深圳电视塔，再从十里杜鹃到好汉坡，然后登顶往鹏城第一高峰，最后从泰山涧下山到北大门的。其实，应该要从秀桐道下山的，可惜，天有点晚了。
附图一张：
- 周日，深圳字节总部参加活动 ⏰
活动行程是从上午十点半到晚上六点，安排得相当满呢。
其实，最后应该是晚上六点四十多分才结束，因为参加路演的大佬太多了?，时间有点不够。可惜，小编高铁买的票比较早，所以，六点钟俺就提前撤了，最后的评审与颁奖过程就没有参与。（虽然获奖也没有俺?）
活动体验?
- 上午，开场介绍与用户破冰 ?
活动从上午十点半开始，主理人介绍背景、活跃气氛、用户破冰，让大家认识各位大佬。
来参加的人员好像说有120人左右，参与者包括字节的大佬们、行业牛人、各公司CEO和创业者、还有其他大厂高手。?
比较有意思的是，主办方还邀请了小学生、初中生、大学生等在校生前来，小编记得有名清华学子就坐在我旁边！?
然后，其中最小的参与者好像才12岁，大家都非常有才华。都在台上踊跃地介绍着自己，小编作为小喽啰，只偷摸蜷缩在角落安静地听着。
- 午餐时光 ?️
小编也是第一次吃上字节跳动这家行业顶级大厂的饭啦！挺好吃，还量多管饱，哈哈哈。?
再附图一张：
吃饭期间可以自行去和大佬们互动交流，大家人都非常友好的。正如一个 "黑客松" 主理人说的，其实过来参加活动，咱们的目标不是做项目参赛拿奖，更重要的应该是去和别人交流、学习、成为朋友。这里的人基本都可以算是未来或者现在的行业精英了，认识他们比拿奖更有价值。?
Em...有道理吧，可惜小编是一个社恐的I人。。。。。。
- 下午，Hackathon 正式开始⚡
本次活动主题是：用 TRAE SOLO 模式 "现场" ? 做一个产品，然后由评委现场打分。
时长是三个小时，从下午一点到四点，这时候你就可以尽情将你的想法展现出来，然后由 TRAE 落地实现它！
然后，继续附上动图一张，如下：
这是小编现场做的一个小功能，三个小时让AI撸出来的产品。
接下来，咱们就来介绍一下整个产品从想法到实现的过程。
项目构思?
- 项目背景
小编在报名参加活动的时候，就一直在构思要做什么。想法有非常多，但由于自己本身就是一个程序员，考虑到短短三小时的时间限制，很多比较庞大不切实际的想法自己脑中就 PASS 了。
最终，选择了"媒体数据分析平台"这个想法，灵感来源于小编的新媒体同事的需求，她们经常需要分析媒体爆款内容，但手动收集数据效率太低，缺乏系统化的分析工具，这算是其中最小一个MVP的尝试。
- 产品概述
媒体数据分析平台是一个专为新媒体团队打造的数据洞察工具，通过集成扣子工作流（爬虫），实现对抖音、快手、小红书、微博等媒体平台的作品/帖子的自动化数据采集、存储和智能分析。
解决的痛点：
- 手动数据收集效率低。
- 缺乏系统化分析工具。
- 无法快速识别内容成功模式。
- ...
技术架构?️
原本的设想是一个完整的系统，包括：
- 浏览器插件
- 扣子工作流
- 前端页面
- 后端服务
- 数据库存储
- 大模型分析
- ...
流程图：
但由于太复杂了，最终只选择实现最核心的能力。
技术栈：
-
前端：Vue3
-
后端：Python
-
数据库：SQLite
-
爬虫：扣子工作流
?为什么选择SQLite数据库呢❓
当时小编以为参赛源码需要提交，为了方便其他人能快速跑起来这个项目，就使用了这种文件类型的数据库，日常小编使用Mysql数据库偏多，没想到，在现场反而数据库这方面折腾了比较多的时间。?
?关于爬虫方案，为什么选择用扣子的工作流来实现❓
一开始是想自己写爬虫来爬取的，但是可能耗时会比较久，所以就选择使用扣子的工作流更便捷。在扣子平台上，小编设计了一个简单但高效的工作流，就三个节点：
- 输入节点：接收抖音作品链接。
- 爬虫插件：使用扣子插件市场的爬虫工具（插件市场的插件还是非常多的）。
- 输出节点：返回作品详细数据。
?还有，小编项目中前后端项目是分离成两个项目，这是为什么❓
很多人说前端项目与后端项目放一起会比较好，AI容易对接前后端，但小编却不这么认为。在现在AI还是L3的时代，我觉得还不能把项目全交由AI来完成。要不做出来的产品，绝对不是你所期望的，分离、分步才是王道。
如果你想做一个玩具产品，或者验证产品最小MVP，那么完全交由AI是可以的。但小编始终认为现在用AI来做项目，你最好还是要人为把控项目的整体情况。
不管是前端还是后端项目，虽然尝试要All in AI，但绝不可放飞自我，全交由AI。开发人员（非开发人员当我没说?）应该对整个项目有一个基础的把控，比如项目的架构、整体走向、规范、选型、模块的划分以及风格等等。开发人员始终得是"掌舵人" 。?
功能实现⚡
前端项目
由于咱们这个媒体数据分析系统目前就一个页面，让AI来完成页面开发基本就没什么压力了。?
小编大致给AI描述了一下页面上都有什么功能，比如，我提到有精准采集与批量采集功能，精准采集主要就是让用户填一个链接信息......，反正就是用自然语言描述了一下页面的样子与交互过程。
然后，TRAE 会给我生成一个需求文档，一般大体是满足的。但是，AI会想得比较全面，会扩展比较多的内容。此时，我会自己看看需求文档，进行二次修改，得到最终期望的需求，再让AI去执行。
不过，还有一些小技巧，例如，项目初始化这块。
小编一般会选择自己手动用 Vite 初始化项目结构，再规划项目目录，然后再手动去安装需要的依赖（element-plus、unocss等等），并将Vue、element-plus等依赖配置成按需引入。
为什么要这么做呢？?
其一，小编自己是前端出身，做这些事情更得心应手，并且，项目结构会是自己平时习惯的样子。
其二，很多时候，这些项目基建工作的事情交给AI来做，效果可能不尽人意，都说开头难，AI也一样，那还不如自己手动来干。
还有，有时让AI单独做前端的时候，很多时候AI可能会顺便帮你把后端也给干了，虽然结果可能是错的。
这时，你可以强调告诉它，只让它完成前端部分的开发，需要数据的时候，可以自行进行Mock数据，但要留出后续对接接口的情况。
还有，还有，有时小编会手动介入去修改代码，但会选择性介入，比如，页面改个背景色，改个边距，改个图标等等，这对于前端的我来说，不过就是顺手的事情，这咱就不会去劳烦AI出手啦。?
后端项目
后端这块小编选择了 Python + Quart 的技术栈。
首先，小编给AI规划了项目的架构情况：
├── src/
│ ├── __init__.py
│ ├── core/ # 核心配置
│ │ ├── config.py # 配置管理
│ │ └── database.py # 数据库连接
│ ├── models/ # 数据模型
│ │ ├── __init__.py
│ │ └── works.py # 作品模型
│ ├── repository/ # 数据访问层
│ │ ├── __init__.py
│ │ └── works_repository.py
│ ├── service/ # 业务逻辑层
│ │ ├── __init__.py
│ │ └── works_service.py
│ ├── route/ # 路由层
│ │ ├── __init__.py
│ │ └── main_route.py
│ └── common/ # 通用工具
│ ├── __init__.py
│ └── response.py # 统一响应格式
│── main.py # 应用入口
└─ ...
然后，我会告诉它按我这个项目结构初始化项目，但依赖还是我自己来执行：
pip install -r requirements.txt
因为，我不想它折腾半天。等项目初始化完成后，我会让它先写一个健康探针的接口，并启动项目，这样子我能确定项目是否能被成功启动。
from quart import Blueprint
from src.common.utils.response_helper import ResponseHelper
from src.common.utils.logger import log
response = ResponseHelper()
healthy_route = Blueprint('healthy', __name__)
# cicd探针接口
@healthy_route.route('/healthz', methods=['GET'])
async def healthz():
log.info("健康检查接口被调用")
return response.success(
data={'status': 'ok', 'service': '服务健康'},
message="服务运行正常"
)
之后，小编才会进入业务接口的开发。
?第一个接口是：接收用户从前端提交的作品链接，然后调用扣子工作流爬取数据，再将数据存储到数据库中。
这个接口的编写过程小编分成两步让AI实现：
- 先让AI实现调用扣子工作流的功能，确保能够成功获取到数据。
扣子工作流API调用过程来源于扣子文档的介绍，直接复制过来丢给AI作为上下文就行。
- 实现数据存储的功能，将爬取到的数据保存到SQLite数据库中。
这种分步实现的方式，虽然比较麻烦，但也有好处：降低复杂度、成功率更高、便于调试、减少返工等等。
小编个人感觉这种开发策略才比较适合AI编程，因为AI在处理复杂的多步骤任务时容易出错，分步实现能大大提高开发效率和代码质量。 ?
前后端联调
接口开发完成后，接下来就是激动人心的前后端联调环节了！? 这个阶段可以说是见证奇迹的时刻，前端的页面终于要和后端的数据产生化学反应啦。?
很早很早之前我就一直用AI在辅助开发了，其中发现一个现象：
后端接口的稳定性 ?
- AI开发的后端接口基本上一次性就能跑通
- 因为AI会自动进行全方位的接口测试
- 数据格式、错误处理都比较规范
- 除非有新功能迭代，否则很少需要修改
前端交互的复杂性 ?
- 前端的功能性操作AI也能测试
- 但是用户体验和交互细节需要人工不断优化
- 比如错误提示（AI老是一个功能就会给你一个提示）、页面布局（包括样式、页面结构）、复杂交互（拖动交互、其他非点击事件）等
现在，咱们来看看当时现场小编是如何写得提示词给AI作为上下文的。哦，当时的项目情况是前后端都已经能单独启动了，并且前端能正常调用后端服务，这是手动调试的，因为前端一般有封装好的网络模块，改改后端服务地址就行。
提交接口提示词：
列表接口提示词：
联调成功的关键要素：接口输入的参数说明与接口输出的响应格式。
有这两点就够了，其他的AI能够自行领悟自通的。?
遇到的问题?
这一小节记录一下小编当时耗时较多的问题场景。
?问题一：扣子工作流对接
小编需要在Python服务中对接扣子工作流，用户填了作品详情链接后，Python服务需要调用扣子工作流的接口，把链接传过去，然后获取数据。
对接这块，小编已经从扣子中获取了对接的形式给到 TRAE，但它一直没有成功，折腾了相当多的时间。
最终的Python代码：
from quart import Blueprint, request, jsonify
import asyncio
import json
from cozepy import COZE_CN_BASE_URL, Coze, TokenAuth
from src.service.works_service import WorksService
# 创建蓝图
main_route = Blueprint('main_route', __name__)
# 扣子API配置
coze_api_token = ''
coze_api_base = COZE_CN_BASE_URL
workflow_id = '7511554911194087433'
# 初始化Coze客户端
coze = Coze(auth=TokenAuth(token=coze_api_token), base_url=coze_api_base)
@main_route.route('/api/coze/workflow', methods=['POST'])
async def call_coze_workflow():
"""
调用扣子工作流API接口
接收URL参数，返回抖音视频数据
"""
try:
# 获取请求数据
data = await request.get_json()
# 验证参数
if not data or 'url' not in data:
return jsonify({
'code': 400,
'msg': 'Missing required parameter: url',
'data': None
}), 400
url = data['url']
# 调用扣子工作流
workflow = coze.workflows.runs.create(
workflow_id=workflow_id,
parameters={
'dy_share_url': url
}
)
# 处理响应数据并存储
if workflow and workflow.data:
try:
works_service = WorksService()
full_response = {
"code": 0,
"data": workflow.data,
"msg": "Success"
}
response_json = json.dumps(full_response)
saved_work = await works_service.save_douyin_work(response_json, url)
print(f"数据存储成功: {saved_work}")
except Exception as storage_error:
print(f"数据存储失败: {str(storage_error)}")
return jsonify({
'code': 0,
'msg': 'Success',
'data': workflow.data
})
else:
return jsonify({
'code': 500,
'msg': 'Workflow execution failed',
'data': None
}), 500
except Exception as e:
return jsonify({
'code': 500,
'msg': f'Internal server error: {str(e)}',
'data': None
}), 500
当时，小编看 SOLO 模式下的终端一直报错，查看代码发现也没啥毛病呀，很简单的逻辑，脑中寻思着开头就卡住了，和自己预估的有落差，就...紧张了，然后也没仔细去注意到达是什么错误，反正在那里让AI去自我修复。
最后，发现是没给测试链接（上面截图是有一个抖音链接的，是小编后面补的），AI就"贴心"自我虚拟了一个链接提交给了扣子的工作流，然后工作流报错，这个错误基本就是AI无法理解的，两者就陷入了僵持，你提交，我报错，你提交，我报错。。。
这其实也是一个比较常见的问题，当AI缺乏完整的第三方API信息，而网上相关资料又比较少时，很容易产生"幻觉"。
?问题二：SQLite存储问题
说实话，小编也没用过SQLite数据库。
在成功获取了数据后，一直存储不起来，从列表中一直查不出数据。
最后，发现原来是一直没有初始化数据库，没有表，所以存储不上。?♂️
?问题二：项目部署挑战
大概做到页面能提交用户填写链接、爬取回来数据、存储起来、从数据库中查询出来，这整体耗费了小编两个小时左右时间。
本来想继续做批量采集的，因为还有最后一个小时，后面应该会顺畅一些。
但后面小编从提交方式中得知最好要部署到 Vercel 上。
所以，就先果断放弃批量采集功能了，部署才是关键！毕竟不管做得好不好，总要给自己一个完整的交代，有始有终。?
前端部署：比较简单，和 TRAE 说一下要部署就部署上去了。小编很早之前就已经尝试过部署过前端，这还一样便捷！ ?
后端部署：这里就有点麻烦了，第一次让AI帮忙部署Python服务到Vercel上，虽然前后耗时比较久，但是总算成功了。试了一下探针的接口是成功的，但奇怪的是，自己写的业务接口就访问不了，一直返回404。?
应该不是代码问题，本地都是正常的，感觉是Python版本的问题吧？反正就是让AI一直去修复，就是死活修复不了。
所以，最后无奈也只能放弃，提交作品的时候，只提交了一些录屏?、截图情况，也算是结尾啦。
之后，剩下一点时间就和旁边南网来的大哥闲聊了。
哦，还有，四点截止提交作品后，还有茶歇可以食，真不错?，附图一张：
最后呢，就是对自己项目有信心的大佬报名参加路演，等待评委的现场评分，当然，所有提交的作品，评委也会去看然后评分的。
总结✍️
小编的作品情况：
- 1个前端页面（搜索+展示）
- 2个后端接口（媒体搜索+数据列表）
- 1条扣子工作流（自动化数据采集）
- 1个数据表结构（媒体信息存储）
虽然功能相对简单，但这个"精准采集"的小功能算是比较完整地实现了预期目标。✨
整个活动产生的参赛的作品非常多，各路大佬的创意想法都非常新颖，让小编大开眼界！其中还有那个最小的小学生也获奖了呢！
这次 Hackathon 活动整体感受挺好的，感谢 TRAE 团队组织的这次精彩活动，也期望下次有机会再与各位大佬见面、学习。
踏上回广州的高铁?，看着窗外飞逝的风景，回想这两天的经历，真是一个愉快的周末！
同时，希望在未来的开发工作中，咱们要学会更好地与AI协作，发挥各自的优势，创造出更好的产品。?
至此，本篇文章就写完啦，撒花撒花。
希望本文对你有所帮助，如有任何疑问，期待你的留言哦。
老样子，点赞+评论=你会了，收藏=你精通了。
