【标签】 社会公益赛道
【标题】 【社会公益赛道】互帮互助 —— 连接爱心的透明公益资金互助平台
【正文】
一、Demo 简介
是什么： 一款基于微信小程序的透明公益资金互助平台，资助者（A）与受助者（B）之间实现资金规范收取、透明分配与长期定向发放。
面向谁：
- 资助者 — 愿意奉献爱心、帮助困难群体的社会公众
- 受助者 — 面临经济困难、需要长期资助的弱势群体（含老人、残疾人等行动不便群体）
- 审核员 — 由资深资助者担任，参与受助申请的审核决策
- 社区代办 — 社区/村委会工作人员，帮助困难群体代办申请
- 管理员 — 平台运营与内容管理人员
主要功能：
- 资金透明管理 — 全托管资金池，系统自动每月平均分配资金，每笔资金从充值到发放全程可追溯，支持 BI 报表查看、资金流水查询、爱心排行榜
- AI 人脸识别认证 — 基于 dlib 的 1:N 人脸比对算法，配合自研活体检测，实现受助者实名认证时的身份核验，杜绝冒名顶替
- 公众审核机制 — 每笔受助申请随机分配 10 名资助者进入审核群聊，多人讨论、电子签名确认，让公益从"少数人管"变成"多数人监督"
[此处建议插入首页截图、资金池截图、审核群聊截图等产品界面展示]
二、Demo 创作思路
灵感来源：
近年来，公益慈善领域频频出现信任危机——捐款的去向不透明、受助者身份难以核实、资金流向无法追溯。而市面上已有的公益平台大多属于大型慈善组织，普通公众参与门槛高、参与感弱。我们想做一个真正"透明、可信、可参与"的互助平台，让每一分钱都能被看见，让每一个捐助者都能参与决策。
想解决的问题：
- 资金流向不透明 — 传统公益捐款后，捐助者很难追踪资金去向，不知道自己的钱最终帮助了谁
- 审核流程欠规范 — 受助者的真实身份缺乏多维度验证，存在冒名顶替、虚假申请的风险
- 公众参与度低 — 普通捐助者只能被动"捐钱"，无法参与审核与决策过程，归属感弱
为什么做这个方向：
我们选择"公益互助"方向，是因为这是社会真实存在的刚性需求——困难群体需要长期稳定的资助，而热心公众需要一个可信赖的渠道去奉献爱心。通过技术手段解决信任问题，比单纯呼吁"多做好事"更有实际意义。我们判断：透明 = 信任 = 可持续的公益生态。
三、Demo 体验地址
由于本项目为微信小程序形态，无法以网页链接直接体验，提供以下两种方式：
-
生产部署地址： 小程序已部署至微信小程序平台（需微信扫码体验），后端服务部署于阿里云 ECS，生产域名为
nwdydzwps.cn -
交互式演示 HTML：
hubang-huzhu-demo.zip (444.1 KB)
[此处建议附上小程序码或体验二维码图片]
四、TRAE 实践过程
开发历程
本项目从 2026 年 6 月 4 日 首次提交开始，经历了约两周的密集开发，完成了从原型到 MVP 再到生产部署的完整流程。以下是用 TRAE 完成 Demo 开发的关键步骤：
关键开发步骤
第一步：项目初始化与架构设计
- 使用 TRAE 搭建微信小程序前端（uni-app + Vue.js）与 Node.js 后端（Express 框架）项目骨架
- 设计五角色权限体系（资助者/受助者/审核员/社区代办/管理员）
- 设计数据库表结构（用户表、资助表、受助表、资金流水表等）
第二步：核心业务功能开发
- 开发微信登录 + 手机号绑定 + 人脸登录三重认证体系
- 开发资助者扫码充值、资金池总览、月捐设置功能
- 开发受助者实名认证、人脸活体检测、资助申请提交功能
- 开发审核员任务分配、审核群聊、电子签名决策功能
- 开发资金自动分配算法、全链资金追溯功能
第三步：AI 人脸识别服务集成
- 使用 TRAE 搭建 Python Flask 微服务，集成 dlib face_recognition 库
- 自研多维度活体检测算法（动作检测 + 照片质量评分 + 人脸一致性验证）
- 实现 WebSocket 实时帧传输，提升用户体验
- 设计 SQLite 人脸特征库，支持 1:N 快速比对
第四步：生产部署与运维
-
部署至阿里云 ECS（Alibaba Cloud Linux 4 Pro）
-
配置 Nginx 反向代理 + Let’s Encrypt 免费 SSL 证书
-
配置 FRP 内网穿透，将本地服务暴露到公网
-
使用 PM2 守护进程，确保服务稳定运行
开发关键截图
TRAE 中开发人脸识别功能的界面截图
TRAE 中资金池管理页面的代码编辑截图
TRAE 中审核群聊功能的会话截图
TRAE 中项目文件结构截图
关键任务对话 Session ID
以下为使用 TRAE 完成本 Demo 开发的关键对话 Session ID（不少于 3 个）：
- Session ID：
6a4f548bd01f3ff6c9168449— 项目整体架构设计、开发工作流确认与项目初始化 - Git Commit：
8c3a3fd（2026-06-04）— 首次提交，项目骨架搭建 - Git Commit：
40c1121（2026-06-06）— 从纯 Node.js 方案转向 Python 人脸识别服务，完成 AI 活体检测架构设计 - Git Commit：
b0e272b（2026-06-09）— UI 优化，避免 AI 乱改 UI，锁定前端交互体验 - Git Commit：
a9ac1f0（2026-06-11）— 准备部署到阿里云，完成 Nginx 配置、SSL 证书、FRP 内网穿透 - Git Commit：
84909a7（2026-06-15）— 人脸登录功能成功上线，全流程闭环验证通过
（注：TRAE 的每个 Session 对应一个完整的开发对话，以上 Session ID 和 Git Commit 均可用于证明作品由 TRAE 开发完成）
3358375209083568:ecc535aad36d8f260d97eed33de60db6_6a4f548bd01f3ff6c9168449.6a4f5eead01f3ff6c9168bc8.6a4f5eead01f3ff6c9168bc6:TRAE Work CN.0.1.30.no_sid.no_ppe.T(2026/7/9 16:42:18)
以上就是本 Demo 的完整介绍。该项目从零开始，完全使用 TRAE 完成需求分析、代码生成、调试优化到生产部署的全流程。TRAE 的 AI 编程能力在多人脸识别、实时通讯、资金分配算法等复杂功能开发中发挥了关键作用，大幅提升了开发效率。
社区报名帖链接： [报名链接https://forum.trae.cn/t/topic/25788\]
附：项目完整技术栈
- 前端：uni-app（Vue.js）+ 微信小程序
- 后端：Node.js + Express + SQLite
- AI 服务：Python + Flask + dlib face_recognition + MediaPipe
- 通讯：WebSocket + 腾讯云 IM SDK
- 部署：阿里云 ECS + Nginx + PM2 + FRP
- 数据库：MySQL 8.0（业务数据）+ SQLite（人脸特征库）