从零手搓 AI 自动化工具：一个编程小白与 AI 结对编程的 48 小时复盘

一、 起心动念：我想做一个“全自动情报员”
作为一个内容创作者，我每天大量时间花在刷 Twitter（X）、找热点、写文案上。我就想： 能不能让电脑帮我干这事？

- 它应该自己去监控 Grok 的热点简报。
- 它应该自己提取链接，去把推文抓下来。
- 它应该自己用 AI 帮我写好公众号和短视频的文案。
带着这个想法，我打开了 IDE，开始了和 AI 的“结对编程”。

二、 混乱的开始：我在“屎山”里迷路了
刚开始，我只管让 AI “写个代码抓推特”、“写个代码存 CSV”。结果没过多久，我的项目目录就变成了这样：

- 根目录下堆满了 grok_hot_tweets.csv 、各种 .txt 、不知名的 .py 脚本。
- 下载的图片和生成的简报混在一起，完全找不到。
- 每次运行都要输入一长串复杂的 Python 命令，经常报错找不到文件。
遇到的第一个大坑： 我问 AI：“为什么我运行代码总是报错说文件不存在？”
AI 告诉我，因为我把所有东西都混在了一起，而且没有理解“绝对路径”和“相对路径”的区别。

三、 关键转折：AI 教我像架构师一样思考
在在这个过程中，我向 AI 咨询了几个关键问题，这些问题成了项目蜕变的转折点：

问题 1：“这几个文件（csv/downloads/reports）都是输出内容，正常来说应该怎么分类储存？”

- 小白视角 ：我觉得能存就行，管它在哪。
- AI 的建议 ：它建议我进行**“代码与数据分离”**。代码是工厂，数据是产品。
- 行动 ：我们一起重构了项目结构。建立了一个 data/ 目录，下面分门别类地放 db （数据库）、 cache （缓存）、 images （图片）。哪怕以后数据量再大，代码目录永远是干干净净的。

问题 2：“运行命令太长了，我记不住怎么办？”

- 小白视角 ：每次都要复制粘贴 f:/test/python/python.exe ... 真的很烦。
- AI 的科普 ：它向我解释了 IDE 的终端机制，告诉我其实可以直接用简短的 python main.py ，只要环境配置对就行。这让我第一次理解了“虚拟环境”的概念。

问题 3：“我准备同步到 GitHub 了，需要修改 .gitignore 吗？”

- 小白视角 ：GitHub 就是个存代码的网盘吧？
- AI 的警告 ：它拦住了我，告诉我 绝对不能上传 .env （里面有密钥）和 user_data （浏览器缓存） 。它帮我写了一份专业的 .gitignore ，还教会了我用 .gitkeep 来保留空目录结构。这一刻，我觉得自己像个真正的开发者了。

四、 成果展示：Twitter Hunter V7
经过几轮重构，现在的项目结构是这样的：

Twitter Hunter/
├── config.py # 控制中心（最核心的配置文件）
├── twitter_hunter_v7.py # 总指挥（主程序）
├── data/ # 数据仓库（井井有条）
└── reports/ # 最终产出（每日自动简报）

我甚至学会了通过修改 config.py 里的 SYSTEM_PROMPT ，来调整 AI 写文案的语气——这感觉就像在调教一个属于自己的数字员工。

五、 给同样想用 AI 写代码的新手的建议
1. 不要只做“复制粘贴侠” ：当 AI 给你代码时，多问一句“为什么要这么写？”（比如我问了 config 文件的结构，才理解了全局配置的重要性）。
2. 先跑通，再完美 ：一开始我的代码很乱，但能跑起来。后来才在 AI 建议下一点点优化目录结构。重构是进步最快的时候。
3. 敢于提问“傻问题” ：不要怕问“这个文件是干嘛的”、“这个命令是什么意思”。AI 不会嘲笑你，它会把最底层的逻辑掰碎了讲给你听。

结语：

大家应该可以看到脚本的最终版本为V7，这意味着我迭代了很久才完成了一个半成本，而对于代码大佬来讲，它可能就是不到一小时就能做出来的“玩物”，不过我依然坚信，既然选择向前走，就要一往无前，无所畏惧，放弃焦虑，干就完了（干中学）。如果我都能做到，相信你也可以！