我一直想做一个"家庭作业管理"工具——给孩子的各科作业分类录入，自动生成可打印的带复选框清单。之前靠 Web 版勉强能用，但手机端体验始终别扭。于是决定做微信小程序。

我不会写小程序代码。唯一的武器是 AI。

从零起步：描述需求，AI 起骨架
第一个指令很简单：“创建一个微信小程序，按科目录入作业，支持分隔符区分多项，Canvas 绘制清单并导出 PDF。”

AI 在几分钟内生成了完整的项目骨架——app.json 配置、pages 目录结构、WXML 模板、WXSS 样式、JS 业务逻辑，甚至自动引入了 jsPDF 做 PDF 导出。对于一个零基础的人来说，这已经是"魔法"级别的体验。

AI 的优势在此刻展露无遗：速度快、语法准确、框架遵循规范。 微信小程序的四件套（.wxml / .wxss / .js / .json）AI 完全掌握了，不会写出语法错误，不会遗漏必需的配置项。如果是新手自己翻文档手写，同样的东西最少要磨两天。

踩坑实录：三个典型问题
坑一：textarea 默认 140 字限制，粘贴内容被截断
这是最隐蔽的坑。我复制了一段 200 多字的群通知粘贴到输入框，后半段总是消失。AI 起初以为是 emoji 编码问题，花了大量时间尝试缓存机制、paste 事件拦截、去掉 value 绑定——全都没用。

最终是我自己查文档发现的：微信 textarea 默认 maxlength=140。 一行代码 maxlength=“-1” 就解决了。

启示：AI 对"平台特有默认值"这类隐性知识有时会遗漏。 它知道 textarea 怎么写，但不知道微信小程序和浏览器的差异细节。这类问题需要人类主动检索、交叉验证。

坑二：《游—》 被误判为分隔符
我设计了用 — 作为分隔符来区分多项作业。某天粘贴了一段包含 《游—》（某篇游记作文标题）的文本，生成的清单直接被切成两半。

AI 最初的分隔符检测逻辑是 text.includes(‘—’)，简单粗暴。修复方案是改成正则匹配"独占一行的 —"——/\n—\n|^—\n|\n—$/，这样行内的 — 就不会被误判。

启示：AI 的第一版实现往往考虑的是"理想场景"。当真实数据中出现书名号里的三个破折号这种边缘 case，它不会自动预判。 产品边界需要人类来定义："分隔符必须独占一行"这个规则是我提炼后告诉 AI 的，AI 负责高效实现。

坑三：Canvas 预览布局反复调整
清单预览用 Canvas 2D 绘制。第一版画出来文字被截断，第二版行间距不一致，第三版不同科目的作业项没对齐——来来回回改了七八轮。

核心问题在于 calcHeight（预估画布高度）和 render（实际绘制）两套逻辑各自计算坐标，稍有偏差就会导致文字重叠或底部大片空白。AI 虽然每次都能改，但缺乏全局一致性检查。直到我要求"把高度计算和绘制逻辑抽取成共享函数"，卡顿才解除。

启示：AI 擅长"点状修补"，但在"架构一致性"上需要人类把关。 如果不提出重构要求，它会在旧代码上反复打补丁，越改越臃肿。对于核心算法和核心流程最好让AI先输出方案，审核通过后再写代码

密度自适应：一个值得提的亮点
当作业项超过 20 条时，Canvas 画布会变得超长，PDF 也会溢出到第二页（还经常是空白的）。我和 AI 一起设计了三档密度方案：normal（≤10 项，12px 字号）、compact（11~20 项，11px）、mini（>20 项，10px），字号、行距、边距同步缩放。

更有趣的是：密度选择从"按项数硬编码"演进为"两遍试算法"——先用 normal 估算高度，超出 A4 安全线就降档重算，直到装下为止。这个思路是我提的，代码是 AI 写的，配合很流畅。

AI 的局限：它擅长"做"但不擅长"想"
回顾整个过程，AI 扮演的角色更像一个执行力极强的初级工程师：
✅ 框架 API 调用精准
✅ 基础功能实现快
✅ 改 bug 响应迅速
❌ 不知道微信 textarea 默认 140 字
❌ 不会主动预判 《游—》 这类边缘输入
❌ 缺乏架构抽象意识，需要人来推动重构
❌ 排查平台特定问题（如 Canvas measureText 报错）时容易在错误方向上反复试错
核心差距在于：AI 没有"使用真实微信的体验"。 它不知道粘贴会被截断，不知道 Canvas 在某些设备上会白屏——这些都需要人在真机上跑一遍才能发现。

体验版已上线
小程序目前设为体验版，朋友扫码就能用。从"我有一个想法"到"手机上跑起来"，全程大约投入了 6-8 个小时的对话调试时间。如果没有 AI，作为一个非程序员，我根本不会开始这个项目。

总体下来，感觉AI并没有想象中的畅快。对于这个小项目来说，也是耗费了不少的功夫。
AI 降低了编程的门槛，但没有消除"产品思维"的价值。 界定需求边界、发现边缘 case、推动架构重构、在真机上验证——这些事情，目前还得人来干。