我用AIAgent做了一个完整的抽奖系统,只用了不到10人天

先上结论。我用飞书 + TraeCode，做了一个完整的二维码抽选系统，从后端到前端，从管理后台到H5移动端，从风控到邮件到国际化，全套做完，只用了不到10人天。这个项目如果放在以前，需要多久？我估算了一下，至少要50人天，还得是一个有经验的小团队——后端1人、前端2人、测试1人，搞一个多月。现在呢？核心就我一个人，加上AI Agent，10天内搞定，如果使用的好，可能更快。今天想聊聊这件事。不是为了炫技，而是因为我真的觉得——软件开发的方式，正在发生质变。

---

这个项目有多复杂

先说说这个系统是干什么的。简单说就是一个二维码抽奖系统——用户扫码报名，后台审核，然后抽奖，中奖了发邮件通知，还能生成核销二维码。听起来简单？但真要做一个能上线的生产级系统，功能可不少。我给你列一下。

后端有多少功能

后端是 Java Spring Boot 写的，我数了数，光 Controller 就有十几个：活动管理：创建、编辑、上下架、奖品配置、素材管理报名管理：报名记录、批量导入、VIP导入、审核抽奖管理：抽奖执行、结果管理、中奖码生成、抽奖控制、定时发布用户系统：管理员用户、App用户、权限管理认证系统：管理员登录、H5注册登录、JWT认证、邮箱验证风控系统：用户风险标记、邮箱域名风控、设备指纹、防黄牛机制、定时扫描二维码系统：二维码配置、生成、渲染、核销邮件系统：阿里云DM + Resend 双供应商路由、邮件模板管理、中奖通知自动派发登录审计：管理员登录日志统计看板：数据统计大盘滑块验证码：行为式验证码防机器注册国际化：中英文双语支持实体审计：自动填充创建/更新人和时间邮箱加密存储：用户邮箱加密保存数据库迁移脚本就有39个版本，从建表到初始化数据，全是 Flyway 管的。

前端有多少页面

前端是两套，管理后台 + H5移动端。管理后台，17个页面：登录、仪表盘、活动列表、活动详情管理、报名列表、已报名用户、抽奖控制、抽奖结果、用户管理、登录审计、二维码配置、邮件通知、风控用户标记、风控邮箱域名、账户设置……H5移动端，14个页面：首页、登录、注册、邮箱验证、密码找回、个人资料、我的活动、活动详情、产品详情、报名成功、抽奖结果、二维码核销、活动状态页……技术栈也都是最新的：Vue 3 + TypeScript + Vite 8，管理后台用 Element Plus，H5用 Vant，图表用 ECharts，状态管理用 Pinia，国际化用 Vue I18n。

还有这些"高级货"

你以为这就完了？还有：完整的测试：后端单元测试15+个、集成测试25+个；前端也有10来个测试文件CI/CD：GitHub Actions 全流程——前端构建测试、后端构建测试、打Docker镜像、推阿里云ACR、SSH远程部署到ECS容器化：三个镜像（admin/h5/backend），Dockerfile 都有，compose 本地开发 + 生产环境两套配置技术文档：12份文档，架构设计、API、邮件、测试、风控、审计、部署……监控：Spring Boot Actuator 健康检查这不是什么 Demo，这是一套能直接上线跑的生产级系统。而这一切，不到10人天。

---

我是怎么用 AI Agent 做的

说出来你可能不信，整个过程中，我写的代码很少。我的角色，已经不是"程序员"了，更像是产品经理 + 架构师 + 测试工程师 + 项目管理者的结合体。

工具组合：飞书 + TraeCode

我用了两个核心工具：飞书，用来做需求管理。每个功能我都会写清楚：背景是什么、要做什么、验收标准是什么、有哪些边界情况。写得越清楚，AI 产出的质量越高。TraeCode，用来写代码。不是那种"帮我写个函数"的用法，而是给它一个完整的模块，让它端到端地去实现——从建表、到实体、到 Service、到 Controller、到测试，一条龙。

我的工作流是这样的

第一步：拆需求。把大项目拆成一个个独立的模块，每个模块是一个可验收的交付单元。比如"活动管理模块""报名模块""风控模块"。第二步：定架构。技术选型、目录结构、模块划分、代码规范，这些我先定好。就像给 AI 画了一个框，让它在框里发挥。这一步很重要，架构是地基，地基歪了，上面盖得再漂亮也没用。第三步：分批交付。一个模块一个模块来。我把需求写清楚，丢给 AI，它去写代码。写完了我来验收——跑测试、看代码逻辑、测边界情况。有问题就反馈给 AI，让它改。改完再验收，迭代个几轮，质量就上来了。第四步：集成联调。模块都做完了，再把它们串起来，做端到端的集成测试。接口对不对、数据通不通、流程跑不跑得通。发现问题，定位到具体模块，再让 AI 去改。

我每天都在干什么

说出来可能有点颠覆认知——我每天写代码的时间不超过20%。剩下的80%时间在干嘛？想产品：这个功能应该怎么设计？用户体验好不好？有没有遗漏的场景？定架构：模块怎么划分？接口怎么设计？数据怎么存？写需求：把脑子里的想法变成清晰的文字描述，让 AI 能准确理解审代码：AI 写的代码对不对？逻辑有没有问题？有没有安全隐患？做测试：跑测试用例、测边界情况、验证业务逻辑，集成测试排问题：出了 bug，定位是哪的问题，然后让 AI 去修最大的变化是：我不用再关心"怎么实现"，只需要关心"做什么"。以前做项目，我大部分时间在想"这个功能怎么写"——这个查询怎么优化、这个异常怎么处理、这个页面怎么布局。现在呢？这些"怎么实现"的问题，AI 都帮我搞定了。我只需要想清楚"要实现什么"。这感觉就像——以前我是个厨师，从洗菜切菜到炒菜装盘全自己来；现在我是餐厅经理，我只需要告诉后厨"今天做什么菜"，具体怎么做他们来。

---

效率提升的真相：不是写代码快了，是模式变了

很多人听到"AI 写代码"，第一反应是"哦，就是写得快一点嘛"。不对。这不是"更快的马车"，这是"汽车"。区别在哪？

以前：80%时间写代码，20%时间想产品

以前做项目，你的时间大概是这么分配的：60%：写业务代码、调 bug15%：写测试、写文档10%：开会、沟通需求10%：架构设计、技术选型5%： 想产品、想体验大部分时间都花在"实现"上。你想花更多时间打磨产品？不好意思，没时间，代码还写不完呢。

现在：20%时间处理代码，80%时间想产品

有了 AI Agent 之后，时间分配反过来了：60%：想产品、想需求、想体验20%：审代码、测功能、排问题15%：架构设计、技术选型5%： 写代码（只有AI搞不定的特殊情况才自己写）你从一个"执行者"，变成了一个"设计者"。以前你是"我要做一个功能，我得花三天写代码"；现在你是"我要做一个功能，我得先想清楚这个功能到底应该是什么样"。这是质的变化。以前制约项目质量的是"写代码的速度"；现在制约项目质量的是"想需求的深度"。

一个人顶一个团队

更夸张的是什么？以前需要一个团队配合的事，现在一个人就能干。后端？AI 写了。前端？AI 写了。测试？AI 帮写了。部署？AI 帮写脚本了。运维？CI/CD 配置好了，自动部署。你需要做的，就是想清楚要什么，然后指挥 AI 去干。当然，不是说 AI 有多厉害，离了人不行。AI 是放大器。一个厉害的程序员 + AI，能放大成一个团队的产出。但如果人不行，AI 写的代码也是一堆垃圾。

---

踩过的坑

说了这么多"好"的，也得说说"不好"的。AI Agent 不是银弹，用起来坑不少。说几个我印象最深的。

坑一：需求写不清楚，AI 会自己脑补

最开始我有点偷懒，需求写得比较粗略，比如"做一个报名功能"。结果 AI 自己脑补了一大堆东西——有的我根本不想要，有的和我的设计完全不一样。后来我学乖了，需求写得越细越好：有哪些字段，每个字段什么类型、什么约束业务流程是什么，每一步做什么异常情况怎么处理验收标准是什么写得越清楚，返工越少。

坑二：AI 写的代码会"想当然"

有一次做风控功能，AI 写了一个"检测可疑邮箱域名"的逻辑。表面上看没问题，代码也能跑。但我仔细一看，它的判断逻辑完全是想当然的——根本不符合真实的防黄牛场景。AI 很擅长"写代码"，但不一定理解"业务"。它能把你的描述翻译成代码，但如果你描述的逻辑本身有问题，或者它理解错了，代码写得再漂亮也是错的。所以code review 这一步，绝对不能省。

坑三：复杂逻辑容易出错

简单的 CRUD，AI 写得又快又好，基本不用改。但复杂的业务逻辑，比如抽奖算法、风控规则、状态流转，AI 就容易出错了。要么是边界情况没考虑到，要么是逻辑有漏洞，要么是和别的模块配合有问题。这种时候，就需要人来把控了。你得想清楚逻辑，然后一步一步引导 AI 去实现。复杂的东西，拆成小步走，质量会高很多。

坑四：测试还是要人来做

AI 能帮你写测试用例，甚至能帮你写测试代码。但"测什么"比"怎么测"更重要。业务逻辑对不对？有没有遗漏的场景？用户体验好不好？性能压测是否符合要求？这些问题，AI 是回答不了的。最终还是要人来判断。我现在的做法是：AI 帮我写单元测试，我来做集成测试和验收测试。单元测试保证"代码没错"，人来保证"业务没错"。

---

对未来的一些思考

做这个项目的过程中，我经常在想一个问题：程序员的未来会怎么样？说实话，有时候我自己也觉得有点不真实。就在几年前，我们还在讨论"AI 能不能写简单的代码"；现在，AI 已经能端到端地交付一个完整的商业项目了。这变化太快了。但焦虑归焦虑，冷静下来想，我觉得有几个趋势是很明显的。

第一，纯编码能力在贬值

以前你说"我精通 Java""我精通 Vue"，这是很值钱的。以后呢？写代码这件事，AI 会越来越擅长。纯靠"写代码快""写代码多"吃饭，会越来越难。

第二，"定义问题"的能力越来越值钱

AI 能解决问题，但不会定义问题。"做什么""为什么做""做成什么样"——这些问题，最终还是要人来回答。产品思维、业务理解、用户洞察——这些能力会越来越重要。能把模糊的需求变成清晰的产品定义，这个能力 AI 没有。

第三，架构能力是核心竞争力

AI 能写代码，但不知道为什么这么写。系统怎么拆分？模块怎么设计？技术怎么选型？性能瓶颈在哪？怎么保证可扩展性？这些架构层面的判断，需要深厚的技术积累和经验。好的架构师 + AI = 超级团队。差的架构师 + AI = 快速制造技术债务。

第四，程序员的角色在变

以前的程序员 = 写代码的人。现在的程序员 = 产品经理 + 架构师 + 测试工程师 + AI 团队的管理者。以后呢？我觉得"程序员"这个词可能会变。或者说，程序员的工作重心会从"实现"转向"设计"和"把控"。就像以前的"打字员"这个职业消失了——不是因为不需要打字了，而是因为每个人都会打字了。以后"写代码"可能也会变成每个技术人的基本技能，但核心竞争力不再是写代码本身。

---

说几句心里话

最后，说几句心里话，给和我一样的程序员朋友们。第一，别焦虑，但也别躺平。AI 来了，天塌不下来。但如果你还在用老方式工作，迟早会被淘汰。不是被 AI 淘汰，是被会用 AI 的人淘汰。第二，赶紧上手试试。别光看文章、光看视频，没用的。找个小项目，用 AI 做一遍，你就知道怎么回事了。纸上得来终觉浅，绝知此事要躬行。第三，把 AI 当成你的"团队"，而不是"工具"。别只让 AI 写个函数、改个 bug——太低效了。试试给它一个完整的模块，让它端到端地交付。你会发现，你的工作方式会彻底改变。第四，多花时间在"非编码能力"上。产品思维、架构能力、业务理解、沟通协作……这些东西，以前可能觉得"不重要，写好代码就行"。以后你会发现，这些才是真正的核心竞争力。

---

写在最后

回到开头那个数字：10人天 vs 50人天。5倍的效率提升，听起来很夸张。但当你真的做过一次，你就会觉得——这很正常。而且我相信，这还只是开始。AI 会越来越强，工具会越来越好，效率还会继续提升。5年之后，我们再回头看今天的软件开发方式，可能会觉得"那时候的人怎么那么原始"。就像我们现在看以前的人用汇编语言写程序一样。技术革命来了，挡是挡不住的。但每次技术革命，淘汰的都是不会用新技术的人，成就的是会用的人。与其担心被取代，不如想想——怎么用 AI，让自己变得更强。毕竟，AI 只是工具。真正厉害的，从来都是会用工具的人。

---

这是"AI Agent 项目实战"系列的第一篇。接下来我会完整复盘这个项目的开发过程，从架构设计到踩坑经验，从方法论到工具使用，都会一一分享。感兴趣的话，点个关注，我们下篇见。