《小项目实战 1:用 AI 从零搭一个 API 服务》

作者:全栈弄潮儿日期:2026/9/30

开篇

从今天开始,我们用 4 篇文章完成一个小项目:任务清单 API 服务。

这不是为了让 AI 一次性生成一个“看起来很完整”的项目,而是观察一项真实开发任务应该怎样分阶段完成。

本篇只完成第一步:

1确定项目范围
2  ↓
3生成基础结构
4  ↓
5启动 API 服务
6  ↓
7验证第一条请求
8

技术栈选择 Node.js + Express,数据暂时保存在内存中。这样可以把注意力放在 AI 协作流程上,不提前引入数据库和登录认证的复杂度。

一、先定义项目的最小范围

项目名称:task-api

第一版只支持下面 4 个接口:

方法路径作用
GET/api/tasks查询任务列表
POST/api/tasks创建任务
PATCH/api/tasks/:id修改任务状态
DELETE/api/tasks/:id删除任务

任务对象只保留 4 个字段:

1{
2  "id": 1,
3  "title": "完成 API 设计",
4  "completed": false,
5  "createdAt": "2026-08-28T08:00:00.000Z"
6}
7

暂时不做:

  • 用户登录和权限。
  • 数据库持久化。
  • 分页、搜索和标签。
  • Docker、监控和自动部署。

边界越清楚,AI 越不容易擅自扩展项目范围。

二、先让 AI 给出实现计划

我不会一开始就让 AI 生成所有代码,而是先让它确认实现方案:

1你是一名有经验的 Node.js 开发者,请为我设计一个最小可运行的任务清单 API 服务。
2
3项目约束:
4- 使用 Node.js 20 和 Express。
5- 使用 JavaScript,不使用 TypeScript。
6- 数据暂时保存在内存中,不接数据库。
7- 只实现 GET、POST、PATCH、DELETE 四个接口。
8- 不新增登录、权限和分页功能。
9
10请先不要写代码,只输出:
111. 推荐的目录结构。
122. 每个文件的职责。
133. 四个接口的请求和响应约定。
144. 可能出现的边界问题。
155. 启动和验证步骤。
16
17不确定的内容标记为“待确认”,不要擅自扩展需求。
18

这一步的目的,是先看 AI 是否理解了项目,而不是马上接收一大堆代码。

三、再让 AI 按文件生成代码

确认计划没有偏离后,再继续提问:

1请根据已经确认的方案,按文件逐个生成代码。
2
3要求:
41. 先输出 package.json,再输出 src 目录中的文件。
52. 每个代码块前标注完整文件路径。
63. app.js 需要导出 Express 实例,便于后续编写测试。
74. 路由、数据存储和错误处理中间件分开。
85. title 不能为空,找不到任务时返回 404。
96. 不要增加没有确认的依赖和功能。
107. 最后给出安装、启动和 curl 验证命令。
11

这里有一个很实用的要求:

让 AI 按文件输出,而不是把整个项目混在一个代码块里。

按文件生成更容易检查路径、依赖关系和修改范围,也方便发现 AI 是否漏掉了启动文件。

四、我会保留的基础目录

第一版目录不需要复杂:

1task-api/
2├── package.json
3├── src/
4│   ├── app.js
5│   ├── server.js
6│   ├── routes/
7│   │   └── tasks.js
8│   ├── store/
9│   │   └── task-store.js
10│   └── middleware/
11│       └── error-handler.js
12└── README.md
13

目录职责保持简单:

  • app.js:创建 Express 应用和注册中间件。
  • server.js:读取端口并启动服务。
  • tasks.js:处理任务接口的路由。
  • task-store.js:暂时保存和操作任务数据。
  • error-handler.js:统一处理未捕获异常。

如果 AI 为这个小项目额外生成十几个目录和抽象层,我会先要求它说明必要性,而不是默认接受。

五、启动并验证第一条请求

安装依赖并启动服务:

1npm install
2npm start
3

创建一个任务:

1curl -X POST http://localhost:3000/api/tasks \
2  -H "Content-Type: application/json" \
3  -d '{"title":"完成 API 设计"}'
4

查询任务:

1curl http://localhost:3000/api/tasks
2

第一轮只验证三件事:

1[ ] 服务能够正常启动。
2[ ] POST 能够创建任务。
3[ ] GET 能够返回刚创建的任务。
4

不要因为 AI 给出了完整目录,就跳过实际启动。能否运行,才是第一道验收门槛。

六、第一版代码重点检查什么

代码生成后,我不会马上继续增加功能,而是先检查以下风险:

  • 请求体是否正确解析为 JSON。
  • title 为空时是否拒绝请求。
  • 不存在的任务是否返回 404。
  • PATCH 是否只修改允许的字段。
  • 删除任务后,列表是否真的不再包含它。
  • 服务重启后数据丢失是否符合当前约定。

其中最后一点很容易被忽略。内存存储意味着服务重启后数据会消失,这不是代码错误,而是本篇明确选择的项目限制。

七、不要把“能启动”当成“完成了”

AI 从零搭项目时,最容易出现三个错觉:

  1. 文件很多,所以项目很完整。
  2. 服务能启动,所以功能没有问题。
  3. 请求能返回,所以代码可以直接上线。

实际上,当前只完成了一个可运行的骨架。

后续还需要补齐:

1接口约定
2  ↓
3异常处理
4  ↓
5单元测试和接口测试
6  ↓
7代码审查与交付检查
8

这也是本次小项目实战的安排:每一篇只解决一层问题,避免让 AI 一次性生成难以验证的大项目。

总结

今天完成了任务清单 API 的第一版骨架,最重要的不是生成了多少代码,而是建立了正确的协作顺序:

1先定范围
2  ↓
3先看方案
4  ↓
5按文件生成
6  ↓
7启动验证
8  ↓
9记录待改问题
10
  • 小项目也要先定义边界。
  • 让 AI 先给方案,再生成代码。
  • 代码按文件输出,更容易审查和维护。
  • 服务能启动只是开始,不能代替功能验证。

下一篇文章,我们将继续完善这个项目:

《小项目实战 2:让 AI 帮你补齐接口设计和异常处理》


✍坚持原创,求关注,点赞,收藏


参考文档


《《小项目实战 1:用 AI 从零搭一个 API 服务》》 是转载文章,点击查看原文。


相关推荐


Java 27 悄悄改了 3 个默认值,我在 1 核小机器上逐个验证了一遍
Flynt2026/9/24

Java 27 发布有一周多了,9 月 15 日 GA。作为非 LTS 版本,很多团队的反应大概是"25 还没捂热,27 与我无关"。这个判断大体没错,生产环境确实应该锚在 25 上。但"不升级"和"没变化"是两回事——27 有三个改动不等你升级就已经定了调子,它们全是默认值:对象头默认压缩、TLS 1.3 默认带上后量子算法、所有环境默认 G1。 我手头正好有台挺"寒酸"的 Linux 小机器,1 个核,不到 2G 内存。这个配置有个特殊意义:从 JDK 9 开始,JVM 的 GC 选择规则是


09-Rust 测试与质量保证(单元测试 + 集成测试 + Mock + Benchmark + Fuzzing + CI/CD)
yume_sibai2026/9/16

摘要:本文系统讲解 Rust 测试与质量保证体系,涵盖单元测试与集成测试、文档测试、Mock 与测试桩、性能测试(Benchmark)、模糊测试(Fuzzing)、CI/CD 集成等核心内容。每个知识点配有完整代码示例、对比表格、实战场景及常见问题解答,帮助开发者编写健壮的 Rust 代码。 关键词:Rust、测试、单元测试、集成测试、Mock、Benchmark、Fuzzing、CI/CD、质量保证 适合人群:已掌握 Rust 基础的开发者、想提高代码质量的程序员、想建立测试体系的团队


Python 面向对象编程详解:从类与对象到动态属性方法
会飞的拖把2026/9/8

一、前言 在 Python 学习过程中,面向对象编程(Object Oriented Programming,简称 OOP)是一个非常重要的知识点。 Python 不仅支持面向过程编程,也支持面向对象编程。对于简单的小程序,我们可以使用函数快速完成任务;但是当项目规模扩大,代码越来越复杂时,面向对象思想能够帮助我们更好地组织代码,提高程序的复用性和维护性。 本文将详细介绍 Python 面向对象编程中的核心知识: 什么是面向对象类和对象的关系如何创建类和对象self 的作用属性和方法的区别类方法


K8S接入NFS存储
避凉闲庭2026/8/31

一、部署NFS服务端 安装NFS服务 Ubuntu/Debian sudo apt update sudo apt install nfs-kernel-server -y Centos/RHEL / Rocky / AlmaLinux sudo dnf install -y nfs-utils 创建共享目录 sudo mkdir -p 路径及目录名 配置NFS配置文件 sudo vim /etc/exports 增加以下内容 /opt/nfs x.x.x.x/xx(r


node.js
zzx2006__2026/8/23

01_Node.js入门 什么是 Node.js Node.js 是一个独立的 JavaScript 运行环境,能独立执行 JS 代码,因为这个特点,它可以用来编写服务器后端的应用程序Node.js 作用除了编写后端应用程序,也可以对前端代码进行压缩,转译,整合等等,提高前端开发和运行效率Node.js 基于Chrome V8 引擎封装,独立执行 JS 代码,但是语法和浏览器环境的 V8 有所不同,没有 document 和 window 但是都支持 ECMAScript 标准的代码语法Node


Nginx外置缓存-redis2-nginx-module
難釋懷2026/8/10

一、引言:当Lua成为瓶颈,回归C层的必然选择 在《Nginx外置缓存》系列中,我们反复强调OpenResty + lua-resty-redis是生产环境对接Redis的首选方案。这个判断在95%的场景下成立,但剩下的5%恰恰是最极端的性能场景: API网关层纯透传缓存:无需任何业务逻辑,仅需GET/SET+TTL,LuaJIT的协程调度开销占比超过30%;超高频计数器/限流:QPS > 50万,每次请求仅执行INCRBY,Lua层的函数调用和GC压力成为天花板;嵌入式/Nginx精简部署


Go语言第四章(类型转换)
小满zs2026/8/1

类型转换 实际开发里,不同类型之间经常需要互相转换:字符串转数字、数字转字符串、浮点数转整数、整数转浮点数,等等。 数字的转换 比如有一个浮点数 3.1415926535,想把它变成整数,可以用 int() 来转换: package main import "fmt" func main() { num := 3.1415926535 intNum := int(num) fmt.Println(intNum) // 3 } 可以看到,int() 会把浮点数转成整数,并直接舍去小数部分


Python生成器与惰性求值:从yield说起的一场"暂停魔法"
卷无止境2026/7/24

写Python代码写到一定阶段,几乎所有人都会碰到一个绕不过去的坑——处理大数据集的时候,list看着简单顺手,用着用着内存就爆了。这时候有人会甩给你一句话,"用生成器啊"。但生成器到底是什么,yield凭什么能让函数中途停下来又重新跑起来,这背后藏着的其实是Python运行时一套相当精巧的机制。下面就把这套机制拆开揉碎,一步步讲清楚。 🔍 生成器到底是什么 普通函数被调用时,Python会立刻执行函数体,跑到return或者函数末尾就结束,栈帧被销毁,一切归零。生成器函数长得跟普通函数几乎


V040:RAG 检索增强生成的工程链路解构与生产级系统设计
胡萝卜术2026/7/16

V040:RAG 检索增强生成的工程链路解构与生产级系统设计 摘要:本文从工程视角系统解构 RAG(Retrieval-Augmented Generation)的完整技术链路,涵盖文档工程、向量检索原理、相似度评分机制、元数据架构、上下文窗口管理、生产级组件选型及高级检索模式。文章以可观测的中间结果为导向,建立从原型验证到生产部署的技术决策框架,并配套面试应答策略。 引言:RAG 认知的三个层次 对 RAG(Retrieval-Augmented Generation)的理解可分为三个递


AI推理成本降本的三条技术路径:从OpenAI自研芯片到MoE架构的工程化分析
小K讲AI营销2026/7/7

摘要 2026年,AI推理成本已成为制约大模型商业化的核心瓶颈。OpenAI联合博通推出推理专用芯片Jalapeño,推理成本降低50%;DeepSeek通过MoE架构将推理价格压至6元/百万Token,与Claude的181元形成30倍差距。本文从工程化视角分析当前AI推理降本的三条主要技术路径:专用芯片、模型架构优化、系统级调度,并结合实际数据探讨各路径的可行性与局限。 一、推理成本已成为商业化的核心瓶颈 2026年,全球AI算力支出达到500亿美元(数据来源:钛媒体/布罗克森国会证词

首页编辑器站点地图

本站内容在 CC BY-SA 4.0 协议下发布

Copyright © 2026 聚合阅读