你家保洁阿姨用的那个小程序，代码全是 AI 写的。
不是 50%、不是 80%，是 100%。
年初我在家政行业调研时发现一个巨大的信息不对称——客户找不到靠谱阿姨，好阿姨也不知道哪里有订单。当时想搭个平台试试，但我不会写代码。
然后 WorkBuddy 出现了。
从零到上线
2026 年 4 月 23 日，我对着空文件夹敲下第一行指令：「帮我搭一个家政平台」。
71 天后，一个完整商用的家政服务 SaaS 平台上线了。
| 模块 | 技术栈 | 代码行数 |
|---|---|---|
| 后端 API | FastAPI + SQLAlchemy 2.0 + PostgreSQL | 49,282 |
| 小程序前端 | 微信原生 + Skyline 渲染引擎 | 49,204 |
| 管理后台 | Vue 3 + Element Plus + TypeScript | 21,789 |
| 数据库迁移 | PostgreSQL SQL | 3,883 |
| 测试用例 | pytest（145 个用例） | 5,605 |
| 运维脚本 | Python 自动化部署 | 11,007 |
| 合计 | 140,770 |
这些代码没有一行是我手写的。所有的架构设计、数据库建模、接口编写、页面开发、测试用例，全部由 WorkBuddy 的 AI Agent 完成。
我扮演的角色不是程序员，而是产品经理 + 测试员 + 决策者——告诉 AI 要做什么、检查做得对不对、拍板关键设计。
不是玩具，是真实商用系统
6 月 10 日官网上线，6 月 28 日第一位真实客户注册下单。这位客户孙先生，上海黄浦区，自然流量发现平台，从注册到下单只用了 15 分钟。他发布 2 个需求、创建 1 个订单——钟点工 90 元。
这个平台有什么？
它不是「AI 生成个登录页」那种 Demo，而是一个五脏俱全的商业系统。
智能匹配引擎
AI 双引擎——规则打分（十多个维度）+ 语义向量匹配。阿姨根据服务区域、技能标签、历史评价自动推荐，不是关键词搜索。
阿姨排班系统
7 种重复类型排班规则。SQL 快筛 + Python 终审两级过滤，保证「服务中不会接到新单」。
全品类服务
短期按次（钟点工/深度保洁/新居开荒）阿姨抢单；长期按月（月嫂/育儿嫂/住家保姆/老人陪护等）管理员匹配。
SOP 拍照打卡
到达打卡→服务前拍照→服务后拍照→客户确认。每步都有时间戳和 GPS 定位，服务过程透明可追溯。
培训认证体系
82 道标准菜谱 + 11 门培训课程 + AI 线上面试。阿姨分 L1/L2/L3 三级认证，持证上岗。
更多功能
TTS 语音听单、附近订单推送、公海客户管理、GEO 内容营销……
最难的不是写代码，是修 Bug
这段经历最真实的收获反而是：AI 写的代码一样有 Bug，而且 Bug 往往更隐蔽。
7 月 2 日一天，我们修了 7 个问题：
@router 装饰器误挂在工具函数上，FastAPI 匹配了错误的路由处理函数。app.Models ≠ app.models。func.make_interval(hours=...) 根本不存在。None，Python sort() 无法比较 None 和 float。每一个 Bug 修完都让我更清楚：AI 是超级工程师，但不是超级产品经理。它能写出看起来正确的代码，但不会考虑 Windows 和 Linux 的区别、不会预判 NULL 值的传染性、不会做数据一致性设计。
这些只有产品经理或者实际用过产品的人才能发现。
写在最后
如果你也在犹豫「不会写代码能不能做产品」，我想说：
能。但不是「告诉 AI 做一个 App」然后等着奇迹发生。
你必须要理解自己的产品、知道用户要什么、能说清楚每一个功能的前因后果，然后把 AI 当成你的工程团队来管理。
AI 搭的，人测的，用户用的。仅此而已。