春节假期，我用DeepSeek + ClinePRO 写了个AI应用，效率提高12倍

这个春节假期，我用DeepSeek + AISE ClinePRO开发了一个完整的产品。总编码时长20小时，AI负责了整个项目的构建、代码编写、测试和调试，我自己没有写一行代码。如果采用传统人工方式，同样的项目规模至少需要240小时。粗略计算，这次AI编程挑战让总效率提升了12倍。

你见过凌晨5点的尖沙咀么？
你见早上6点的牛车水么？
你在圣淘沙的日出中，看着AI写过代码么？

这个春节假期，我把这些都体验了一遍。每天早上5-8点，用DeepSeek + AISE ClinePRO开发了一个完整的产品。总编码时长20小时，大部分时间花在了思考如何拆解问题和为AI提供最优化的上下文上。AI负责了整个项目的构建、代码编写、测试和调试，我自己没有写一行代码。

如果采用传统人工方式，同样的项目规模至少需要3个开发者2周的全职工作，也就是240小时。粗略计算，这次AI编程挑战让总效率提升了12倍。

看了上面这些数据，大家又会惊呼程序员要失业了。那我可以负责任的告诉你，程序员不仅不会失业，而且还会更加重要，更加专业，更加强大。具体的原因，请见本文末尾的视频展示和我的分析。

在这个系列文章中，我将全面分享整个开发过程，涵盖从产品设计思路到架构设计，从工具选择到所有提示词的使用细节。此外，我还会开源部分代码，供大家学习和参考。特别值得一提的是，我在这个过程中对 DeepSeek V3/R1 和 Claude 3.5 Sonnet 的实际编程能力进行了对比测试，对于 DeepSeek 在企业级编码实战中的应用效果，我也会分享我的判断和实操技巧。

文章系列

这个系列文章将分为以下几个部分，持续更新，带你深入了解 AI 如何助力开发，以及如何从零到一打造一个完整的项目：

  • 开篇 - 文章将从 Code2Docs.ai 的产品设计思路和背景讲起，展示当前的产品效果，并对整体架构和开发环境进行介绍。同时，我会总结 AI 辅助开发中效率提升最明显的几个关键点，为你揭示 AI 如何成为开发者的超级助手。
  • 创建项目和主流程开发 - 这一部分将详细介绍如何使用 AI 从零开始创建代码工程，并实现输入 Git 库地址触发生成动作的主流程。内容涵盖一个基于 Python 的 API 开发、一个 GitHub Action 的开发，以及一段简单的前端调用 API 的实现，展现 AI 在项目启动阶段的高效助力。
  • GitHub Action 开发 - GitHub Action 是本次核心功能实现的驱动主体，涉及复杂的 Linux 脚本操作，比如 JSON 文件的生成、读取和解析等。我将分享如何利用 GitHub Workspace 编写有效的 issue 说明，并对智能体生成的任务计划进行细节调整和运行调试，展现 AI 在自动化流程中的强大能力。
  • 多语言和页面布局调整 - 多语言支持和页面布局调整是前端开发中的繁琐任务，但借助 AI，这些工作变得异常简单。我将介绍如何使用 AI 一键添加多语言界面，并完成大量内容翻译工作。AI 在几分钟内完成了人类可能需要 3 天才能完成的任务，效率提升令人惊叹。
  • 生成过程监控 - 生成过程监控是本次开发中较为复杂的部分，需要创建一个状态页面来实时查询后台作业进展，并将进展显示给用户。这一任务涉及后台 API 的实现、前端的调用以及对返回数据的渲染，非常贴近企业日常业务开发场景，展现 AI 在实际应用中的实用性。
  • 首页和文档库页面优化 - 在这一部分，我将分享如何对代码结构进行重构，将页面元素抽取为可复用的组件。AI 在这一过程中起到了关键作用，帮助快速完成优化任务，进一步提升代码的可维护性和扩展性。
  • 杂项 - 最后，我将介绍如何让 AI 自动完成各类文档工作，比如关于页面、隐私说明、服务条款等。通过让 AI 读取模板并根据当前项目代码自动修正生成内容，这些繁琐的任务变得轻松高效，展现了 AI 在多任务处理中的灵活性。

以上是我在春节期间完成的主要工作。Code2Docs.ai 的开发仍在继续，我也会持续更新更多内容，比如最近正在进行的 Docker 部署和 CI/CD 流水线搭建，AI 同样表现得非常给力。

背景

去年12月，DeepSeek推出了V3版本，经过我们的初步测试，其编程能力已经接近Claude 3.5 Sonnet。今年春节前的1月20日，DeepSeek又推出了推理模型R1，编程能力再次提升，在大多数场景中已经能够非常准确和稳定地完成任务级别的编码。刚好，团队也完成了AISE Workspace中Code2Docs的基础能力。于是，我的脑子里冒出了一个想法：能否在春节期间用DeepSeek + ClinePRO来完成一个完整的应用开发呢？

产品展示

Talk is simple, show me the code and app.

Code2Docs.ai 站点已经上线，大家可以扫描下图中的二维码访问，或者直接打开网址：https://code2docs.ai

下面的截图是 DeepSeek 根据应用代码自己生成的"关于"页面，可以很好的说明其功能：

Code2Docs 是一款创新的文档生成工具，可将您的代码仓库转换为精美、全面的文档。我们的AI驱动系统分析您的代码库，创建清晰、准确且可维护的文档，并随着项目的发展而演进。

下面是使用 Code2Docs.ai 基于源码生成的文档库的示例。Code2Docs.ai 能够根据项目的文件结构扫描整个代码库，并对每个模块的代码使用 AST（抽象语法树）进行拆解和分析。在这个过程中，Code2Docs.ai 会调用 DeepSeek V3 模型对源码进行反向工程解析，将其转化为自然语言解释。最终，工具会根据项目的模块结构逐层汇聚信息，生成项目级文档。

目前，Code2Docs.ai 生成的文档内容仍然偏向技术层面，但基于结构化的代码语法树，我们计划逐步提升信息的层次，使其更加适合人类开发者阅读。例如，未来我们将生成 API 文档、代码调用示例以及业务场景描述等更贴近实际需求的内容。同时，除了 Markdown 格式，我们还将支持更多文档格式，如 Word 和 PowerPoint，以满足不同场景的需求。

我们坚信，代码中已经隐含了各种业务逻辑和场景。借助生成式 AI 的理解能力和大规模数据处理能力，Code2Docs.ai 的目标是通过技术手段彻底实现"文档自由"。我们的终极愿景是解除开发者编写文档的工作负担，让大家能够专注于核心业务和有价值的工作，而将繁琐的重复性劳动交给 AI 来完成。

产品设计

大年初二、北京大兴机场，终于下雪了 ….

在从北京飞往香港的飞机上，我为Code2Docs.ai设计了以下工作流程，主要基于以下几点考虑：

  1. 代码库生成完整文档库：这一能力已经由AISE Workspace实现，可以通过一个命令行指令来调用，完成对代码库的解析和文档库生成。
  2. 自动化系统：最简单的实现方式是通过一个持续集成工具（如GitHub Action）来调用这个命令行工具，并通过API触发这个动作。

围绕这个最基本的实现思路，我为整个应用设计了三个模块：

  1. 前端网站：提供一个桌面和移动端访问的前端网站。这次完全从零构建。
  2. 后台API：提供一个后台API，用于调度AISE Workspace的Code2Docs能力。基于AISE CLI增加API来完成。
  3. 自动化系统：提供一个异步多进程的作业执行和状态维护系统。基于GitHub Action来完成。

一个简化版的场景图如下（备注：下图由AISE根据以我输入的思路完成）

进一步细化后，我整理了如下的产品关键业务流程说明，并根据这个让AISE进一步生成了详细的系统调用时序图：

  1. 用户输入：用户可以在首页输入一个Git代码库地址，并点击生成按钮。
  2. 触发GitHub Action：Code2Docs.ai 会自动触发一个预先设置好的 GitHub Action。
  3. 文档生成和日志记录：这个 GitHub Action 会完成一系列的文档生成和日志记录功能，包括：
    • 提取组织名称和代码库名称：根据输入的 GitUrl 地址，自动提取组织名称和代码库名称，并创建一个新的Git库来承载生成的文档内容。
    • 维护 workflow_runs.json：维护一个 workflow_runs.json 文件，并在其中处理作业的完成情况。
    • 调用 AISE Workspace Code2Docs 能力：调用 AISE Workspace Code2Docs 能力，将用户输入的 GitUrl 拉取下来，对其中的代码文件进行提取和拆解，在 AISE Workspace 的后台数据库中生成基于 AST（抽象语法树）的数据结构；再基于这个数据结构对代码树的各个叶子节点进行AI解析（代码解释）；最终逐级提取概要信息，形成项目级文档库。
    • 推送文档库：最终将以上生成的文档库推送到第一步生成的文档Git库中。
  4. 结果统计：Code2Docs.ai 会持续读取 workflow_runs.json 来获取生成结果统计，并显示在站点上。

以下是时序图，看起来更加清晰一些（下图由AISE根据以上场景描述生成）

以上GitHub Action部分的代码库是公开的，大家可以从这里查看：https://github.com/code2docs-ai/code2docs-ai-core

效率神器

为了提升使用体验，并验证 DeepSeek + ClinePRO 的编码能力，我对这个站点进行了一系列优化。在这个过程中，我发现了一个有趣的现象：尽管 AI 被称为“人工智能”，但它最擅长的其实是帮助我们人类完成那些繁琐、重复的任务。毕竟，计算机的数据处理速度远超人类，这是它的天然优势。在实际的编码任务中，如何充分发挥 AI 的数据处理能力，才是我们提升效率的关键所在。

通过这次实践，我深刻体会到，AI 并不是要取代人类的创造力，而是成为我们的得力助手，帮我们节省时间，让我们能够专注于更有价值的事情。这种“人机协作”的模式，或许才是未来技术发展的真正方向。

中英文多语言处理：从繁琐到高效的神器

多语言处理虽然是一项成熟的技术，但在实际实现中却是一项耗时费力的工作。难点在于，它不仅需要将页面中的所有文字显示元素替换为替代符，还需要为每种支持的语言编写资源文件。这个过程不仅耗时，而且在应用功能更新时，还需要持续维护这些代码，繁琐程度可想而知。

更复杂的是，中英文翻译本身也是一项挑战，尤其是当文字内容与应用功能逻辑混杂在一起时，如何选择合适的翻译词汇变得非常专业。在实际开发中，这些工作通常需要一个专业团队（程序员+翻译）协作完成。以 Code2Docs.ai 这样的网站为例，至少需要两名专业人员花费一周时间才能搞定。

但这次，有了 DeepSeek + ClinePRO 的加持，一切都变得简单了。我只需要输入一句提示词：“integrate the current page with LanguageContext.tsx”，AI 就能自动检测当前页面中未实现多语言的部分，并完成所有繁琐的工作。这简直就是效率神器！

移动端优化：从复杂到简单的开发革命

移动端优化，或者说响应式布局，一直是前端开发中耗时费力的任务之一。它要求开发者为页面中的所有元素提供至少两种不同的 CSS 样式，并确保这些样式在桌面浏览器和手机浏览器中都能正常显示。此外，还需要处理一些特殊组件，比如手机视图中右上角的“汉堡菜单”。对于开发人员来说，这不仅需要熟练掌握前端开发语言、框架和工具，还需要具备一定的美工素养，才能实现既美观又实用的效果。

然而，在这次 Code2Docs.ai 的前端开发中，我发现自己没有写一行代码——所有的样式和布局都由 AI 自动生成，而且视觉效果出乎意料地美观。更令人惊讶的是，这一切是在 Vite + React + Tailwind 这样一个我并不太熟悉的框架背景下完成的。在短短 5 天（每天 3小时）内，我完成了 10 个前端页面的开发。如果不借助 AI，这估计又是一个需要 2 周左右工作量的任务。

专业领域知识处理

在开发过程中，像价格、关于、隐私政策、服务条款和联系我们这些“杂项”，往往是开发人员最不愿意碰的部分。它们不仅繁琐耗时，还需要一定的法律常识。如果不简单套用模板，而是结合应用本身的特性来编写，那这又变成了一个至少需要两名专业人员（程序员+法律顾问）协作几天才能完成的任务。

但这次，借助 DeepSeek 通过 ClinePRO 的能力，一切都变得简单了。AI 自动读取了网络上的模板，并结合当前项目的代码，只用了不到 10 分钟就搞定了所有这些内容。

这种效率的提升，不仅让我从繁琐的重复劳动中解放出来，还避免了因法律知识不足可能带来的风险。AI 不仅是一个工具，更是一个能够将复杂任务简化的伙伴。它让我们能够专注于更有创造性的工作，而不是被这些“杂项”拖累。

项目总结

这个开发项目从 1 月 31 日（大年初三）启动，到 2 月 6 日（初九）基本完成了完整的 MVP（可运行的基础版本）。由于白天需要陪伴家人并且一直处于旅程中，我的开发时间主要集中在早上 5 点到 8 点之间并非每天都固定，总共耗时不到 20 小时。项目涉及一个前端项目（Vite + React + Tailwind）、一个后端项目（Python）以及一个自动化系统（GitHub Action）。

如果采用传统开发方式，这些工作通常需要 3 名开发人员（1 个前端、1 个后端、1 个 DevOps 工程师）花费大约 2 周时间，总计 240 小时才能完成。而通过 AI 的助力，我的效率提升了整整 12 倍！

这种效率的提升不仅体现在时间上，更体现在开发的轻松程度上。AI 帮助我自动化了繁琐的编码任务，让我能够专注于核心逻辑和设计。无论是前端页面的响应式布局、后端逻辑的实现，还是自动化部署的配置，AI 都成为了我的得力助手。

通过这次实践，我深刻体会到，AI 不仅是效率工具，更是开发者的“超级外挂”。它让我们能够以更少的时间、更低的成本完成更多的工作，同时还能兼顾生活的平衡。这种变革，正是技术发展的真正意义所在。

AI工具集

本次开发过程所使用的开发工具主要包括：

模型

  • DeepSeek V3 和 R1：DeepSeek 是这次开发过程的主力模型，我主要是用V3模型而不是R1，因为大多数编码过程V3已经可以胜任，我只有在一些V3搞不定的地方会切换到R1尝试一下。
  • Claude 3.5 Sonnet：这个主要是作为参照，因为这个模型在做过去的一年一直是驱动AI编码工具最优秀的模型。
  • Qwen 2.5 Coder 32b Instruct：同样是作为参照，但是这个模型的的效果和以上模型相比差距很大。

IDE

  • Visual Studio Code

AI编码工具

  • AISE ClinePRO：这是AISE团队基于开源工具cline开发的企业级多智能体编码工具，它不仅可以根据任务提示词同时编辑修改多个代码文件，还可以在终端内执行指令并自行监控日志，在发现错误的情况下自动修复。这次的编码工具主要是使用 ClinePRO 完成的。
  • AISE SmartCode：传统的代码补全和智能对话工具，作为 ClinePRO 的补充，当我需要手工修改一些代码的时候，SmartCode 可以帮助我在编辑器中自动完成代码片段的生成。
  • AISE SmartChat：智能对话工具，我主要用来做一些技术调研和编写一些设计类文档，比如文本中的很多图表就是由SmartChat生成的。
  • GitHub Workspace: 这是GitHub推出的在线版 AI多智能体 编码工具，我主要是用它完成 GitHub Action 工作流的开发和调试。

需要说明的是，以上的AI编码工具全部都是用 DeepSeek V3 作为背后的驱动模型，包括代码补全、智能对话和多智能体编码。

下面这段视频是我在编写本文时用 ClinePRO 进行代码行统计时录制的，整个过程很好地体现了“多智能编码”的工作特点。

  1. 任务启动 我输入了一段提示词：“generate a code line count statistic based on different file types, add this into README.md”，意思是让 ClinePRO 根据不同的文件类型统计代码行数，并将结果添加到 README.md 文件中。
  2. 任务规划 ClinePRO 根据提示词进行了任务规划。她首先判断这是一个前端项目，因此需要统计的文件类型主要包括 TypeScript、JSON、CSS 和 HTML，同时还将其他辅助文件归纳为“Configuration Files”。
  3. 执行与调整 在我的批准下，ClinePRO 开始运行指令并通过读取终端日志获取统计信息。然而，我发现她统计的文件数量异常庞大，显然没有忽略掉 node_modules 目录。于是，我中断了她的执行，并提示她忽略 node_modules。 有趣的是，这个过程我重复了两次，因为项目中还有一个嵌套的子项目也包含 node_modules，而 ClinePRO 一开始并未识别到这一点。直到我明确提示她对所有子文件夹进行检查时，她才生成了正确的统计信息。
  4. 最终输出 完成统计后，ClinePRO 自动编辑了 README 文件。不过，她一开始只编辑了英文版，在我的进一步提示下，才对中文版也进行了同步更新。 通过这段视频，大家可以直观地体验到 ClinePRO 的工作方式：她不仅能理解任务需求，还能根据上下文进行智能调整。虽然过程中需要一些人为干预，但整体效率依然远超传统手动操作。

AI 时代，真正的开发者不会失业

以上过程很好地体现了我在这次 AI 编码挑战中的主要工作模式：在 AI 自行执行任务的过程中，我需要非常细致地阅读 AI 输出的所有内容，包括她的思考过程、执行的指令、日志的输出以及编写的代码。特别是对 AI 生成的代码，我必须立即进行功能验证。虽然 AI 帮我省去了敲代码的繁琐工作，但这个监控和修正的过程同样需要高度的专注力。

这也回答了大家普遍关心的一个问题：AI 时代来临后，人类程序员是否会失业？

答案是：AI 时代需要的不是只会机械敲代码的程序员，而是真正的开发者。

AI 编码时代是人类与 AI 协同工作的全新模式。在这种模式下，一个真正称职的开发者必须具备以下能力：

  1. 深刻理解 AI 的工作逻辑：能够细致地监控和修正 AI 的输出，确保其符合预期。
  2. 更深厚的技术积累：不仅要懂代码，还要理解底层原理，才能快速验证和优化 AI 生成的代码。
  3. 更广阔的知识面：AI 可以帮助完成具体任务，但开发者需要具备跨领域的知识，才能更好地驾驭 AI。
  4. 更负责的工作态度：AI 是工具，但最终的责任依然在人类开发者身上。

AI 并不会取代开发者，而是成为我们的超级助手。它让我们从重复劳动中解放出来，专注于更有创造性和战略性的工作。真正的开发者，将在 AI 时代中扮演更重要的角色。

所以，与其担心失业，不如拥抱这种全新的工作模式，提升自己的技术深度和广度，成为能够驾驭 AI 的新时代开发者。这才是未来技术发展的真正方向。