0. 先和大家打个招呼吧 
我是谁：一名中年程序员，白天写代码，晚上带娃。
我是怎么用 TRAE 把 Demo 做出来的：
说实话，这个项目从想法到可运行，如果没有 TRAE，我可能要拖两三个月。但用 TRAE 之后，整个过程就像"口述编程"——我把需求一句句讲给它，它帮我写出代码骨架、补全业务逻辑、甚至发现我没想到的边界问题。
最让我觉得"原来这么简单"的瞬间是：我说"帮我做一个能根据宝宝月龄推荐辅食的系统"，TRAE 不到5分钟就生成了完整的规则引擎框架（月龄分段、过敏原检测、营养评分），而且代码结构比我手写还规范。以前这种业务逻辑我要画流程图、写伪代码、再一行行实现，现在直接告诉AI"6-8个月推荐泥糊状、8-10个月推荐碎末状"，它就懂了。
它帮我跨过的最大一道坎是微信小程序前后端联调。我以前没怎么做过小程序原生开发，WXML/WXSS 的语法细节很容易踩坑。TRAE 的上下文理解能力很强，我上传报错截图它就能定位到是 flex 布局问题，或者 API 路径拼写错误。前后端打通这块，TRAE 帮我省了至少一周的摸索时间。
1. Demo 简介
是什么
一款面向 0-3 岁婴幼儿家庭的 AI 科学喂养微信小程序，前后端完整闭环，从"今天吃什么"到"吃得好不好"一站式解决。
面向谁
- 新手爸妈（第一次添加辅食，完全没概念）
- 二胎家庭（需要个性化推荐，不能照搬一胎经验）
- 祖辈带娃群体（需要权威、易懂的营养建议）
主要功能（3 个核心 + 5 个亮点）
| 功能 | 说明 |
|---|---|
| AI 智能辅食推荐 | 输入宝宝月龄、过敏原、健康状态，AI 瞬间推荐今日食谱。采用"规则引擎 + 智谱大模型"双层架构，规则层保安全、AI 层做个性化 |
| 喂养记录 & 成长报告 | 记录每餐食量、宝宝反应，自动生成周/月统计报告，可视化生长曲线 |
| AI 喂养问答 | 7×24 小时解答"宝宝便秘怎么办""几个月加蛋黄"等高频问题，预设 30+ 条常见问答，AI 不可用时自动降级 |
| 食品库管理 | 家庭食材保质期智能追踪，临期自动预警，拍照即可入库 |
| 食材识别 | 输入食材名称，AI 分析是否适合当前月龄 |
| 智能购物清单 | 根据推荐食谱自动生成采购清单，支持预算控制 |
| 营养缺口分析 | 基于一周喂养记录，AI 分析营养摄入是否均衡 |
| 周食谱计划 | AI 生成 7 天科学喂养计划，每天 4 餐不重样 |
产品截图
2. Demo 创作思路
灵感来源
每天被"今天给宝宝吃什么"折磨——翻开育儿书太厚、问老人怕过时、搜小红书信息杂乱。市面上的辅食 App 要么是静态食谱库（不够个性化），要么没有 AI 能力（不能问答）。我想做一款真正懂每个宝宝个体差异的智能喂养助手。
想解决的问题
- "今天吃什么"选择困难：每天想辅食搭配很烧脑，AI 一键推荐解决
- 过敏风险：新食材不敢加，AI 会根据已尝试食物和过敏原自动过滤
- 营养盲区：不知道宝宝缺什么，AI 基于喂养记录做营养缺口分析
- 老人带娃信息不对称：把科学喂养知识装进小程序，随时随地可查
为什么做这个方向
- 真实痛点：中国有超过 4700 万 0-3 岁婴幼儿，辅食添加是几乎每个家庭的必修课
- 技术可落地：规则引擎保证安全性，大模型增强个性化，两者结合恰到好处
- 社会价值：科学喂养直接关系青少年身心健康，符合国家"健康中国 2030"战略
- 差异化：市面竞品多为静态内容，本项目是AI 驱动的个性化推荐，每个宝宝的推荐都不一样
关键设计决策
用户请求
├──> 规则引擎（安全层）
│ ├── 月龄适配过滤（6-36个月分阶段）
│ ├── 过敏原交叉检测（8类常见过敏原）
│ ├── 健康状态过滤（便秘/腹泻/发烧等）
│ ├── 月龄禁忌食材过滤（1岁内自动排除蜂蜜、盐、糖）
│ └── 营养评分排序
└──> LLM增强层（智谱GLM-4-Flash）
├── 个性化营养搭配说明
├── 食材替换建议
└── 喂养小贴士
- 采用"规则引擎 + 大模型"双层架构，而非纯 LLM 方案——因为宝宝食品安全容不得幻觉
- 演示模式零配置启动（数据持久化到 JSON），方便评审快速体验
- 全链路降级设计：LLM 不可用时，规则引擎 + 预设问答库独立工作，系统永不宕机
3. Demo 体验地址
# 1. 克隆代码
git clone https://gitee.com/cherbimhjj/baby-food-ai.git
# 2. 启动后端（零配置，无需 MongoDB）
cd baby-food-ai/server
npm install
node demo-server.js # 启动演示服务器（端口 3000）
# 3. 用微信开发者工具打开 baby-food-ai/miniprogram 目录
# 4. 开发者工具 → 详情 → 本地设置 → 勾选「不校验合法域名...」
# 5. 首页点击「一键加载演示数据」即可体验全部功能
4. TRAE 实践过程
本项目从 0 到 1 完全使用 TRAE IDE 开发，以下是关键开发节点的 Session 截图与对话记录。
Session 1：项目骨架搭建 + AI 推荐引擎核心开发
- 耗时: 约 2 小时
- 内容：
- 使用 TRAE Builder 模式生成微信小程序 + Node.js 后端的标准项目结构
- 完成规则引擎核心逻辑：月龄分阶段规则（6-8月、8-10月、10-12月、12-18月、18-36月）
- 过敏原交叉检测模块
- 营养评分算法
- 智谱 AI 大模型接入（OpenAI 兼容格式）
电脑重装系统没对应记录了。
Session 2：全量代码审查与关键 Bug 修复
- Session ID:
6a4de5d27fe33c33fdea5613 - 耗时: 20m 13s
- 内容：
- TRAE 自动审查代码，发现 26 处问题，修复 8 个关键 bug
- 修复
api.delete不存在（改为api.del） - 修复 WXML 中
.indexOf()不支持导致过敏原勾选失效 - 补充缺失的后端路由
Session 3：食品库功能开发（拍照入库 + 新鲜度追踪）
- Session ID:
6a4bb94721f4b1d84749614d - 耗时: 20m 19s
- 内容：
- 新增"我的食品库"页面（首页快捷入口）
- 支持手动添加（名称、分类、保质期）和拍照添加
- 新鲜度管理：自动计算剩余天数，分"新鲜/一般/即将过期/已过期"四级
- 智能推荐优先从食品库匹配食材
Session 4：前后端"样子货"审计与全面修复
- Session ID:
6a4bb94721f4b1d84749614d - 耗时: 6m 47s
- 内容：
- 全面审计前后端代码，发现 3 个纯"样子货"页面（photo-identify、nutrition-gap、meal-plan 有前端 UI 但后端无路由）
- 新建 3 个后端路由文件，补全真实 API
- 修复 food-identify API 路径错误、report 雷达图伪数据等问题
Session 5：UI 美化与演示数据增强
- Session ID:
6a4bb94721f4b1d84749614d - 耗时: 10m
- 内容：
- 全局设计系统升级为紫色渐变主题（#667eea → #764ba2）
- 修复首页快捷入口 flex 布局错乱，改为 4 列网格
- 演示数据大幅增强：一键生成 7 天 × 4 餐 = 28 条喂养记录、12 条生长记录、10 条食品库数据
5. 对应的报名审核通过的帖子链接
报名审核帖子： 【社会服务赛道】AI婴幼儿科学喂养助手
附：技术栈
| 层级 | 技术 |
|---|---|
| 前端 | 微信小程序原生开发（WXML / WXSS / JS） |
| 后端 | Node.js + Express |
| 数据库 | MongoDB（生产）/ JSON 文件（演示模式） |
| AI | 智谱 GLM-4-Flash（OpenAI 兼容格式） |
| 缓存 | Redis（规则配置、Prompt 模板） |
| 安全 | JWT + express-rate-limit + helmet + Joi 校验 |
| 部署 | Docker + 微信云托管 / 腾讯云云开发 |
附：项目核心亮点
- 双层 AI 架构：规则引擎保安全底线（过敏/禁忌/月龄），LLM 做个性化增强，系统永不宕机
- 全链路降级：AI 服务不可用时，预设问答库 + 规则引擎独立运行
- 50 道辅食食谱：覆盖 6-36 个月，每道菜含 12 项营养指标
- 智能食品库：拍照识别入库 + 保质期自动追踪 + 新鲜度预警
- Docker 容器化：非 root 用户运行、健康检查、CI/CD 流水线
作者：侯候猴