企业官网建设流程全解析

大家好，我是悟鸣。（公众号：悟鸣AI）

最近几年，我一直在为某款待办软件付费，算下来已经花了接近上千块钱。

最近又快到续费时间了，我有点犹豫，想看看有没有更好用的替代软件。

找了一圈之后发现，很多产品其实大同小异，而且大多数还是按月付费。

我老婆说：“花钱不说，你还不满意。那为什么不用 AI 写一个呢？你不就是专业搞 AI 的吗？”

说实话，听到这里，我有点羞愧。

虽然我在一线大厂做 Agent 业务应用，自己也觉得 AI Coding 水平还可以，但我之前真没想过，居然可以自己造一个待办软件。

结果不到 30 分钟，我没动手写一行代码，只是动动嘴，就开发出了一款为我量身定制的待办软件，也顺手省下一笔订阅费。

这里为什么说“动动嘴”呢？是因为我现在已经是麦克风 + AI 语音输入法了，现在很少打字了。

这篇文章就简单分享一下软件效果、关键步骤，以及我在这个过程中的几点关键经验和对这件事的思考。

主要界面如上图所示，包括任务类型管理和任务状态管理。

为了方便区分待办、进行中和已完成的任务，我让不同状态的卡片使用不同颜色。

每个任务都可以配置时间和子任务，子任务勾选比例也会自动变化。

单个任务支持创建、编辑等操作，日期可以自由选择，开始日期默认就是创建任务当天。

此外，它还支持状态详情和子任务管理。比如可以补充相关资料，也可以添加、删除子任务。

我也直接在 GitHub 上把它开源了出来，仓库名称是：task-manager-desktop。你可以直接下载使用，你也可以基于这个版本添加自己需要的功能。

我还在根据自己的使用习惯持续优化，下一步计划开发 iOS 端，让手机和电脑可以共享待办任务。

再简单讲一下这次的核心步骤和经验。

在 CodeX 中开发软件，我建议先装上 Superpowers 这个插件。

我身边不少大厂朋友也在用它。

在 「插件」中搜索安装即可。

Superpowers 会引导 CodeX 先规划，再执行。

遇到问题时，它会按系统化调试流程推进，改完之后也会强调测试和验证。

它特别适合复杂开发任务、Bug 排查、代码评审和分支收尾，能减少“凭感觉乱改”“改完没验证”的情况。

它的关键亮点是：流程完整、测试驱动、多 Agent 并行。

整个过程其实很简单：先把最核心、最想要的功能说清楚，然后在使用过程中不断让它优化。

初始的提示词大概这样：

帮我创建一个 Mac 桌面端待办清单软件，可以录入待办事项，有待办、执行中和已完成三栏。 待办事项支持标题、开始时间、结束时间、描述等信息。

它会按照要求，先生成一个最核心的版本。

在整个过程中，它会自动打开软件，并通过截图等方式进行测试。你要做的就是试用，然后把觉得不好用的地方告诉它，让它继续修改。

我发现不同任务的颜色都是白色，很难区分，就告诉它：“不同状态的任务，需要用不同颜色区分”。

我发现待办没有类型区分，都放在一起很乱，就告诉它：“支持任务类型，允许新增、修改和删除”。

最开始每次都要手动选择开始时间，我告诉它：“开始时间默认为当天”。

它一开始也不支持子任务，我告诉它：“每个待办都要支持子任务功能”。

子任务虽然可以打勾，但目前没有比例的概念。我告诉它：“任务卡中可以显示百分比，子任务打钩后自动更新”。

我自己试用时，一不小心点了删除按钮，任务直接没了，还得重新录。我跟它说：“待办事项删除时没有二次确认，点击后直接删除，容易误删，帮我优化一下”。

在优化功能时，它也会调用 Superpowers 对应的 Debug 技能。修改完成之后，还会自动化测试。

这个过程我没有写一行代码，只是不断告诉它：再加什么新功能，哪里不好用，哪里需要优化。

简单说一下几个关键的经验吧：

1安装 Superpowers 插件，让整个研发流程更专业，也更自动化。

2使用 Git 进行管理。资深的 Vibe Coding 用户经常会遇到一种情况：前面搞得还挺好，突然越改越乱。有 Git 就可以随时恢复到之前提交过的版本。

3循序渐进地进行开发。

我们很难一次性把所有情况都考虑清楚。对于 AI 来说，如果你一次性提出太多要求，它也可能完成得不好。

所以更好的方式是：先把核心功能做出来，再不断添加新功能。使用过程中发现问题，就及时反馈给 AI，让它继续修改和优化。

4多给具体反馈，少说“优化一下”。

比如“界面不好看”就很模糊，但“不同状态的卡片颜色太接近，看不出来区别”就很具体。反馈越具体，AI 改得越准。

5一定要自己真实用一遍。

AI 可以自动测试，但它不知道你的真实使用习惯。比如误删、默认日期、子任务比例这些问题，都是我自己用的时候发现的。真正好用的软件，很多细节不是“生成”出来的，是“用”出来的。

说一下很简单却很多人忽略的小技巧：任务越复杂，「推理」深度尽量设置越高，通常可以设置为「高」或者「超高」，有时候不同的推理深度，差异很大；如果速度慢，可以开启「快速」，但是消耗增加。

可以开启「计划模式」，先和 CodeX 焦好清楚再让它执行，避免重复返工带来的大量时间和 Tokens浪费。

如果任务很复杂、执行时间长，而且你能够表述非常清楚，可以开启「追求目标」，Codex 可以自己看代码、跑相关命令、做修改、测结果，一直到达到停止条件为止。

我越来越明显地感觉到，AI 正在“终结”传统软件。

过去很多个性化需求很难被满足，因为开发成本太高。现在有了 AI，这类需求第一次变得很容易落地。

我认识一个做电商的铁粉，经常需要设计商品主图和详情页图片。

自己雇一个设计师，工资要一万多，成本很高。

不雇设计师，每次找人做图也要花几百块钱，有时候还要排期。图片做出来后，经常还要来回改好几次，沟通成本很高，也会耽误上新进度。

现在他用先进的 AI 工具，配合自己打磨好的 Skills，几分钟就能搞定。

他在做 Skills 的过程中遇到了一些困难，找我交流后，很快就解决掉了。

前两天的公众号里，我也分享过一个真实案例：录音卡时长不够了，我自己搞了一个 Skill，一年帮我省了 1000 多块钱。

有人说“重复造轮子没有必要”，但在 AI 时代，这个观点需要重新看。

省钱只是一方面。有了这个 Skill，转换完成后，Agent 可以自动根据我的词库进行校对，再回流到我个人的信息 Skills 中。未来需要使用这些数据时，Agent 也可以自动提取。

很多事情可以自动地串起来，非常高效。

我最近也看到一些公开分享：在一些先进的互联网公司里，产品、运营、客服，甚至 HR，都可以使用先进 AI 模型和工具，手搓内部系统，打造一堆贴合自己工作流的 Skills。

这种案例还有很多很多。

AI 的价值，最终要回到解决实际问题。

当现有软件不够智能，或者你想更省钱、更自动化、更方便，就可以试着把 AI 用起来。

AI 让“做”的成本大大降低了，包括时间成本，也包括金钱成本。

但通过我的观察，以及和一些朋友的讨论，我发现很多人开始“疯狂产出”，却没有认真思考一件事：这个东西到底有没有价值？

有些功能看起来像痛点，但即便解决了，价值也不高，使用频率也不高。可很多人依然会一窝蜂去做。

在这样的背景下，能判断什么值得做，比单纯“能做出来”更重要。

在使用 AI 的过程中，能不能准确表达需求，做完之后能不能给 AI 有用的反馈，会成为“人人都有先进 AI 工具”之后真正拉开差距的关键。

如果你也有类似的场景，大胆地去试试吧！