我用vibe coding给50家线下门店做了一个AI获客工具

最近我做了一个很具体的AI工具。

不是demo，不是玩具，也不是“帮我生成一段文案”的提示词。

场景是这样的：

PIXORO有50家线下拼豆门店。每家店每天都会产生很多素材：顾客作品、拼豆过程、门店环境、手作桌面、活动现场、员工随手拍的照片。

这些照片本来都可以变成小红书内容。

但真实问题是：店员不可能每天稳定写文案。

他们不是内容运营，也不是小红书博主。让每家店每天想标题、写正文、配标签、加评论引导，这件事执行成本太高。

所以我的目标很简单：

做一个门店员工能直接用的Web工具。

上传照片，AI理解图片，再生成一篇可以复制到小红书的文案，并且每篇文案都必须指向具体门店。

比如杭州湖滨店生成的内容，就要把用户引到杭州湖滨店；广州东山口店生成的内容，就要引到广州东山口店。

这件事最有意思的地方，不是AI写了几段文案。

而是我用vibe coding，把它从需求、spec、开发、测试、自查到部署，完整跑通了一遍。

1. 先别写代码，先把业务问题说清楚

一开始看，这个需求很像一句prompt就能解决：

“根据门店照片生成小红书文案。”

但只要放到真实门店场景里，问题马上变复杂。

第一，门店信息不同。

50家店的城市、商圈、地址、预约方式、小红书账号都不一样。如果文案只是泛泛地写“来PIXORO体验拼豆”，那流量没有落点。

第二，照片内容不稳定。

店员上传的不一定是拼豆作品，可能是环境图、人物照、生活照、店内随手拍。AI不能因为照片不是拼豆，就拒绝生成。它必须把任意照片自然引向拼豆体验。

第三，一次模型调用容易模板化。

我测试时发现，如果直接把照片和需求一起丢给模型，让它生成小红书文案，不同照片出来的内容会越来越像。也就是说，AI没有稳定地“看图后写”，而是在套一个通用文案模板。

第四，门店员工需要的是工具，不是提示词。

提示词只能给会用AI的人用。门店真正需要的是：打开网页，上传照片，复制文案，发小红书。

所以这个项目从一开始就不能只做prompt。

它必须是一个工作流产品。

2. 用spec驱动，而不是凭感觉让AI写

vibe coding最容易踩的坑，是一上来就跟AI说：

“帮我做一个网页。”

这样AI确实会做，但通常会做成一个看起来完整、实际上不可用的东西。

我这次先写spec。

spec不需要特别复杂，但必须把边界说清楚。

我的第一版spec大概长这样：

目标： 门店上传照片，AI生成可复制的小红书笔记。

用户： PIXORO线下门店员工。

输入：

1. 门店信息
2. 上传照片
3. 活动信息
4. 补充说明

输出：

1. 标题备选
2. 小红书正文
3. 标签
4. 评论引导
5. 发布前检查清单

核心约束：

1. 任意照片都必须生成结果。
2. 文案必须自然引向PIXORO拼豆。
3. 每篇文案必须指向具体门店。
4. 不得编造价格、折扣、营业时间。
5. 不自动发布，只生成可复制草稿。

这个spec很关键。

因为后面所有开发、测试和自查，都围绕它展开。

AI不是不知道怎么写代码，AI真正容易失控的地方，是不知道什么叫“做对了”。

spec就是告诉AI：什么叫做对。

3. 第一版只做MVP，不做大系统

这个工具如果往大了想，可以做很多东西：

账号体系、门店后台、内容审核流、数据看板、总部素材库、发布排期、转化追踪……

但第一版我都没做。

MVP只做一件事：

让门店从照片生成一篇能发的小红书笔记。

所以第一版功能被压得很小：

1. 门店上传1-9张照片
2. AI理解图片
3. AI生成小红书文案
4. 员工可以编辑结果
5. 一键复制标题、正文、标签
6. 本地保存草稿
7. 部署到公网

线下门店工具第一版不要追求完整。

要追求店员真的能每天用。

如果一个工具需要培训半小时，店员第二天就不用了。

4. 最关键的改动：两次模型调用

测试时我发现一个问题：

不管上传什么照片，生成出来的小红书结果都很像。

这说明模型没有充分利用图片。

于是我把流程拆成两次模型调用。

第一次，只做图片理解。

让AI回答这些问题：

图片里有什么？ 主体是什么？ 颜色、光线、背景、氛围是什么？ 这张图能提供什么小红书开头钩子？ 它怎么自然转到PIXORO拼豆体验？

第二次，再基于图片理解结果生成文案。

这一步才生成：

标题 正文 标签 评论引导 发布检查清单

这个拆分非常重要。

因为它把“看图”和“写文案”分成了两个任务。

第一次模型像编辑，看图找素材。

第二次模型像运营，把素材写成内容。

流程变成这样：

上传照片 → 图片压缩 → 第一次模型调用：图片理解 → 输出结构化图片素材 → 第二次模型调用：生成小红书文案 → 后处理检查门店落点 → 门店复制发布

这样无论上传的是拼豆图、环境图、人物图，还是生活方式照片，AI都能先找到画面里的情绪和场景，再把它自然引到拼豆。

5. 加入门店信息，否则内容没有转化落点

后面我又发现一个更业务层的问题：

文案生成了，但没有指向具体门店。

这对连锁门店是致命的。

总部品牌曝光当然有价值，但门店要的是本地流量。

所以我让AI继续改工具，新增“门店信息填写”。

每家门店可以自己填写：

门店名称 城市 商圈 详细地址 预约方式 营业时间 小红书账号 本地标签 门店特色

然后把这些信息注入到两次模型调用里。

同时又加了一层后处理：

如果最终正文里没有出现门店名、城市商圈、预约方式或联系方式，系统会自动补一段门店引导。

这一步的意义是：

文案不是写给“PIXORO全国品牌”的。

而是写给“PIXORO杭州湖滨店”“PIXORO广州东山口店”“PIXORO重庆观音桥店”这样的具体门店。

小红书内容必须能承接本地用户。

否则就是热闹，但没有线索。

6. harness：给AI一个可重复验证的测试跑道

没有harness的时候，你只能靠感觉：

“我点了两下，好像能用。”

但真实工具不能这样。

我让AI给这个项目建立了一套可重复检查的验证方式：

页面能不能打开？ JS有没有语法错误？ 门店表单能不能填写？ 保存后是否进入首页？ 侧边栏是否显示门店信息？ 刷新后门店信息是否还在？ 图片上传后能不能进入生成流程？ 公网URL是否返回200？ 页面里是否包含最新功能字段？

这就是harness。

它不一定是复杂的自动化测试框架。

对一个早期AI工具来说，harness可以很朴素：

本地服务 + 浏览器验证 + 控制台检查 + 线上URL检查。

但它必须存在。

否则你不知道AI改完以后，是变好了，还是把别的地方改坏了。

8. 测试不是最后一步，而是开发的一部分

很多人用AI写代码失败，不是因为AI不会写。

而是因为没有告诉AI什么叫“通过”。

我这次给AI的通过标准很具体：

任意照片都必须生成结果。 生成结果不能拒绝。 图片理解和文案生成必须分开。 每篇文案必须指向具体门店。 门店资料刷新后不能丢。 没有门店信息不能开始生成。 API Key不能直接暴露在公网前端。 部署后公网URL必须能访问。 门店说明页必须能打开。

这些标准比“帮我优化一下”有效得多。

AI最怕模糊评价。

你说“更好看一点”“更智能一点”“更稳定一点”，它很容易乱改。

你说“刷新后门店资料必须保留”“公网页面必须包含保存并开始按钮”“文案必须出现门店名和预约方式”，它就有明确目标。

9. 自查：代码能跑不等于业务闭环成立

工具写完后，我没有只看页面能不能打开。

我让AI做了一轮自查。

自查重点不是技术，而是业务闭环。

比如：

门店员工是否能理解怎么用？ 是不是必须懂prompt才能操作？ 生成结果是否能直接复制到小红书？ 有没有自动发布风险？ 有没有编造价格、折扣、营业时间？ 没有拼豆照片时，是否还能自然引向拼豆？ 文案是否指向具体门店？ 门店是否有说明页可以下发？

这一步很重要。

因为AI做工具时，很容易出现一种假完成：

页面很好看，按钮很多，流程似乎完整。

但真实用户用不了。

对线下门店来说，真正的完成标准不是“代码写完”。

而是员工能不能打开、上传、复制、发布。

10. 最后让AI完成部署

最后一步是部署。

我把工具部署到了Netlify。

同时把API调用做成服务端代理，Key放在环境变量里，而不是直接写死在公网HTML里。

部署完成后，又做了一次线上验证：

公网首页能访问 门店说明页能访问 页面返回200 最新功能字段存在 API代理路径保留

最终交付物不只是一个网页。

而是一套门店可执行的工具包：

1. Web工具公网URL
2. 门店信息填写功能
3. 上传照片生成文案流程
4. 两次模型调用prompt
5. 文案结果编辑和复制
6. 门店使用说明HTML页
7. 线上部署和验证

对业务来说，部署这一步非常关键。

如果一个工具只能在本地跑，它还只是开发成果。

如果它能被门店打开使用，它才开始进入运营。

11. 这次我对vibe coding的理解

这次做完以后，我对vibe coding有一个更清楚的理解。

它不是“让AI替我写代码”。

而是一套工作方式：

1. 先把真实业务问题说清楚
2. 用spec定义输入、输出和边界
3. 让AI做最小可用版本
4. 用loop不断反馈真实问题
5. 用harness建立可重复测试
6. 让AI完成自查和修复
7. 部署到公网
8. 交给真实用户使用

这里面最重要的不是代码能力。

而是你能不能判断：

什么是业务上真的有用。

什么只是看起来完整。

什么必须做。

什么第一版应该砍掉。

AI可以写代码、改prompt、做页面、跑测试、部署。

但方向感必须来自人。

12. 真正的分界线

很多AI应用停留在demo阶段。

demo里看起来很惊艳，但一放到真实业务里，就会暴露问题：

没人知道怎么用。

结果不稳定。

没有测试。

不能部署。

没有说明。

没有落到具体用户。

这次这个工具虽然很小，但它跨过了一个重要分界线：

从“AI能生成内容”，变成“AI能支撑一个门店动作”。

门店员工每天只需要做三件事：

上传照片 检查文案 复制发布

这才是我觉得有价值的地方。

不是让AI写一篇漂亮文案。

而是把一个原本靠人反复执行的运营动作，压缩成一个简单工具。

真正有价值的AI工具，不是demo里能跑。

而是一个不懂技术的门店员工，每天都能打开它、用它、发出去。

原文信息

作者：王三公子（@krikwangcy）

原文地址：