Easy-Vibe 实战：用 AI IDE 从业务分析到多页面产品原型的完整闭环

Easy-Vibe 实战：用 AI IDE 从业务分析到多页面产品原型的完整闭环

【免费下载链接】easy-vibe从 0 到 1 学会 vibe coding，项目制学习项目地址: https://gitcode.com/datawhalechina/easy-vibe

本篇指南来自 Datawhale easy-vibe 项目 Stage 1「Prototyp erstellen（构建可交互的产品原型）」章节（docs/de-de/stage-1/building-prototype/index.md），以「电商运营素材工作台」为贯穿案例，完整演示一条可复制的开发路径：业务访谈 → 需求收敛 → 单页原型 → 多页面扩展 → 流程测试与美化。读完本篇，你将掌握如何在写代码之前把模糊的老板需求拆成可验证的核心问题，如何用 AI IDE 在十分钟内产出第一版可点击原型，以及如何把它打磨成一个可以拿去演示、测试的电商内容工作台。

1. 写代码之前：先确定需求

前面的小游戏（贪吃蛇、计算器）帮助我们熟悉了 AI IDE：目标明确，输入和结果容易判断。但业务应用完全不同——即使方向已经确定，我们仍要把用户场景、核心流程和第一版范围说清楚。这一步可以称为需求的具体化：把「想解决一个问题」拆成「谁在什么情况下做什么，以及第一版怎样验证」。

在课堂或个人项目中，我们习惯从最简单的可执行功能出发：

• 「做个看板，把任务列出来。」
• 「帮我做个画画的工具。」
• 「帮我做个可以收集问卷的软件。」

这些描述只给出了功能方向，却没有说明使用者、场景和成功标准。而在企业级或创业项目中，产品经理和工程师通常是从一个更大的业务命题出发。例如，假定这样一个场景：

业务场景：你负责支持一家店铺的电商运营。团队提出了一个比较宽泛的目标： 「我们想用 AI 辅助制作商品图片和文案，让店铺上新的准备时间更短一些。」

这句话说明了目标，却没有说明运营当前怎样工作、时间花在哪里、怎样才算「更快」。如果直接把它丢给 AI IDE：

请你参考我的需求 xxxx， 帮我设计一个电商素材工作台， 包含商品描述、图片、视频等素材的生成和管理功能。

这样的提示词可能生成一个结构完整的页面，但页面里的功能顺序、字段和交互很可能来自 AI 的猜测。这里需要补上的不是更多技术细节，而是业务信息：

• 理解使用者：运营每天怎样完成商品上新，哪一步最耗时；
• 定义结果：「提高效率」具体指减少制作时间、降低返工，还是增加可用素材数量；
• 控制范围：第一版只验证一个核心流程，暂时不实现完整平台。

1.1 从想象到真实：学会向业务提问

先搞清楚两个基础概念：

• 需求是用户真正想要的进展，以及当前遇到的阻碍。例如「运营希望缩短每个商品准备首版图文的时间」。
• 业务是用户每天实际在做的事情、他们的工作方式。比如电商运营每天要做的事：上架商品、改价格、做图片、看数据……这些都是业务。
• 为什么要关注业务？因为理解业务才能判断功能应该放在哪个环节，以及它是否真的减少了用户的工作量。否则你的工具会「看起来不错，但没人用」。

从最简单的视角出发，先问自己几个问题：

• 团队说「效率高一点」，具体是什么意思？是想更快完成、减少重复工作，还是提高转化？
• 现在是怎么把商品上架的？哪里做得不顺？
• 每天要做多少个新商品？每个商品要做多少图、写多少字？
• 现在的工作中，哪件事最麻烦、最不想做？

这些问题可以作为访谈提纲。接下来，向一线电商运营了解实际流程，记录更具体的事实：

真实业务采访结果

1. 事情太多太杂

• 一个人要管好几个店，每个店都有很多商品要弄；
• 每天忙来忙去：上架新商品、改价格、做图片、看数据，一件事没做完又要做另一件。

2. 做内容不是一次做好，而是边做边试

• 先用厂家给的图、以前用过的素材或网上找的参考图，快速把商品上架试试；
• 花点小钱做推广，看看有没有人买；
• 只有卖得好的商品，才会认真做图、写详情、拍视频。

1.2 从发散到收敛：确定核心问题和功能

为什么要「收敛」？用户往往会提到多个问题。如果第一版全部实现，范围会迅速扩大，也很难判断究竟是哪项改动产生了效果。收敛，就是根据出现频率、影响程度和验证成本，先选择一个具体问题。

什么是「痛点」？它是用户最烦、最耗时、最想立刻解决的具体问题——不是「我觉得有用」，而是用户每天抱怨、每次操作都难受的东西。

把采访中发现的问题分类（可以让 AI 帮忙），大致有三类：

1. 节奏问题：什么时候上架、什么时候调价；
2. 效率问题：怎么同时管好多个店、多个商品；
3. 内容问题：怎么快速做出商品图片和文案。

对于本课程，最适合先验证的是第 3 类：内容制作问题。继续追问，业务方给出了两个具体痛点：

问题 1：批量制作图文需要重复操作

• 素材分散在网盘、聊天记录和平台后台，查找需要时间；
• 一次要处理多个商品，很难逐个从头制作；
• 首版内容只需达到测试要求，后续再根据数据优化。

问题 2：已有方案不容易复用

• 之前用过的标题和排版，下次需要时不容易找到；
• 方案散落在聊天记录、以前的商品链接里；
• 重复查找、复制和修改占用了制作时间；
• 缺少统一收藏、管理和套用方案的工具。

基于这两个痛点，把原型范围定为：帮助运营批量生成图文草稿，并保存可复用的方案。它只做两件事：

功能 1：批量生成电商商品图和文案

给系统一些商品信息，它自动帮你生成能在电商平台（如抖音、淘宝）上架用的商品图和文字。

输入

输出（生成的电商素材）

• 商品主图：带文字卖点的产品展示图（用户刷到时第一眼看到的图）；
• 商品标题：搜索时能搜到的关键词组合；
• 卖点文案：1～2 句吸引买家的话；
• 可以继续编辑的首版草稿。

效果：以前每个商品都要从零开始做图写文案；现在批量导入商品，生成草稿后再筛选和调整。

功能 2：把好用的方案存成模板

输入

输出

效果：导入新商品 → 选择「系统默认生成」或「用我存好的模板」→ 系统自动套用模板风格，输出新的图和文案。

回顾刚才做了什么：

1. 先了解工作方式：观察运营怎样准备商品内容；
2. 找到关键问题：确认重复制作和方案复用是主要阻碍；
3. 收敛范围：不做大而全的平台，只做「批量生成图和文案 + 存模板」这两个功能。

产品和业务思维的核心：先了解用户每天怎样完成任务，用具体事实判断问题的频率和影响，从多个问题中收敛出一个可验证的切口，先做最小版本，再根据使用结果迭代。代码只是工具，理解用户、找准问题才是第一步。

2. 用 AI IDE 做出第一版原型

工具说明：AI IDE 的界面、可用模型和额度会持续变化。选择你当前能够稳定使用的工具即可；本章关注的「需求表达 → 生成 → 检查 → 修改」流程并不依赖某个品牌。如果需要命令行编程工具，可以参考现代 AI CLI 工具。

需求足够清楚后，先实现一个单页面，用较小的成本检查核心流程。

2.1 第一步：用自然语言说明需求

刚开始不必追求一次写出完整提示词。像向同事说明需求一样，先写清用户、任务和预期结果，再让 AI 帮助检查缺失信息。仓库中的真实示例也印证了这种口语化风格，例如 examples/trae-linear-dashboard/prompt.txt 只有一句「帮我做一个像这样的数据看板。数据可以先随便写。做好后帮我打开看看。」，examples/trae-block-game/prompt.txt 同样是自然语言描述。

2.1.1 从口述开始（推荐新手）

先用自己的话描述想法，哪怕很粗糙也没关系：

我想做一个工具，帮电商运营自动生成商品的主图和文案。 运营平时要一个个手动做图写文案，很麻烦。 我的想法是：他们上传商品信息，系统自动生成一批草稿， 运营挑选好用的稍微改改就能用。 先做最简单的版本：一个页面，左边填商品信息， 右边显示生成的结果。能上传图片，能填文字， 生成后显示主图预览和文案。

接下来，把这段话交给一个通用对话模型（如 ChatGPT、Claude 等），让它帮助整理结构、指出缺失信息，并生成适合 AI IDE 的实现说明：

帮我把上面的想法扩写一下，整理成一份清晰的业务逻辑文档， 然后生成一个适合发给 AI IDE 的实现说明， 用来生成单页面应用的原型代码。

AI 会返回一份结构化的需求和对应的提示词。你自己检查一遍，删减不需要的功能，确认无误后再拿去生成代码。这样做的好处是：口述的内容是最真实的想法，但可能漏掉重要细节；而 AI 扩写时可能会问「要不要支持批量上传？」这种你没想到的问题，帮助你进一步验证需求。根据反馈决定保留或删除不实际的功能，在反复修改中确定初版提示词。

2.1.2 跳过扩写环节：直接把你整理好的业务文档丢给 AI

如果前面的章节已经整理好需求说明，可以直接套用下面的格式交给 AI IDE，适合范围清楚、准备开始实现的情况：

请参考下面的业务逻辑实现一个单页面应用，用来验证核心流程。 业务逻辑参考如下： 1. 帮运营批量生成第一版图文草稿： - **输入（支持直接上传和批量导入素材）：** - 商品基础信息：名称、类目、品牌、材质、尺寸、颜色、适用人群等； - 商品图片：白底图 / 简单场景图； - 每次生成支持上传额外上传历史爆款截图或参考链接，允许有参考物； - 支持通过 Excel 批量导入，或在页面上在线录入 / 上传。 - 支持页面上指定是否保存商品素材到素材库，方便下次使用 - **输出（能直接拿去上架或轻改就能上架的内容）：** - 每个商品一张「看得过去、包含基础卖点」的主图草稿； - 一条「结构合理、含核心关键词」的标题 + 1–2 句卖点文案。 - **期望的使用方式变化：** 从每批商品重新起稿，变为批量导入后对系统生成的草稿进行筛选和调整。 先做第一个功能，第二个功能（模板库）后面再加。

2.1.3 程序员的做法（进阶）：让 AI 帮你写「提示词的提示词」

如果你想更精细地控制代码生成过程，可以先让通用对话模型把需求整理成一份交给 AI IDE 的实现说明：

基于下面的想法，帮我写一个发给 coding Agent 的写代码用的提示词， 我需要用这个提示词来生成代码。 [把你的业务逻辑描述贴在这里] 要求： 1. 提示词要包含清晰的页面布局描述 2. 明确数据结构和交互逻辑 3. 指定技术栈（如 React + Tailwind） 4. 列出需要实现的核心功能点

通常 AI 会生成结构化的提示词，你可以稍作修改后发给 AI IDE 生成代码。

2.2 第二步：让 AI IDE 直接生成代码

2.2.1 准备工作：了解 AI IDE 的基本操作

如果你还不熟悉 AI IDE 的基本使用方式，建议先看附录中的 IDE 基础教程，了解如何：创建新项目、与 AI Agent 对话、理解 AI 的代码生成过程。

2.2.2 开始生成代码

AI IDE 的界面和确认方式会持续变化，这里只保留一条稳定的工作流程：

1. 新建并打开一个空项目文件夹（可用npm create vite@latest初始化 React + TypeScript 项目）；
2. 提交上一节整理好的实现说明；
3. 在侧边栏选择你信任的模型（教程推荐 gemini、gpt、glm、kimi、minimax 等），查看 AI 准备修改的文件和命令，遇到问题及时补充信息；
4. 启动本地开发服务，并打开终端给出的预览地址。

⚠️ 重要：AI 可能会停下来等待你的确认。生成过程中 AI Agent 常常暂停等待输入或确认，例如询问是否继续下一步、请你按回车键确认某个操作、或询问某个技术细节的选择。如果 AI 不再响应，先检查对话框是否在等你回复——很多新手以为 AI 还在思考，其实它已经停下等你。主动回复或按回车，AI 才会继续工作。

本地服务与端口说明：本地开发服务可以理解为运行在你自己电脑上的临时网页窗口，只能本机访问。「localhost」意为「本机自己」，在浏览器访问localhost时实际访问的是自己电脑上运行的网页。「端口」用于区分同一台电脑上的不同 Web 服务。例如教程场景中项目使用 Vite 默认端口 5173，若被占用会自动切换为 5174，在浏览器打开http://localhost:5174/即可看到当前项目页面——这是完全正常的现象。如果代码生成后页面没有出现，需要主动告诉 AI：「帮我启动这个项目」。

完成第一轮生成后，可以得到一版包含主要结构的页面（见开头插图）。初版页面信息层级和间距还有优化空间，此时可以通过具体描述和页面截图让 AI 修改界面，例如「第一版暂时不需要批量导入，请先移除」「左侧字段太多，请只保留完成核心流程所需的内容」。也可以参考成熟产品的信息结构和交互方式，但应重新组织品牌、文案和视觉细节，而不是直接复制页面。

2.3 遇到报错怎么办

在实际操作中遇到报错很常见，这并不代表你做错了。处理时先保留一个可以运行的版本，再把现象、错误信息和预期行为完整交给 AI——你甚至不需要完全理解错误本身。

可以先从三类情况入手：

• 方式一：页面或终端报错：页面变红、白屏，或终端出现错误信息时，截图或复制完整日志发给 AI，并说明刚才进行了什么操作。发送前检查日志中是否包含 API Key、账号等敏感信息。
• 方式二：功能不对但没报错：比如按钮没反应、数据没显示、样式乱了，用简单的话描述「现在发生了什么 + 预期是什么」，必要时附一张截图。
• 方式三：不确定有没有问题：直接问 AI：「帮我检查一下这个功能有没有明显问题，需不需要调整。」

新手常见疑问：

• Q：我不知道错误信息在哪里？A：优先查看终端、浏览器控制台和页面提示，凡是「红色」的提示基本就是错误；复制错误本身及其前后几行，并补充复现步骤。
• Q：AI 改完还是报同样的错怎么办？A：这是常见情况。继续截图或复制最新的错误信息发给它，让它在上一次修改基础上进一步修复。
• Q：我需要完全理解 AI 的修复方案吗？A：不必一次理解所有代码，但要确认修改了哪些文件、问题是否消失，以及原来能运行的功能是否仍然正常。每次聚焦一两个点，像积累英语词汇一样慢慢建立代码语感。
• Q：改了很多次，问题还是没解决怎么办？A：可以尝试三种策略：
  • 使用 IDE 的「版本回退」功能，在智能体对话处找到撤回按钮，回到一个可运行的版本重新开始；
  • 更换模型或调整提示词，把现象、错误信息描述得更具体；
  • 把「当前代码 + 错误日志 + 预期行为」打包，一次性发给 AI，让它整体重构问题部分。

3. 从单页面扩展到多页面应用

核心流程可以运行后，再检查导航、设置和列表等页面——初版中有些入口可能只有外观，还没有对应行为（比如点击「设置」或某些按钮毫无反应）。

可以让 AI 对照需求列出尚未实现的页面，再按优先级逐个补充。也可以直接指定某个页面让 AI 实现，直到所有页面可点击、所有功能交互正常。每完成一个页面，都实际点击并检查关键交互。

完成后，按真实使用顺序走一遍完整流程：录入商品 → 生成草稿 → 查看结果 → 收藏模板 → 再次使用。记录无法点击、跳转错误或内容缺失的位置，再逐项修复。

4. 完善原型的流程与反馈

有了多页面结构之后，最后一步是把原型从「能跑」变成「操作顺畅、观感专业」：以新用户的视角完整走一遍流程，检查输入、等待、结果、收藏和再次使用是否连贯。原型不需要拥有完整后台，但每个要演示的入口都应给出合理反馈。

首先回顾最初的需求（这是整个原型的验收标准）：

1. 帮运营批量生成第一版图文草稿： - **输入（支持直接上传和批量导入素材）：** - 商品基础信息：名称、类目、品牌、材质、尺寸、颜色、适用人群等； - 商品图片：白底图 / 简单场景图； - 每次生成支持上传额外上传历史爆款截图或参考链接，允许有参考物； - 支持通过 Excel 批量导入，或在页面上在线录入 / 上传。 - 支持页面上指定是否保存商品素材到素材库，方便下次使用 - **输出（能直接拿去上架或轻改就能上架的内容）：** - 每个商品一张「看得过去、包含基础卖点」的主图草稿； - 一条「结构合理、含核心关键词」的标题 + 1–2 句卖点文案。 - **期望的使用方式变化：** 从每批商品重新起稿，变为批量导入后对系统生成的草稿进行筛选和调整。 2. 把好用的输出沉淀成可复用的模板库： - **什么可以被收藏？** - 任意一条运营觉得「好用」的输出都可以一键收藏： - 可以是「主图 + 标题 + 卖点」的完整组合； - 也可以只收藏其中一部分，例如某个标题结构、某条卖点文案。 - **收藏之后能做什么？** - **复用：** 用这条收藏套一批新商品参数重新生成图文草稿；或在同一商品上基于该模板生成多版变体做 A/B 测试。 - **编辑：** 直接修改标题文案 / 卖点文案；如果支持图片编辑，可以微调主图中的文字、贴纸等元素。 - **管理：** 给收藏起名字、打标签（如「男包主图模板」「大促标题结构」）、支持按照店铺分类，方便后续检索。 - **下次上新时如何使用？** - 导入新商品后，运营可以选择使用系统默认逻辑生成，或指定「使用我收藏的某个模板来生成」； - 系统基于新商品数据，自动套用模板的结构与风格，输出新的主图 + 标题 + 卖点草稿。

4.1 用测试数据快速走通流程

如果每次测试都要手动录入新数据，会浪费大量时间。此时可以请 AI 在界面上生成一个「载入示例」的测试数据入口，每次刷新后快速复现同一条用户流程：

我现在需要测试这个用户使用过程，确保他能完全走通，请你结合下列需求生成测试数据入口，让我能够点击后很快测试全流程是否正常： 1. 帮运营批量生成第一版图文草稿： - **输入（支持直接上传和批量导入素材）：** - 商品基础信息：名称、类目、品牌、材质、尺寸、颜色、适用人群等； - 商品图片：白底图 / 简单场景图； - 每次生成支持上传额外上传历史爆款截图或参考链接，允许有参考物； - 支持通过 Excel 批量导入，或在页面上在线录入 / 上传。 - 支持页面上指定是否保存商品素材到素材库，方便下次使用 - **输出（能直接拿去上架或轻改就能上架的内容）：** - 每个商品一张「看得过去、包含基础卖点」的主图草稿； - 一条「结构合理、含核心关键词」的标题 + 1–2 句卖点文案。 - **期望的使用方式变化：** 从每批商品重新起稿，变为批量导入后对系统生成的草稿进行筛选和调整。

可以准备一个正常示例，再补充信息缺失、图片格式不符等边界示例。如果结果「立即出现」，用户无法判断系统是否正在处理——可以请 AI 加入一个短暂的加载状态，用来验证等待过程中的按钮、提示和占位内容，例如：「请模拟一个真实的生成过程，点击后过一段时间再显示结果。」

4.2 确保模板库功能闭环

走通生成功能后，还要确保模板库功能正常。从页面的生成卡片上通常可以发现模板库收藏功能尚未实现，此时与 AI 深入对话：「请你帮我确保需求 [粘贴上面第 2 点的内容] 正常，可以点击一个结果收藏对应的模板，点开后能看到生成参数。」

第一次实现通常还会遗漏一些状态（比如收藏后无反馈、模板列表为空态），可以结合截图逐项修正，直到每个环节都有合理反馈。

4.3 让 AI 帮你做需求检查

除了手动体验需求流程，还可以让 AI 直接做需求对照：

• 「请对照我最开始的需求，检查当前应用是否已经覆盖所有核心功能。」
• 「帮我列一个功能清单，标出哪些已经完成、哪些尚未实现或体验不足。」

AI 会输出一份检查清单，但最终仍要由你实际操作并确认结果。经过几轮「生成 → 截图 → 反馈 → 修改」的循环后，就可以得到一个相对完整、可以交给其他人试用的原型。

5. 本章作业：完成你的电商内容工作台

参考本章的提示词和内容，完成一次完整闭环：

• 完整闭环实践：业务梳理 → 提示词生成 → 单页原型生成 → 多页原型生成；
• 成果分享：截图你的程序分享给大家看；
• 思考题：为下一节「接入大语言模型（LLM）和文生图能力」预留空间，提前思考：你的工作台里，可以怎样嵌入「AI 写文案 / 生成配图 / 生成脚本」等能力？

下一步：从原型到真实 AI 能力

在下一节 docs/de-de/stage-1/integrating-ai-capabilities/index.md 中，我们将在这个内容生产工作台的基础上接入具体的 AI 能力（文字生文字、图片生文字、文字生图片），例如：

• 为某条内容任务自动生成文案初稿和多个标题备选；
• 根据任务描述自动生成配图草稿（文生图）；
• 对历史内容任务做自动归类和摘要，帮助你规划下一个活动的选题。

当前仓库还提供了若干可直接运行的口语化提示词示例供参考（examples/trae-linear-dashboard/prompt.txt、examples/trae-block-game/prompt.txt、examples/trae-3d-block-game/prompt.txt），它们展示了「一句话 + 参考图」驱动 AI IDE 的最小工作方式。把本章的「先收敛需求、再生成、再验证」思路套用到任何业务场景，你都能快速产出值得展示给用户的真实原型。

【免费下载链接】easy-vibe从 0 到 1 学会 vibe coding，项目制学习项目地址: https://gitcode.com/datawhalechina/easy-vibe