1. 摘要
作为一名大一学生，我习惯用 Excel 手动记账，但分类麻烦、数据分散、月底汇总费时。这次用 TRAE SOLO 通宵跑了两天 AI Coding，从零做出一个面向大学生的 AI 智能记账 Web App——蜜蜂记账（Bee Accounting），支持自然语言记账、AI 消费分析、微信账单导入、预算管理、语音输入，数据全存在本地，零后端成本。
技术栈：React 18 + TypeScript + Vite + Tailwind CSS + Zustand + DeepSeek API
2. 背景
我是一名大一理工科学生，平时靠家教攒生活费，对每一笔开销都很在意。之前用 Excel 记账，痛点很实在：
-
记一笔账步骤太多：时间、分类、金额、备注，手动填好几列；
-
月底看数据费劲：图表要自己做，趋势得自己算；
-
微信账单难利用：导出的 Excel 只能存着，没法自动分类分析；
-
没有预算概念：花超了才知道，没有预警。
我本来想自己写个记账工具，但前端经验不多，很多组件不知道怎么搭。TRAE SOLO 让我能把想法直接丢给 AI，边聊边改，代码直接跑通。
3. 实践过程
3.1 需求拆解
我没有一上来就写代码，而是先写了一份 PRD（产品需求文档），同时也用了brainstorm的skill把功能拆成模块：
-
核心模块：记账（增删改查）、分类管理、数据看板
-
AI 模块：自然语言输入、AI 消费分析对话
-
导入模块：微信账单 Excel/CSV 解析
-
体验模块：语音输入、主题切换、预算提醒
把 PRD 丢给 SOLO，让 AI 先生成项目骨架，再逐个模块迭代。
3.2 关键 Prompt 与操作
整个开发过程几乎全是 “对话式编程”，举几个关键节点：
Prompt 1：生成项目骨架
“帮我用 React + Vite + Tailwind CSS + Zustand 搭一个单页记账 App 的骨架，包含路由、状态管理、本地存储持久化。主题是蜜蜂，主色调用黄色。”
SOLO 直接生成了完整的项目结构，包括路由配置、Zustand store、LocalStorage 持久化逻辑，省了我至少 2 小时查文档的时间。
Prompt 2：实现自然语言记账
“我想在输入框里打字，比如 ‘今天午饭花了 25 块’，AI 自动解析出金额、分类、时间，生成一条账单记录。用 DeepSeek API 实现。”
SOLO 帮我封装了 API 调用层、解析逻辑、错误回退（解析失败时让用户手动确认）。核心代码基本是 AI 生成的，我只需要调 prompt 和测试边界 case。
Prompt 3：微信账单导入
“用户会上传微信导出的 Excel 或 CSV 账单，帮我写一个解析器，自动提取金额、时间、交易方，匹配到预定义的分类里。”
这个模块花了最久，因为微信账单的 Excel 格式有点脏（合并单元格、表头不规则）。SOLO 帮我写了 3 版解析逻辑，从简单的字符串分割到用正则匹配，最后加了表头智能识别，才稳定下来。
Prompt 4：AI 对话助手（通过对话想出来的）
“做一个 AI 对话页面，用户可以和 AI 聊自己的消费情况，AI 能总结月度报告、给省钱建议、分析消费结构。要有上下文记忆，对话记录存本地。”
这个模块让我体会到 SOLO 的 上下文保持能力——我把整个对话组件的需求分 4 次 prompt 丢过去，AI 每次都能记住之前的代码结构，新代码直接无缝衔接。
3.3 踩过的坑
-
坑 1：UI 设计风格的选择 一开始我想复刻之前另一个项目的 CSS 风格，结果出来的效果很生硬，配色和组件不协调。后来我换了个思路，直接让 SOLO 用 前端生成 Skill 来设计 UI，质量明显好很多——Tailwind 类名更规范、交互更现代、动画也自然。这个教训是：让专业工具干专业事，复刻不如重新生成。
-
坑 2：API Key 的安全性 项目快做完准备部署时，我突然意识到：如果直接把 DeepSeek API Key 写死在代码里再 push 到 GitHub，别人一翻源码就能拿到我的 Key，分分钟被刷爆。赶紧改成让用户在设置页自己填 Key、存在浏览器 LocalStorage 里，代码里完全不暴露。这也解释了为什么在线演示需要你自己填 Key 才能用 AI 功能——安全比方便更重要。
4. 成果展示
4.1 项目截图
（ 核心页面截图：首页仪表盘、记账弹窗、AI 对话页、数据看板、设置页）
4.2 核心功能一览
| 功能 | 说明 |
|---|---|
 手动记账 |
金额、分类、时间、备注，支持支出/收入切换 |
 自然语言记账 |
打字如 “昨晚奶茶 18 块”，AI 自动解析 |
 数据看板 |
月度收支趋势、分类饼图、消费排行 |
 预算管理 |
按分类设预算，超支自动标红提醒 |
 微信账单导入 |
支持 Excel/CSV，自动分类匹配 |
| AI 消费助手 |
对话式查询、月度总结、省钱建议 |
 数据管理 |
一键清除、LocalStorage 导出备份 |
4.3 在线体验 & 源码
5. 效果与总结
5.1 提效对比
| 环节 | 传统方式 | 用 TRAE SOLO |
|---|---|---|
| 搭项目骨架 | 2-3 小时查文档 + 配置 | 10 分钟 prompt 生成 |
| 写 UI 组件 | 手写 CSS + 调试布局 | AI 生成 Tailwind 类名，直接能用 |
| 接 AI API | 自己读文档、封装 fetch | AI 直接给完整 service 层 |
| 调边界 bug | 搜 StackOverflow、试半天 | 截图/贴错误给 AI，5 分钟定位 |
| 总耗时估计 | 可能放弃 | 两天，但跑通了完整项目 |
5.2 SOLO 在我流程里做了什么？
SOLO 不是替代我思考，而是 把 “实现成本” 降到几乎为零，让我能把注意力集中在：
-
产品设计：功能取舍、交互流程
-
Prompt 工程：怎么描述需求，AI 才能生成对的东西
-
质量把关：AI 生成的代码我逐行看，不对就指出来，SOLO 能秒改
5.3 可复用的方法
-
先写 PRD，再丢给 AI：需求越清晰，AI 生成越准，返工越少。
-
模块化开发：不要一次 prompt 求大而全，拆成小块逐个迭代。
-
截图反馈比文字描述高效：UI 错位、样式问题，直接截图丢给 AI，秒懂。
-
保留 AI 的对话上下文：同一个模块的修改尽量在同一会话里完成，避免重复交代背景。
“AI 不会替代程序员，但会用 AI 的程序员，正在替代不会用的。”
这次参赛最大的收获不是这个 App，而是验证了：一个非计算机专业的大一学生，靠 AI Coding，真的能从 0 做出能用的产品。
