GPT-6的API申请通过那天我其实没急着去玩那些花哨的玩法。画电路图、写剧本、生成Excel公式这些我在社交时间线上已经见烦了。我更关心一件特别朴素的事拿GPT-6给我做一个能用的网站从环境安装开始一直到部署上线全程让模型主导看看它到底能扛多少活。这篇内容就是这次实操的完整记录。先说清楚我定义的“能用”是什么标准。不是我以前见到的那些演示项目——一张静态页面点来点去没有任何反应。我的验收条件很直接网站有注册和登录登录后能新增数据能在页面上看到自己和其他人提交的内容数据落到数据库里而且换个设备通过公网地址也能正常访问。满足这四条我才会承认这个网站“能用”。如果你正卡在下面这几个问题上这篇记录应该能帮到你。第一你完全没写过网站但想靠AI做出自己的工具站不知道从哪里下手第二你写过一些demo但一直停在“本地能跑、上线就废”的阶段第三你想看看GPT-6这类新模型做完整项目时的真实边界——它到底能替代多少开发工作哪些环节还得靠人。无论你是哪一种下文里的每条命令、每段提示词、每个报错处理都是我实际跑过的可以直接复制照做。1. 环境准备把GPT-6的API接通再装一个最小可用的本地开发环境做网站这件事光有一个网页版的GPT-6聊天窗口是不够的。你可以在聊天界面里让它给你写一段代码然后自己复制粘贴到本地文件里。但如果想让网站真正“自动干活”比如用户提交表单后后端程序去调用GPT-6做内容总结那必须通过API来接通。这也是本案例的基础设施。1.1 接入方式怎么选接入GPT-6目前有几种路线我全部试了一圈各自的适用场景差别很大。接入方式适合场景对做网站的帮助我的结论网页聊天版零散提问、临时写代码只能手动复制代码没法被程序自动调用不适合作为网站后端能力官方API程序内调用、自动化流程网站后端可以动态调用模型接口做网站唯一推荐的方式本地运行版本对数据安全要求极高的离线场景部署复杂需要较高硬件配置本次不采用做网站的核心逻辑是这样的网站后端收到用户请求后把请求内容打包发送给GPT-6的API拿到返回结果后再渲染成网页回给用户。API模式相当于给了你一个“编程接口”网站可以在运行时随时调用。官方SDK目前对Python和Node.js都支持得很好我这次用的是Python。1.2 最小环境清单我建议先建一个干净的虚拟环境。很多人图省事直接全局安装依赖结果不同项目之间的包版本互相打架折腾一下午。以下是我实际执行的命令序列# 先确认Python版本建议3.10及以上 python3 --version # 创建虚拟环境 python3 -m venv .venv # 激活虚拟环境 source .venv/bin/activate # 安装两个核心依赖Flask是网站框架openai是官方SDK pip install flask openai为什么用虚拟机而不是全局环境想象一下你同时维护三个项目A项目要Flask 2.xB项目要Flask 3.x如果你全装在系统里A项目跑着跑着可能就崩了。虚拟环境就是给每个项目单独隔出一间屋子互不干扰。这个习惯在后续部署到服务器时尤其重要。编辑器用VS Code就够装上Python插件就行。数据库这一步不需要额外安装任何东西——我特意选了SQLite它是Python自带的轻量级数据库表现形式就是一个文件非常适合这种个人工具站后面部署也不用单独装数据库服务。1.3 验证API连通的十行代码环境装好之后先跑一个最简单的连通性测试。在项目目录下新建一个test_gpt.py文件from openai import OpenAI client OpenAI() resp client.chat.completions.create( modelgpt-6, messages[{role: user, content: 用一句话说明你适合做网站开发的哪些环节}] ) print(resp.choices[0].message.content)运行之前需要把API密钥配置到环境变量里不要在代码里写死密钥export OPENAI_API_KEYsk-你的密钥 python test_gpt.py如果控制台输出了一段正常的话术说明SDK、网络、API密钥这条链路全部畅通。这一步跑通之后后面所有GPT-6相关的功能都有了基础。这里有一个新手特别容易踩的坑把密钥直接写到代码文件里然后项目传到公开的代码托管平台密钥瞬间泄露。正确的做法是用环境变量或者在项目根目录建一个.env文件里面写OPENAI_API_KEYsk-xxx并确保.gitignore把它排除掉。密钥是花钱买的泄露了可能被别人盗刷额度。2. 别急着写代码先让GPT-6当一次免费产品经理大多数人用AI写网站上来就把需求抛过去“帮我做一个网站”。然后GPT-6会怼回来一个什么都有的东西有会员系统、支付、后台管理、消息通知——全是你要不起的复杂度。所以我把顺序反过来了先让GPT-6理需求把产品边界定清楚再让它写代码。这个环节花了20分钟省下来的返工时间远超20分钟。2.1 我给GPT-6的第一段提示词我选的实践项目是一个“个人读书笔记工具站”。选它的原因是功能边界清晰有用户概念有数据增删查能完整覆盖网站开发的核心链路。我用的是这段提示词我要做一个个人读书笔记工具站目标用户是经常买书但记不住内容的普通读者。请你扮演产品经理输出一份简短PRD包含目标用户、核心功能、页面清单、数据表设计。功能控制在最小可用范围不要加会员、支付、后台权限这类我用不上的东西。注意最后一句“最小可用范围”不是废话。AI的默认倾向是给你一个功能大全你要主动把它拉回来。不加限制它可能真的给你设计出积分系统来。2.2 GPT-6给PRD长什么样GPT-6输出的内容虽然简洁但骨架非常完整。核心要点如下模块内容目标用户有阅读习惯、希望沉淀读书笔记的个人用户核心功能注册、登录、新增笔记、查看笔记列表、删除笔记、按书名搜索页面清单注册页、登录页、笔记列表首页、新增笔记页数据表设计users用户表、notes笔记表其中notes表的字段设计很关键GPT-6给出的结构是这样的CREATE TABLE notes ( id INTEGER PRIMARY KEY AUTOINCREMENT, user_id INTEGER NOT NULL, title TEXT NOT NULL, content TEXT NOT NULL, created_at DATETIME DEFAULT CURRENT_TIMESTAMP, FOREIGN KEY (user_id) REFERENCES users (id) );看到这个输出我心里就有底了。PRD的逻辑顺不顺表结构合不合理这是一个资深开发者一眼能判断的。如果你自己判断不了就让GPT-6把每个字段解释一遍看它说得是否自洽。这一步是人的核心工作AI负责出初稿人负责验收。2.3 技术栈为什么这样选PRD确定之后我问了GPT-6一个关键问题“这个项目用什么技术栈最简单、最容易部署”它给出的组合是Flask SQLite 原生前端我采纳了。理由值得说一下FlaskPython生态里最轻量的Web框架整个后端逻辑可以集中在一个app.py里对AI生成代码来说单文件结构出错概率最低。SQLite零配置数据库数据存本地文件不需要单独的数据库服务进程。对于笔记站这种低并发场景性能绰绰有余。原生HTML/CSS不引前端框架模板直接由Flask渲染逻辑链路短排查问题容易。不是说这是唯一选择——你如果更熟Node.js让GPT-6用Express SQLite做一模一样的站效果也差不多。关键原则是选你最有把握、AI生成质量最高、部署最省事的那套不要在项目里强行堆新框架。3. 正式实操让GPT-6生成一个能跑的网站需求和环境都齐了进入最核心的环节让GPT-6生成全部代码。这部分我完整记录了我的提示词方式以及拿到代码之后做了哪些人工调整。3.1 让GPT-6先搭项目骨架我用的提示词把“结构”和“内容”一起提了这样GPT-6会先建立全局视图而非零散输出基于上面的PRD用FlaskSQLite帮我创建完整项目。目录结构如下 - app.py主应用含所有路由 - init_db.py初始化数据库 - requirements.txt依赖清单 - templates/页面模板 - static/css/style.css样式 请先解释每个文件的职责然后一次性输出全部代码代码里加上必要的注释。它输出的目录结构如下reading-notes/ ├── app.py ├── init_db.py ├── requirements.txt ├── templates/ │ ├── base.html │ ├── login.html │ ├── register.html │ └── index.html └── static/ └── css/ └── style.css拿到这个骨架后我没有直接复制粘贴所有代码。我多问了一句“请先自己审查一遍这段代码指出安全和健壮性方面的问题再给出修复后的版本。”这一步价值很大GPT-6自己发现了两处问题一是密码没有哈希二是数据库连接在并发请求下可能出问题。它给出的修复方案用的是Werkzeug的密码哈希函数以及每次请求按需连接SQLite。3.2 后端核心代码的人工裁剪下面是app.py里注册路由的核心片段GPT-6生成后我做了一些调整。这是完整可运行的版本from flask import Flask, render_template, request, redirect, session, flash from werkzeug.security import generate_password_hash, check_password_hash from db import get_db app Flask(__name__) # 生产环境务必换成随机生成的长字符串 app.secret_key please-change-me-to-random-string app.route(/register, methods[GET, POST]) def register(): if request.method POST: username request.form[username].strip() password request.form[password] if not username or not password: flash(用户名和密码不能为空) return redirect(/register) db get_db() # 检查用户名是否已存在 if db.execute(SELECT id FROM users WHERE username ?, (username,)).fetchone(): flash(用户名已存在) return redirect(/register) db.execute( INSERT INTO users (username, password_hash) VALUES (?, ?), (username, generate_password_hash(password)), ) db.commit() session[user_id] db.execute( SELECT id FROM users WHERE username ?, (username,) ).fetchone()[id] return redirect(/) return render_template(register.html)这里有三处是我人工干预过的。第一app.secret_key换了占位符GPT-6原来写的是一串固定值这在开发时没问题上线必须换掉否则session有被伪造的风险。第二数据库操作全部用了参数化查询避免SQL注入。GPT-6第一版里有一处用了字符串拼接我直接让它改掉了。第三注册成功后直接写入session自动登录这是我补充的需求——本来GPT-6设计的是注册完跳转到登录页多一次操作。3.3 前端页面怎么跟后端对上前端模板用的是Flask自带的Jinja2模板语言。index.html里循环展示笔记列表的核心片段{% for note in notes %} div classnote-card h3{{ note.title }}/h3 p{{ note.content }}/p p classmeta发布于 {{ note.created_at }}/p /div {% else %} p还没有任何笔记点击上方按钮添加第一条吧。/p {% endfor %}这里有一个特别实用的细节{% else %}。很多AI生成的模板只有循环没有空状态当用户第一次登录数据库为空时页面就是空荡荡的白屏。加了else分支后新手用户能明显看到引导提示整个网站的专业感立刻不一样。这是我用了三年AI生成代码总结出来的经验——AI默认生成的模板不会替你想空状态和边界情况你要主动要求。3.4 初始化数据库并首次启动所有代码就位后执行初始化脚本python init_db.py python app.py然后在浏览器打开http://127.0.0.1:5000注册一个新账号添加一条笔记刷新页面能看到笔记出现在列表里。到这一步“本地能跑”的目标达成。实际上这个从零到跑通的过程刨去我写提示词和调整代码的时间真正花在“生成”上的不到半小时。4. 调试阶段踩过的四个坑GPT-6不是神但能帮你省两小时本地跑通只是开始。我第二天继续开发时陆续踩了四个实实在在的坑。这些坑非常典型是AI生成项目中最高发的四类问题。我逐个记录排查思路而不是直接给答案——因为下次遇到新问题时排查链路比答案本身更值钱。4.1 坑一端口被占用Flask起不来报错特征运行python app.py后终端输出OSError: [Errno 98] Address already in use。我第一反应是代码写错了把报错丢给GPT-6。它回复说我本机5000端口被其他进程占用了。排查命令很简单lsof -i :5000结果显示一个旧的Python调试进程占着端口没释放——大概是我前一天测试时CtrlC没杀干净。两种解决思路杀掉旧进程或者换端口。我选择杀掉旧进程kill -9 进程号 python app.py这个坑看似低级但很多人会在这一步浪费半小时反复改代码。经验是起步阶段先确认端口是干净的再怀疑业务代码。后来我养成了习惯每次启动前先看一眼端口基本杜绝了这类时间损耗。4.2 坑二注册成功数据库里却查不到用户这个坑非常迷惑。页面明确提示“注册成功”但用数据库工具打开SQLite文件users表里空空如也。我当时的第一反应是代码没执行INSERT。但代码里明明白白写着db.execute(INSERT ...)逻辑上不该出问题。我让GPT-6逐行审查它抓到一个细节我用的数据库连接辅助函数和建表脚本init_db.py本来是一对但注册路由里混用了flask_sqlalchemy风格的查询语句。两种方式操作的是不同的连接配置ORM尝试提交时因为表结构不匹配而静默失败代码里又没有异常捕获于是“看起来成功、实际上没落库”。修复方案是把数据库操作统一成同一种风格并且在提交前后加上异常打印。这个坑的价值在于当你从不同对话里拼凑AI生成的代码时它很可能分别生成了“不同世界的代码”再拼在一起。一定要检查每个文件里对数据库的写法是否一致。4.3 坑三页面能打开所有样式全丢报错特征浏览器正常显示内容但所有CSS样式都失效控制台Network标签里style.css显示404。我先看模板里的引用路径写的是/static/css/style.css这是Flask的标准写法没问题。再看项目实际目录——static/css/文件夹根本不存在。GPT-6在生成代码时会在代码里引用static目录但空的目录结构它是创建不了的需要手工建。mkdir -p static/css把CSS文件放进去重启样式恢复。这个坑提示我AI生成多文件项目时文件树必须人工核对一遍。复制粘贴代码容易但每个文件是否真的创建到位它做不到代码里引用的资源不一定真的存在。4.4 坑四中文内容乱码报错特征页面上中文变成éÂ这种完全看不懂的字符。排查链路其实很清楚。第一SQLite存储的是UTF-8数据本身没问题第二问题出在响应编码或模板声明上。修复分三个层次我全做了!-- 模板头部加上 -- meta charsetUTF-8# app.py里如果涉及JSON响应加上 app.config[JSON_AS_ASCII] False第三点是文件编码本身。我项目里有两个模板文件是在Windows上新建的保存时被编辑器存成了非UTF-8编码导致直接暴露乱码。用VS Code右下角把文件编码改成UTF-8保存重启服务后正常。这四个坑走完我对GPT-6协作模式的认识清晰了很多它生成的逻辑代码大部分可用真正出问题的场景集中在环境、编码、目录缺失、不同模块风格不一致这四类。人的工作重心不是写代码而是做验收和排查。5. 从本地到公网让朋友访问你这个网站本地能跑只相当于你一个人在后台看了个demo。要让网站真正成为“能用的网站”还得把它部署到云服务器上这样任何人通过网址都能访问。这一步我踩过很多次坑这里给出完整配置。5.1 部署方案为什么是Nginx Gunicorn很多人以为把Flask代码传到服务器上然后跑python app.py就行了。不能这么做。Flask自带的服务器是开发用的单进程性能弱遇到两个请求并发就可能卡住而且直接暴露在公网上极不安全。正确做法是把职责拆开组件职责类比Gunicorn运行Flask应用管理worker进程餐厅后厨的厨师团队Nginx接收外部HTTP请求处理静态文件转发动态请求餐厅前台的迎宾和服务员这个组合的合理性在于动态请求比如登录、提交笔记交给Gunicorn里的Python程序处理静态文件CSS、图片由Nginx直接返回不走Python进程速度极快。两者通过本机端口通信Nginx对外只暴露80/443端口。5.2 服务器端部署实录假设你有一台Linux云服务器系统是Ubuntu/Debian。登录后按以下顺序操作# 安装基础软件 sudo apt update sudo apt install -y nginx python3-venv # 把项目文件传到服务器后进入项目目录 cd ~/reading-notes # 同样的虚拟环境流程 python3 -m venv .venv source .venv/bin/activate pip install -r requirements.txt # 创建数据库 python init_db.py注意最后一步。很多人部署完发现“页面能开但登录不上”排查半天发现线上数据库表根本没建。本地开发时数据库文件在你电脑上服务器上是另一个干净环境必须重新执行初始化。然后先启动Gunicorn测一下gunicorn -w 2 -b 127.0.0.1:8000 app:app-w 2表示开两个worker进程对这个小站够用。-b 127.0.0.1:8000表示只在本机8000端口监听——注意不能绑定公网地址因为外部的请求要统一走Nginx这样安全策略更好控制。5.3 Nginx配置与systemd守护Gunicorn跑起来后配置Nginx反向代理。在/etc/nginx/sites-available/reading-notes写入server { listen 80; server_name your-domain.example; location /static/ { alias /home/youruser/reading-notes/static/; } location / { proxy_pass http://127.0.0.1:8000; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; } }然后建立软链接并重载sudo ln -s /etc/nginx/sites-available/reading-notes /etc/nginx/sites-enabled/ sudo nginx -t sudo systemctl reload nginx到这里浏览器输入你的域名或服务器IP应该就能看到网站了。如果显示的是Nginx默认页面说明配置没生效检查软链接和sites-enabled目录。最后做一件事让网站进程在服务器重启后自动恢复。新建systemd服务文件/etc/systemd/system/reading-notes.service[Unit] DescriptionReading Notes App Afternetwork.target [Service] Useryouruser WorkingDirectory/home/youruser/reading-notes ExecStart/home/youruser/reading-notes/.venv/bin/gunicorn -w 2 -b 127.0.0.1:8000 app:app Restartalways [Install] WantedBymulti-user.target执行sudo systemctl daemon-reload sudo systemctl enable reading-notes sudo systemctl start reading-notesHTTPS我建议这一步之后马上配。现在主流浏览器对纯HTTP页面会有安全提示而且网站的登录表单传输的是密码虽然我们做了哈希存储但传输过程明文总归不好。用云服务商提供的免费证书或者用Lets Encrypt的certbot一条命令就能申请。签好证书后把Nginx配置里的80端口重定向到443并加上SSL证书路径即可。部署这一整套流程我的实测感受是如果让我逐条从零查文档配一个下午起步。但有了GPT-6你只需要把需求描述清楚——我要部署Flask应用用Nginx反代后面接Gunicorn用systemd守护——它能直接给出整套配置你只需要按顺序执行。6. 做完这个项目之后的真心话这个网站从安装环境到上线实际耗时大约一个周末。抛开代码量不谈最让我触动的是工作方式的变化我花的精力已经从“怎么写代码”变成了“怎么把需求描述清楚、怎么验收AI的输出”。GPT-6提供的是一整条产线的初稿而我像一个质检员加项目经理负责定标准、查遗漏、补边界。有一句话我想放在最后AI生成的代码你至少要能看懂七成再考虑上线。完全看不懂的代码跑在公网上一旦出问题你连从哪里开始查都不知道。像我这次用到的参数化查询、密码哈希、session管理都是入门级概念花一晚上就能明白。我用一个周末做完这个站但真正让我有这个底气的不是GPT-6多聪明而是我知道这些代码每一行意味着什么。最后分享一个小技巧每次让GPT-6修改代码时在提示词末尾加上一句“只输出变更部分并附一句变更原因不要重新贴整个文件”。这样做变更历史一目了然出问题时你能很快定位是哪个环节改了什么东西。这个习惯帮我避免了无数次的“改来改去越改越乱”。