PROJECT RETROSPECTIVE · 2026.06 – 2026.08
一个人 + AI
两个月交付八个生产系统
QoderWork CN / 国际版 · Justin Chen
1
项目全景 — 时间线
八个项目在两个月内交叉推进,而非串行完成。
6月上旬6月下旬7月中旬7月下旬8月初
技术传承链:定时推送 → 世界杯日报 → 零售日报(管线复用);门店地图 → 门禁 → 报告助手(飞书 Bot 基建复用);单词本 → 点餐 Bot(状态机 + LLM 调用复用)。
2
1定时推送系统
天气 / 飞书提醒 / 催款 / 米家设备监控 — 一切的起点
达成目标
- 工作日早间天气卡片 → 飞书群自动推送
- 米家设备状态巡检(工作日 11:00 / 14:00)
- 催款/日程提醒 → 定时触发 + 飞书 Bot 私聊
- GitHub Actions 备用通道(电脑关机也能推)
技术 & AI 意义
- 第一个 CF Worker — 建立部署/KV/Cron 肌肉记忆
- 飞书 Webhook 签名验证模板(Python)
- cron-job.org 外部调度的轻量方案
- 双通道冗余思维:本地 cron + 云端 Actions
CF WorkerCron Trigger飞书 WebhookGitHub Actionscron-job.org
3
2世界杯日报
2026 FIFA World Cup 赛事日报 — 新闻聚合管线的试验田
达成目标
- worldcup26.ir API 拉取赛程/比分/射手榜
- ESPN + BBC RSS 并行抓取媒体头条
- AI 生成结构化日报(赛果 + 看点 + 预告)
- 赛事生命周期管理:含 shutdown-sop 优雅关停
技术 & AI 意义
- 验证"多源采集 → AI 摘要 → 定时推送"完整管线
- RSS 正则解析、AbortController 超时、Promise.allSettled
- 有明确生命周期的项目 → 设计关停 SOP(首次)
- 直接演化为零售日报的架构蓝本
worldcup26.ir+ESPN / BBC RSS→DeepSeek 摘要→飞书群推送
4
3零售日报
竞品情报自动化 — 迭代最密集、prompt 工程最深的项目
达成目标
9 源并行→关键词过滤→URL 14天去重→DeepSeek-reasoner→飞书 + 邮件
- 三板块:国内 / 国际 / AI 锐评(强制引原文)
- 飞书双通道(群日报 + 私聊源状态监控)
- Resend 邮件(自定义域名)
- 关键词按竞争赛道四层分类策划
技术 & AI 意义
- Prompt 迭代 10+ 轮:从"宁缺毋滥"到"尽收尽收"
- 旧闻三重防线:URL 去重 + pubDate + 往期注入
- A/B 单变量测试端点(/test-ab)
- 诊断方法论:KV sourceStatus 区分三类根因
- 反爬实战:浏览器 UA 救活 Retail Gazette
RSS 聚合DeepSeek-reasonerKV 去重Resend 邮件A/B 测试
5
4门店通讯录 + 安全门禁
从一张 HTML 地图到带审批流的企业内部工具
达成目标
- Leaflet.js + 高德瓦片,121 家门店,7 城市
- 多级聚合(省→市→区→店)+ 标签碰撞检测
- 五字段搜索 + 层级城市搜索 + 结果计数
- 数据管线:飞书 Bitable → CSV → geocode → HTML
- CF Zero Trust Access + 邮箱 OTP 门禁
- 自助审批流:表单 → KV → 飞书审批 → CF API → 邮件
技术 & AI 意义
- 单文件 HTML 的极限:750 行无框架企业级交互
- 三端兼容(PC / 手机 / A4 打印)首次实践
- CF Access reusable policy + 程序化白名单
- geocode 后验校验(城市范围,>50km 重编码)
- 为知识库 Bot 积累:飞书事件回调 + 审批链路
Leaflet.js高德瓦片CF PagesZero Trust Access自助审批 Worker
6
5轻量化可视化工具(报告助手)
飞书发一条消息 → 30 秒后拿到可分享的演示链接
达成目标
- 飞书 Bot 接收会议纪要/周报原文
- DeepSeek 结构化 JSON(意图 + 内容提取)
- 版式积木库自动排版:时间线/流程/表格/大数字
- 16:9 横滑演示 + 末页分享卡片(双版式)
- 公网链接一键分享
技术 & AI 意义
- 指令式交互:重新生成/修改/新建 三层路由
- 黄金范例 few-shot 约束 AI 输出保真度
- 模板为唯一样式源头 → extract → 渲染器
- 完整测试:render / edit / publish / validate
- 6 个 Skill · 为知识库 Bot 积累:结构化输出管线
飞书事件订阅DeepSeek 结构化KV 存储版式积木库黄金范例 few-shot
7
6智能单词本
飞书私聊里的间隔重复学习系统 — 代码量最大的单体 Worker
达成目标
- 自然语言添加/查询/改名/删除/补充
- 间隔重复复习(熟练度升序 + 同档随机)
- 25 题考试 + 词根拆解全链路
- AI 释义异步补充 + enrichQueue 重试
- 三 pass 体检 + LLM 周报(三家对比)
技术 & AI 意义
- 三供应商 LLM Fallback:DeepSeek → 智谱 → DashScope
- callLLMWithFallback 统一入口(禁止直连)
- Bitable batch_create 解决逐条限流
- KV 会话 + pending 确认 + TTL 管理
- 9 个 Skill · 为知识库 Bot 积累:LLM 调教 + 多轮状态
三供应商 FallbackBitableKV 会话间隔重复Cron Trigger
8
7点餐机器人
飞书 Bot 里完成麦当劳 + 瑞幸全流程下单
达成目标
- 全按钮化:品牌 → 门店 → 商品 → 定制 → 支付
- 「再来一单」+ 常点单品区(实时价格)
- 统一地址系统(高德 API + D1 持久化)
- 订单翻页 + 支付轮询 Cron(2 分钟)
技术 & AI 意义
- 状态机路由:消息 → 意图 → 会话状态 → 分支
- 双品牌 MCP 对接(API 差异隔离层)
- D1 关系数据库四表设计
- 飞书卡片 v2 按钮回调 + 编号规范
- 10 个 Skill · 为知识库 Bot 积累:复杂状态机 + UX
状态机路由D1 数据库飞书卡片 v2MCP 双品牌支付轮询 Cron
9
8高德点位 / 行政区级画像报告
从单店 AOI 到跨城对比 — 数据驱动选址的工具链
达成目标
- AOI 级:单店 UV + 13 维画像标签
- 行政区级:78 标签 flow + pmnt 双口径
- 城市对比:沪杭 → 四城 → 三城
- 选址评估:Part1 一览图 + Part2 描述性画像
- 指标验证:n=87 Spearman + 二元回归
- 江苏陈列册:29 家成熟店自身分布参照
技术 & AI 意义
- 两阶段分离:批量 MCP 存 JSON → 本地生成(零积分)
- 数据发布规律:6 日后才可查上月(避免空跑)
- 多 Agent 并行必须交叉校验(曾发现数据错位)
- PDF 提取复用已有数据省积分
- 结论止于相对定位,不碰预测(产品纪律)
云图 MCP78 标签画像两阶段分离Spearman 验证多 Agent 交叉校验
10
技术栈全景
两个月内从零搭建的"个人企业级"基础设施。
计算 & 存储
- Cloudflare Workers × 6
- KV Store × 5 命名空间
- D1 关系数据库
- Cron Trigger + cron-job.org
- CF Pages 静态部署
AI & 数据
- DeepSeek (reasoner + chat)
- 智谱 GLM / DashScope (fallback)
- 高德云图 MCP (9 工具)
- 飞书 Bitable / Sheets / Wiki
- RSS + JSON API 信源矩阵
通信 & 安全
- 飞书 Bot API + Webhook + 事件订阅
- Resend 邮件 (自定义域名)
- CF Zero Trust Access + OTP
- justinretail.com × 5 子域
- GitHub Actions 备用调度
前端哲学:单文件 HTML(无框架)— AI 可完整生成、零依赖、三端兼容。
工程纪律:CF REST API 部署 · PUT 后必须 GET 回读 grep · MEMORY.md 跨会话记忆。
11
迭代方向 & 商业化展望
短期迭代(1–2 月)
- 零售日报:微信公众号源接入(最大盲区);周报聚合(7天 → 趋势摘要)
- 报告助手:多主题模板;协作标注
- 选址:江苏陈列册完成 → 全国扩展;月度 UV 自动刷新
- 单词本:TTS 语境例句;学习数据看板
- 统一监控:6 Worker 健康度仪表盘
中期(3–6 月)
- 点餐 Bot:更多品牌 + 多人拼单
- 门店知识库 Bot:Demo 验证 → IT 企微落地
- 画像数据月度快照 → 时间序列趋势
商业化路径
- 路径一:行业情报订阅
零售日报管线可复制到任何垂直行业。换关键词和信源就是新产品。
壁垒:信源适配 + prompt 工程 + 去重降级
- 路径二:轻量 BI 即服务
报告助手 + 高德画像 = "发条消息就出报告"。面向无数据团队的小型连锁。
壁垒:口径理解 + 排版手艺 + 积分控制
- 路径三:AI 工程方法论
161 Skill + 踩坑记录 = "非技术人员独立交付生产系统"的稀缺叙事。
壁垒:真实项目 + 工程纪律 + 可复现
12
AI 实践方法论
不是"用 AI 写代码",而是"和 AI 一起做工程"。
协作模式三阶段
- Phase 1(6月):AI 写 → 我审 → 改 → 跑。单轮完成一个功能。
- Phase 2(7月):迭代式。先出中间产物 → 确认数据 → 最终交付。
- Phase 3(8月):指令式。确定性优先,出错就改规则而非试错。
核心认知
- Skill = 可复用工程记忆,161 个是护城河
- Prompt 是产品逻辑,不是"调参"
- MEMORY.md = 跨会话工作记忆
- 并行 Agent 必须交叉校验
验证纪律
- AI 幻觉零容忍 → 部署后 GET 回读 grep 关键常量
- A/B 单变量:prompt 不变 → 结论干净再叠加
- 不可逆凭证永久存 MEMORY,绝不要求"重新提供"
- 诊断严格区分时间线(曾纠正因果倒置)
为知识库 Bot 的方法论储备
- LLM Fallback 链 + 超时控制(单词本)
- 结构化输出 + 黄金范例约束(报告助手)
- 多轮状态机 + 意图路由(点餐 Bot)
- 飞书事件回调 + 审批链路(门禁)
13
心得、踩坑与反复打磨
CF 部署绑定丢失 — PUT 脚本后 bindings 被清空,PATCH 恢复时 secret 只传 name 不传 text 才保留原值。曾因此丢失全部 KV 绑定,日报静默失败两天才发现。
Token 不可逆 — CF API Token 仅创建时显示一次。曾被要求"重新提供" → 被迫 roll → 全盘更新。教训:永久存 MEMORY,写入红线。
Windows GBK 乱码 — Python print 中文到 cmd 乱码 → 误读城市分布报出"南通 1 家"(实为镇江)。此后关键分析必须 write UTF-8 文件再 Read。
多 Agent 数据错位 — 3 Agent 并行 53 次 MCP,Part3 画像与 Part1/2 全部错位。交叉验证后修正。此后并行拉数必比对。
日报"过度克制" — "宁缺毋滥"指令下模型丢掉 Sam's Club 和 7-Eleven。反复打磨 10+ 轮才找到"只约束新鲜度,不约束条数"的精确措辞。
飞书"回复"消息类型 — 回复的 message_type 可能是 post(富文本)非 text,需解析 content[][] 节点。未处理时 Bot 静默"没反应"。
零售圈 charset 欺骗 — HTTP header 谎报 UTF-8 实为 GBK,Worker 解出乱码。日期正则须用纯数字分隔,不依赖中文"月/日"。
最大收获
不是学会了写代码,而是学会了描述需求、验证结果、沉淀规则。工程纪律(备份/验证/Skill/MEMORY)比任何单点技术都重要。
14
工具是杠杆,纪律是支点
两个月,八个生产系统,161 个 Skill。
不是因为学会了写代码,
而是学会了如何和 AI 一起做工程。
2026.08 · Justin Chen · Built with QoderWork
15