做一款互动剧本杀网站最难的往往不是剧本创意而是“如何把创意变成真正能访问的产品”。很多想入门全栈开发的朋友一听到“前端、后端、数据库、部署上线”就头疼总觉得这些事离自己很远。但最近在项目里接触了 Codex 这类 AI 编程助手之后我发现只要把需求拆成足够清晰的指令AI 可以帮你把前后端代码、甚至自动发布脚本都生成出来。本文就围绕“AI 剧本杀”这个完整项目分享一条从 0 到 1 的落地路径先讲清楚 AI 剧本杀的功能拆解再教你如何用 Codex 生成后端接口和前端页面最后通过 GitHub Actions 实现一键发布上线。就算你现在还不会写代码也可以照着这个思路把想法变成真实可运行的产品。1. 背景AI 剧本杀是什么为什么适合用 Codex 开发1.1 什么是 AI 剧本杀剧本杀是近年来非常火的互动娱乐形式玩家扮演某个角色在剧情推进中做出选择最终导向不同结局。传统剧本杀需要主持人、实体剧本、道具而“AI 剧本杀”就是把整个流程搬到线上玩家打开网页阅读一段剧情点击按钮进行选择系统根据选择切换到不同的下一幕。这种方式成本低、可复用、传播方便很适合做个人项目练手也非常适合用来验证 AI 辅助开发的全流程。从技术角度看AI 剧本杀并不复杂核心是“剧情状态管理”当前场景是什么玩家做了哪个选择应该跳到哪个场景。它不涉及复杂的算法也没有高并发数据量也很小天然适合用轻量级 Web 技术实现。正因如此它非常适合作为“ AI 编程助手从零生成完整项目”的案例。1.2 为什么选择 Codex 来生成代码Codex 是当前热门的 AI 编程助手之一它能根据自然语言描述生成代码还能在 IDE 或命令行里辅助你完成项目搭建。相比传统手工编码Codex 的价值在于“把需求转成代码”的效率非常高你只需要用清晰的提示词描述功能它就能生成可运行的脚手架代码再经过你的人工检查和修改整个项目就能快速成型。有人会问“不会写代码用 Codex 真的能做项目吗”答案是能做但有前提。你必须具备“拆需求”和“识错”的能力。AI 能帮你写代码但代码是否能满足需求、是否足够安全仍需要你把关。所以本文不只是让你复制代码更重要的是让你掌握“如何给 Codex 提需求”和“如何验证 AI 生成的代码”。1.3 本文的适合人群这篇文章适合几类读者刚入门 Web 开发想做一个有前端、有后端、有数据库的完整项目。对 AI 编程工具有兴趣但不知道如何开始担心生成代码跑不起来。想了解自动发布上线流程希望把本地项目变成线上可用产品。如果你已经能熟练写传统 Web 项目也可以把本文当作一次 AI 辅助开发的效率实验。读完后你会掌握从项目拆解、提示词编写、代码生成、本地联调到 GitHub Actions 自动部署的完整链路。2. 环境准备安装 Codex 并搭建本地开发环境2.1 Codex 的安装与配置在开始写代码之前我们需要先准备好 Codex。Codex 的安装方式会随版本迭代而变化所以不建议死记某一条命令。大致的流程是先从官方渠道安装 Codex CLI然后在终端中确认命令行可用。安装完成后通常需要做一些基础配置比如登录账号、配置模型选择等。下面给出一个通用的配置思路以命令行方式为例# 1. 确认 codex 命令已经安装 codex --version # 2. 如果 IDE 插件需要指定 CLI 路径可以执行 export CODEX_CLI_PATH$(which codex) # 3. 部分环境需要配置 API Key 或登录态 # 请根据 Codex 的官方指引完成认证这里要特别提醒一个常见坑很多 Codex 插件启动时会报错“unable to locate the codex cli binary. set codex_cli_path or ensure the elec...”这个错误翻译过来就是“找不到 Codex CLI 二进制文件请设置 codex_cli_path 或确保应用已安装”。解决方案很简单确认命令行中输入codex --version能正常输出如果能看到版本就说明 CLI 已安装然后把对应路径配置到插件设置里如果看不到则需要先安装 CLI。2.2 项目技术栈选择为了降低学习成本本文选择以下技术栈后端Python Flask轻量、适合快速开发。数据库SQLite文件型数据库零配置适合个人项目。前端原生 HTML JavaScript不依赖复杂框架方便你理解前后端交互原理。部署GitHub Actions Linux 云服务器实现 push 代码后自动发布。版本方面不需要刻意追求最新重点是可稳定运行。我在示例中使用的是 Python 3.11、Flask 3.x如果你本地的版本略有差异通常也能正常运行。如果你希望使用 React/Vue 或 Spring Boot也可以把提示词稍作修改Codex 同样能生成对应代码但本文为了讲清楚原理先采用最简方案。2.3 创建项目目录我们先把项目文件组织好。在本地创建一个新目录例如ai-script-killer里面规划出前后端入口ai-script-killer/ ├── app.py # Flask 后端 ├── requirements.txt # Python 依赖 ├── index.html # 前端页面 └── .github/ └── workflows/ └── deploy.yml # 自动部署工作流这个结构非常简单后续我们会在app.py中写后端接口在index.html中写前端页面在deploy.yml中写自动发布脚本。把项目拆成这几个文件后就能非常方便地交给 Codex 逐段生成。3. 核心设计AI 剧本杀的模块拆分与提示词编写3.1 功能模块拆解在让 Codex 写代码之前我们应该先想清楚产品需要哪些功能。一个最小可用的 AI 剧本杀可以拆成这样场景管理每个场景有一个标题、一段描述、多个选项。选择跳转玩家点击选项后系统根据选项 ID 跳到下一幕。玩家管理记录玩家 ID、当前所处场景以便后续延长剧情。结局判定当剧情走到某个终点场景时页面提示游戏结束。这里要注意AI 编程助手最擅长的是“按指令生成代码”但它不会替你思考产品逻辑。如果你直接说“帮我做一个剧本杀”它生成的代码一定会很空泛。只有你把“场景、选项、跳转”这些规则表达清楚它才能生成真正可用的程序。3.2 给 Codex 的提示词示例下面是我整理的一份提示词你可以直接复制给 Codex请帮我用 Python Flask 开发一个剧本杀后端的 MVP 版本要求如下 1. 使用 SQLite 作为数据库。 2. 数据库中有一张 scenes 表字段包括 - scene_id场景唯一 ID - title场景标题 - description场景描述 - choicesJSON 字符串保存选项列表每个选项包含 id、text、next_scene_id 3. 提供以下接口 - GET /api/story/scene_id根据场景 ID 返回场景信息 - POST /api/play接收 player_id 和 choice_id返回新的场景 ID - POST /api/player创建玩家返回 player_id 4. 内置至少 3 个场景构成一段完整的剧情分支。 5. 使用 Flask-CORS 允许跨域访问方便前端本地调试。 6. 生成 requirements.txt。 请输出完整代码并解释每个文件的作用。可以看到提示词里包含了“技术栈、表结构、接口列表、初始数据、跨域配置”这几个关键要素。把提示词写得越具体Codex 的回显就越接近你的预期。3.3 我为什么建议用“小步快跑”的方式生成代码不要试图让 Codex 一次生成整个项目而是把项目拆成“后端接口、前端页面、部署配置”三部分逐个让 Codex 生成。这么做有几个好处每个模块相对独立AI 生成的质量更高。你可以在每个阶段运行测试尽早发现错误。即使某一模块生成得不好重新生成或局部修改的成本也更低。在实际使用中我通常先让 Codex 完成后端本地测试接口再让 Codex 生成前端联调页面最后再编写部署配置。这也是本文接下来安排章节的顺序。4. 实战用 Codex 生成后端 API4.1 生成后端代码打开 Codex输入上面的提示词。Codex 会为你生成一份 Flask 代码。下面是一份参考实现你可以把它保存为app.py# app.py import json import sqlite3 from flask import Flask, jsonify, request from flask_cors import CORS app Flask(__name__) CORS(app) DB_PATH story.db def init_db(): conn sqlite3.connect(DB_PATH) conn.execute(DROP TABLE IF EXISTS scenes) conn.execute( CREATE TABLE scenes ( scene_id TEXT PRIMARY KEY, title TEXT, description TEXT, choices TEXT ) ) scenes [ { scene_id: scene_start, title: 深夜的剧本店, description: 你推开吱呀作响的大门桌上放着一封没有署名的邀请函。, choices: [ {id: choice_open, text: 打开邀请函, next_scene_id: scene_letter}, {id: choice_leave, text: 转身离开, next_scene_id: scene_end}, ], }, { scene_id: scene_letter, title: 邀请函, description: 邀请函上写着欢迎来到迷雾镇请找出隐藏的真相。, choices: [ {id: choice_go, text: 前往迷雾镇, next_scene_id: scene_end}, {id: choice_think, text: 仔细思考, next_scene_id: scene_end}, ], }, { scene_id: scene_end, title: 结局, description: 故事暂时告一段落后续剧情正在开发中。, choices: [], }, ] for scene in scenes: conn.execute( INSERT INTO scenes (scene_id, title, description, choices) VALUES (?, ?, ?, ?), (scene[scene_id], scene[title], scene[description], json.dumps(scene[choices], ensure_asciiFalse)), ) conn.commit() conn.close() app.route(/api/story/scene_id, methods[GET]) def get_story(scene_id): conn sqlite3.connect(DB_PATH) cur conn.cursor() cur.execute(SELECT scene_id, title, description, choices FROM scenes WHERE scene_id ?, (scene_id,)) row cur.fetchone() conn.close() if not row: return jsonify({error: scene not found}), 404 return jsonify( { scene_id: row[0], title: row[1], description: row[2], choices: json.loads(row[3]), } ) app.route(/api/play, methods[POST]) def play(): data request.get_json() player_id data.get(player_id) choice_id data.get(choice_id) conn sqlite3.connect(DB_PATH) cur conn.cursor() # 这里简化处理默认返回第一个场景 # 在实际项目中你应该根据 choice_id 查表找到 next_scene_id cur.execute(SELECT scene_id FROM scenes LIMIT 1) next_scene cur.fetchone()[0] conn.close() return jsonify({player_id: player_id, choice_id: choice_id, next_scene_id: next_scene}) app.route(/api/player, methods[POST]) def create_player(): player_id player_ str(abs(hash(request.remote_addr))) # 这里可以保存到 player 表暂不实现 return jsonify({player_id: player_id}) if __name__ __main__: init_db() app.run(host0.0.0.0, port5000, debugTrue)同时requirements.txt内容如下flask flask-cors4.2 运行后端并测试接口在项目目录下安装依赖并启动pip install -r requirements.txt python app.py启动后可以先在浏览器或命令行中访问http://localhost:5000/api/story/scene_start预期返回{ scene_id: scene_start, title: 深夜的剧本店, description: 你推开吱呀作响的大门桌上放着一封没有署名的邀请函。, choices: [ { id: choice_open, text: 打开邀请函, next_scene_id: scene_letter }, { id: choice_leave, text: 转身离开, next_scene_id: scene_end } ] }这里要注意一个点Codex 生成的后端代码可能是“可用但不完整”的。比如上面示例里的/api/play没有真正根据 choice 跳转场景只是返回了第一个场景。这是因为我给出的提示词里没有详细描述“如何根据 choice 找到下一场景”。这时你有两个选择一是回到 Codex补充更多约束让它重新生成二是自己修改代码。在实际开发中我推荐你补充提示词让 Codex 继续生成例如请修改 /api/play 接口根据传入的 choice_id在 scenes 表所有场景的 choices 字段中查找匹配项并返回匹配到的 next_scene_id。AI 编程助手最大的优势就是可以反复对话。你把需求补全它就能迭代出更完善的结果。4.3 代码安全与质量的二次检查当你拿到 AI 生成的代码后不要急着直接上线。有几个地方必须人工检查是否使用了eval解析 JSON如果使用了必须改成json.loads否则容易产生代码注入风险。数据库连接是否每次请求都正常关闭如果连接泄漏会导致数据库锁定。接口是否存在 SQL 注入Flask 的?参数化查询是安全的但如果你使用拼接字符串需要立即修正。是否包含调试代码debugTrue只适合本地开发上线前必须关闭。AI 能帮你生成 100 行代码但安全底线必须由你来守。这也是项目能否真正上线的前提。5. 实战用 Codex 生成前端交互页面5.1 从后端接口反推前端需求后端接口确定后前端要做的事情就很清晰了页面加载时调用GET /api/story/scene_start获取初始场景。渲染场景标题、描述和选项按钮。玩家点击选项后调用POST /api/play拿到next_scene_id。再调用GET /api/story/next_scene_id获取新场景并重新渲染页面。这就是最基本的前后端分离交互。前端只负责界面展示和接口调用后端负责数据和业务逻辑。5.2 让 Codex 生成前端页面把前端需求描述给 Codex请帮我写一个 HTML 页面命名为 index.html功能是一个剧本杀前端。 1. 页面上有一个区域显示场景标题、描述和选项按钮。 2. 页面加载时请求后端接口 GET http://localhost:5000/api/story/scene_start 3. 点击选项按钮后请求 POST http://localhost:5000/api/play请求体是 {player_id: player_001, choice_id: 选项id} 4. 拿到返回的 next_scene_id 后再次请求 GET /api/story/{next_scene_id} 并重新渲染页面。 5. 样式简洁美观不要使用外部 UI 框架。 请输出完整的 HTML 代码。下面是一份可直接运行的参考实现!DOCTYPE html html langzh-CN head meta charsetUTF-8 meta nameviewport contentwidthdevice-width, initial-scale1.0 titleAI 剧本杀/title style * { box-sizing: border-box; } body { font-family: -apple-system, BlinkMacSystemFont, Segoe UI, Roboto, sans-serif; background: #1a1a2e; color: #eee; min-height: 100vh; margin: 0; display: flex; justify-content: center; align-items: center; } .container { max-width: 640px; width: 90%; background: #16213e; border-radius: 16px; padding: 32px; box-shadow: 0 8px 32px rgba(0, 0, 0, 0.3); } h2 { text-align: center; color: #e8a87c; } .description { line-height: 1.8; font-size: 18px; margin: 24px 0; } .choice-btn { display: block; width: 100%; background: #0f3460; border: 1px solid #3a6b9f; color: #fff; padding: 12px 16px; border-radius: 8px; font-size: 16px; cursor: pointer; margin-bottom: 12px; transition: background 0.2s; } .choice-btn:hover { background: #1a4a7a; } .hidden { display: none; } /style /head body div classcontainer h2️ AI 剧本杀/h2 div idscene-title/div div idscene-description classdescription/div div idchoices/div /div script const API_BASE http://localhost:5000; let playerId player_001; async function loadScene(sceneId) { const res await fetch(${API_BASE}/api/story/${sceneId}); if (!res.ok) { document.getElementById(scene-description).innerText 场景加载失败请检查后端是否启动。; return; } const scene await res.json(); document.getElementById(scene-title).innerHTML h3${scene.title}/h3; document.getElementById(scene-description).innerText scene.description; const choiceBox document.getElementById(choices); choiceBox.innerHTML ; if (scene.choices.length 0) { choiceBox.innerHTML p 游戏结束感谢游玩。/p; return; } scene.choices.forEach(choice { const button document.createElement(button); button.className choice-btn; button.innerText choice.text; button.addEventListener(click, () choose(choice.id)); choiceBox.appendChild(button); }); } async function choose(choiceId) { const res await fetch(${API_BASE}/api/play, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify({ player_id: playerId, choice_id: choiceId }) }); const result await res.json(); await loadScene(result.next_scene_id); } // 初始化 loadScene(scene_start); /script /body /html5.3 本地联调前端与后端把index.html用浏览器直接打开或者通过静态服务器启动python -m http.server 8000然后访问http://localhost:8000同时确保后端 Flask 运行在5000端口。因为我们在后端已经开启了 CORS所以前端请求不会被浏览器拦截。如果点击按钮后没有反应可以打开浏览器开发者工具F12的 Network 面板查看接口请求是否成功。常见问题包括后端没启动前端请求失败。端口地址写错请求打到了不存在的服务。后端返回 500查看终端日志定位异常。联调成功后你的 AI 剧本杀 MVP 就已经能本地跑起来了。6. 自动发布上线用 GitHub Actions 一键部署6.1 确定上线方案本地能跑只是第一步真正的产品要部署到公网服务器上让其他人也能访问。上线方案有很多种前端可以部署到静态托管平台例如 GitHub Pages、Vercel、Netlify。后端需要运行 Python 环境可以部署到云服务器或支持 Python 的 PaaS 平台。如果想完全自动可以使用 GitHub Actions 监听代码推送自动执行构建和部署。本文以常见的“GitHub Linux 云服务器”为例实现 push 到 main 分支后自动拉取代码、安装依赖、重启后端服务。6.2 配置 GitHub 仓库 Secrets在 GitHub 仓库的 Settings - Secrets and variables - Actions 中添加以下 SecretsSecret 名称说明SERVER_HOST服务器公网 IPSERVER_USER登录服务器的用户名SSH_PRIVATE_KEYSSH 私钥用于免密登录服务器这样做的目的是避免把服务器密码写进代码仓库提高安全性。GitHub Actions 会在运行时读取这些加密信息。6.3 编写自动部署工作流在项目目录下创建.github/workflows/deploy.ymlname: Deploy AI Script Killer on: push: branches: - main jobs: deploy: runs-on: ubuntu-latest steps: - name: Checkout code uses: actions/checkoutv4 - name: Set up Python uses: actions/setup-pythonv5 with: python-version: 3.11 - name: Install Python dependencies run: | pip install -r requirements.txt - name: Run basic syntax check run: | python -m compileall app.py - name: Deploy via SSH uses: appleboy/ssh-actionv1.0.3 with: host: ${{ secrets.SERVER_HOST }} username: ${{ secrets.SERVER_USER }} key: ${{ secrets.SSH_PRIVATE_KEY }} script: | cd /opt/ai-script-killer git pull origin main pip install -r requirements.txt sudo systemctl restart ai-script-killer这个工作流里做了几件事代码推送到 main 分支后触发。先 checkout 代码然后安装 Python 依赖。执行python -m compileall app.py做语法检查避免把有明显语法错误的代码部署到服务器。通过 SSH 登录服务器进入项目目录拉取最新代码安装依赖然后重启后端服务。6.4 服务器端准备上面的工作流默认服务器上已经有/opt/ai-script-killer项目目录并且已经通过 Git 克隆了仓库。你还需要在服务器上配置 systemd 服务让 Flask 应用以后台进程方式运行。可以参考下面的 service 文件# /etc/systemd/system/ai-script-killer.service [Unit] DescriptionAI Script Killer Flask App Afternetwork.target [Service] Userwww-data WorkingDirectory/opt/ai-script-killer ExecStart/usr/bin/python3 /opt/ai-script-killer/app.py Restartalways [Install] WantedBymulti-user.target创建后执行sudo systemctl daemon-reload sudo systemctl enable ai-script-killer sudo systemctl start ai-script-killer之后每次你修改代码并 push 到 GitHub 的 main 分支GitHub Actions 就会自动把改动同步到服务器并重启服务实现真正的“自动发布上线”。6.5 上线前必须做的三件事把项目部署到公网前请务必完成以下检查关闭 Flask 的debugTrue。不要把app.run(host0.0.0.0, port5000)暴露在公网而不加任何保护。如果是学习项目建议加上简单的访问控制或只监听内网由 Nginx 反向代理对外提供服务。使用 HTTPS 证书避免明文传输敏感信息。剧本杀项目虽然不涉及支付但使用 HTTPS 已经是现代 Web 的基本要求。自动部署的价值在于“每次修改可追溯、可回滚”。如果部署后出现问题你可以在服务器上git log查看提交记录或者直接回退到上一个稳定的提交。7. 常见问题与排查思路7.1 Codex 相关异常问题现象常见原因解决思路启动插件时提示 unable to locate the codex cli binary. set codex_cli_path or ensure the elec...Codex CLI 未安装或 IDE 插件找不到 CLI 路径在终端执行codex --version确认命令存在在插件设置中配置codex_cli_path为 CLI 的实际路径请求时报错 cc switch local proxy failed while handling codex endpoint /responses本地网络代理配置影响了 Codex 的请求检查系统代理、环境变量HTTP_PROXY/HTTPS_PROXY是否与 Codex 冲突必要时临时关闭代理或调整代理设置返回提示 gpt-5.6-sol model is not supported when using codex当前 Codex 版本不支持你选择的模型更换为 Codex 支持的模型或者升级 Codex 到最新版本7.2 项目联调与部署问题问题现象常见原因解决思路前端请求接口出现 CORS 错误后端没有配置跨域在 Flask 中启用flask-cors或者使用 Nginx 反向代理统一域名点击按钮后页面无变化前端 JS 报错或接口返回异常打开浏览器开发者工具查看 Console 和 Network 面板服务器上systemctl restart失败service 文件配置错误或 Python 路径不对使用journalctl -u ai-script-killer -e查看服务日志数据库出现锁定的错误多线程同时读写 SQLite尽量缩短数据库连接时间或者把高频写入任务放入队列7.3 通用排查方法论遇到问题时不要直接“凭感觉”改代码。建议按下面的顺序排查看报错信息日志是最直接的线索先定位错误发生在哪一行。复现问题用 curl 或 Postman 单独测接口判断是前端问题还是后端问题。搜错误码把报错信息复制到搜索引擎或直接问 Codex很多时候官方文档或社区已经有了答案。修改后验证每次只改一个变量避免一次引入多个问题。这套方法论对 AI 辅助开发尤其重要因为 AI 生成的代码可能包含隐藏的假设你只有先掌握“定位问题的能力”才能真正把项目维护好。8. 最佳实践与工程建议8.1 给 AI 的提示词要像“需求文档”很多初学者用 Codex 效果不好原因是提示词太模糊。你如果写“帮我做一个网站”AI 只能给你一个通用模板。正确做法是把提示词当成需求文档来写至少包含技术栈。功能列表。数据结构。接口请求方式。期望的代码组织方式。提示词里给出的约束越多生成结果越可控。如果一次生成不理想不要放弃继续补充细节让 AI 迭代。8.2 建立“ AI 生成 人工审查”的工作流不要直接把 AI 生成的代码扔到生产环境。建议按以下节奏推进AI 生成第一版。人工阅读关键代码重点是安全风险和业务逻辑。在本地运行测试。提交到 Git触发自动部署。即使你不会写代码也应该试着读懂代码的“大致结构”。比如看到eval就要警惕看到 SQL 字符串拼接就要改成参数化查询。这些基础安全知识是上线项目的最低要求。8.3 重视版本管理与备份AI 开发速度很快代码提交容易变得随意。但我强烈建议每个阶段都保留一个可运行的 commit。做法很简单每完成一个功能就提交一次。提交信息写清楚改动内容例如feat: 添加选择跳转逻辑。不要直接在服务器上修改代码统一通过 Git 拉取。这样一旦出现不可修复的问题你可以快速回退到上一个可用版本。8.4 上线后关注性能与日志个人项目的访问量可能很小但也要养成查看日志的习惯。你可以在 Flask 中配置简单的日志输出或者让 systemd 把日志写到固定文件journalctl -u ai-script-killer -f如果后续用户量增长可以将 SQLite 换成 PostgreSQL将 Flask 内置服务器换成 Gunicorn并把前端构建成静态文件部署到 CDN。这些优化都不难但要在架构上提前留好扩展空间。8.5 把 AI 当“结对编程搭档”而不是“代码生成器”使用 Codex 的最高境界不是依赖它写出所有代码而是通过它快速验证想法、补齐技术短板。你可以让它解释代码、做代码审查、写测试用例、生成部署脚本。比如遇到不理解的功能直接问请解释这段代码的逻辑并指出潜在的安全风险。Codex 会给你一份相当详细的答案。这正是 AI 辅助学习最有价值的地方你可以在做项目的过程中不断补齐自己的知识盲区。9. 总结与下一步可以尝试的优化方向这篇文章围绕“ AI 剧本杀”这个项目带你走完了从需求拆分、Codex 生成代码、本地联调到 GitHub Actions 自动发布上线的完整流程。核心收获可以概括为四点第一项目能否成功很大程度上取决于你是否能把需求拆得足够细第二Codex 生成代码后人工审查不能省略尤其是安全相关的问题第三自动部署能极大提升迭代效率但前提是服务器环境和 Secrets 配置正确第四遇到问题时要有一套自己的排查方法论而不是东改一行、西改一行。如果你已经成功上线了第一版可以继续思考这些优化方向让玩家可以输入昵称系统保存不同玩家的剧情进度。把剧本配置抽离到 JSON 文件或后台管理页面运营人员可以动态新增剧本。加入时间限制、推理得分、多结局统计等游戏化机制。接入大模型接口让 NPC 根据不同选择生成动态对话。这些功能都可以继续用 Codex 辅助开发。每一次迭代都是你对“ AI 辅助全栈开发”理解更深一层的机会。希望这篇文章能帮你打开思路不要被“不会写代码”困住。哪怕只是先跑通一个最小版本你已经比停留在想法上的人前进了一大步。如果实际操作中遇到问题欢迎在评论区留言交流。