个人AI探索周期总结报告
周期：2026年5月21日 - 2026年7月5日（46天）
作者：lich
一、总投入
在这46天里，我在AI辅助开发上投入了：
| 投入类型 | 明细 | 数值 |
|---|---|---|
| Token消耗 | Codex | 22.7亿 |
| DeepSeek（V4 Pro + Flash） | 11.33亿 | |
| 合计 | 34.03亿 | |
| 金钱成本 | Codex（x5 Pro 月费） | 100 USD |
| DeepSeek | 350 RMB | |
| 合计 | 约1050 RMB |
二、产出项目
项目一：吾喵记（cat.lich.tech）
项目功能：养猫健康管理App。记录猫咪体重、疫苗、驱虫等信息，支持多猫独立档案、今日待办提醒、体重趋势图、分阶段知识库，支持跨设备同步与数据导入导出。
| 平台 | 视频数 | 播放量 | 点赞 | 评论 | 收藏 | 投币/转发 | 其他关键指标 |
|---|---|---|---|---|---|---|---|
| B站 | 3 | 1,401 | 54 | 7 | 13 | 投币7，转发0 | 最高播放860（养猫故事） |
| 抖音 | 3 | 3,028 | 175 | 2 | 14 | - | 最高播放2162（养猫故事）；功能演示2s跳出率62% |
自我评价：
这是我的第一个项目，起因是我收养了一只叫果冻的小猫。需求是真实的——新手养猫确实需要记录疫苗和驱虫时间。但问题是，这个需求用备忘录或日历就能解决。我做了一个更“完整”的解决方案，但它没有提供足够强的价值增量来说服用户（包括我自己）从备忘录迁移过来。项目上线后我自己也不怎么用了，这本身就是一个诚实的反馈。视频数据验证了这一点：功能演示视频在抖音只有71播放，但讲“我和果冻的故事”的视频有2162播放。观众感兴趣的是猫，不是我做的工具。
项目二：AI OpenSCAD（ai.openscad.tech）
项目功能：AI识图建模Agent。用户上传参考图片或输入自然语言需求，AI识别并生成结构化需求描述，再生成OpenSCAD代码，浏览器本地渲染三视图。支持视觉模型评审、自动迭代、导出SCAD/STL文件。
| 平台 | 视频数 | 播放量 | 点赞 | 评论 | 收藏 | 投币/转发 | 其他关键指标 |
|---|---|---|---|---|---|---|---|
| B站 | 2 | 543 | 26 | 0 | 22 | 投币5，转发3（含1次高转发） | 平均播放进度51%；粉丝观看率2.8% |
| 抖音 | 2 | 1,721 | 25 | 1 | 21 | - | 2s跳出率48%-50%；最高播放1382 |
自我评价：
这是我在这个周期里投入最大、也最痛苦的项目。技术上是三个项目中最复杂的——用Agent思路打通了“识图-生成代码-渲染-评审-迭代”的闭环。但我在这上面撞到了两面墙。
第一面墙是技术的：用Vibe Coding做这个项目，AI生成了大量代码，多到我无法逐行理解和维护。更大的问题是，生成的模型总是还有细节问题，实际打印可能还是不行，多次迭代并不能完成收敛，即使我添加了在线切片和切片结果评审回归。
第二面墙是意义感的：这是我最用心做的项目，但发布后，B站零评论，抖音近半数观众在2秒内划走。我感到了巨大的空虚。“做完了，然后呢？”——这个问题就是从这个项目里长出来的。
但是这个项目大概也是有回响的，B站和抖音上还是有人收藏投币的，可能这个场景确实是一个非常小众的场景。
项目三：Kid English（kid.lich.tech）
项目功能：儿童英语单词学习App，帮助记忆小学三年级起点的英语单词。
| 平台 | 视频数 | 播放量 | 点赞 | 评论 | 收藏 | 投币/转发 | 其他关键指标 |
|---|---|---|---|---|---|---|---|
| B站 | 0 | - | - | - | - | - | 未发布 |
| 抖音 | 0 | - | - | - | - | - | 未发布 |
自我评价：
这是我唯一没有做公开推广的项目。用户只有一个——我的孩子。它也是我三个项目中，唯一一个被持续使用的产品。功能和市面上的背单词App比，没有任何优势。但给孩子用，够用就行。
这个项目没有数据可以分析，但它给我提供了一个安静的锚点：一个东西被做出来，被一个人真实地使用，不需要播放量、不需要收藏，它也是有价值的。这种价值不来自外部反馈，就来自“被使用”这个事实本身。
三、我对Vibe Coding的思考
这段经历让我想了很多。但我不想再讨论“意义”了——那个问题我已经挖到了底。我想讨论的是Vibe Coding到底意味着什么。
1. Vibe Coding意味着什么
它意味着以前那种“我有一个好想法，但还缺个程序员”的步骤被极度压缩了。从想法到原型，周期从几个月变成了几小时。我不再需要一个程序员来当翻译，我自己就是翻译。
但这个压缩不是让知识贬值，而是让知识的层级上移了。基础知识变得比以前更重要，但它的内涵变了：
- 理解Cloudflare和云原生，让我的代码能快速部署上线，而不只是跑在localhost。
- 理解LLM的机制和Agent的规划-执行-反馈循环，让我能做Agent，而不只是套壳聊天。
- 理解LLM的多模态能力，让我知道B站视频和抖音图文可以设计工作流自动生成和发布。
Vibe Coding消灭的不是“程序员”，它消灭的是“只会写代码的程序员”。它把创造者的能力模型，从“我能写”变成了“我能判断、我能设计、我能整合”。
2. 我目前搞清楚的部分：AI的边界
经过这46天的实践，我对AI能做什么、不能做什么，大概有了一个比较清楚的认知。我知道它在哪些任务上可以放心交给它，哪些地方它一定会出错，哪些地方需要我的判断来兜底。这个边界感，是靠34亿token的试错堆出来的，不是读文章能读出来的。
3. 我大概理解了一部分、还需要继续探索的部分：如何高效正确地使用LLM
这里我有了“高低搭配”的直觉，但还需要更多实践：
- 云端大模型（DeepSeek V4 Pro、Codex这类）用来啃硬骨头，做复杂推理、大规模代码生成。
- 本地小模型可能适合做高频低延迟的任务，比如代码补全、数据清洗、或者在我那个切片评审流程里做第一轮初筛。
混合架构是我接下来想尝试的方向：小模型做执行层，大模型做决策层。这个思路逻辑上成立，但具体怎么落地，还需要继续摸索。使用方法的本质不是背提示词技巧，而是学会把一个模糊的大问题拆解成LLM能处理的、有明确输入输出和评判标准的小任务。
4. 我还不清楚的部分：用来做什么
这是最难的问题。当真的有了这些高效的能力，用这些能力去做什么？哪些是真正值得做的事情？
这个问题我现在回答不了。但它的框架是可分析的：
- 为谁而做？为自己（吾喵记）、为身边的人（Kid English）、为同路人（AI OpenSCAD）、还是为更大的群体？
- 做什么类型？工具（解决一个问题）、内容（表达一种东西）、还是体验（创造一种互动）？
- 什么问题是我能看到、但别人看不到的？我的知识交集在哪里——我同时懂一点AI、懂一点3D建模、懂一点打印物理限制，这个交集中的问题，可能是只有我能定义的方向。
这三个问题我还没有答案。但这是我接下来需要去回答的东西。
四、结论
这46天，我没有做出一个“成功”的产品。
但我完成了几件事：
第一，我把AI辅助开发的边界摸了一遍。我知道它能做什么，也知道它在哪里会撞墙。
第二，我搞清楚了Vibe Coding对我的真正意义：它不是让我变懒，而是让我的能力层级上移了。我的价值不再是我能写多少代码，而是我能判断什么值得做、我能设计什么架构、我能整合什么系统。
第三，我现在卡住的地方不是“怎么用AI”，而是“用AI做什么”。这不是一个技术问题，是一个选择问题。
这是一个起点，不是一个终点。