写在前面:这是一篇真实开发记录。项目从一句自然语言需求开始,全程由华为云码道(CodeArts Agent)完成编码、自测与修复,我负责验收和提意见。成品是一个零依赖、单文件的网页应用,已在 AtomGit 开源。
在这里插入图片描述
在这里插入图片描述

仓库地址:https://atomgit.com/gcw_0BYTz1wq/hebut-dorm-bot-zztzztzzt

一、成品先亮相

先看效果,再讲过程。最终页面长这样:左边是深墨绿色的「宿舍舞台」,机器人站在中间可以随便拖;右边是米色的控制台,对话、照料、穿搭、活动、游戏五个面板切着用;底下是 AI 明信片和成长日志。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

整个项目只有一个 index.html(3034 行、约 120KB)加一份 README,没有 npm、没有构建步骤,双击就能跑。但它塞进了不少东西:

  • 三款可领养的机体,选定后形象恒定,只换穿搭不换机型;
  • 机器人可以在舞台里自由拖拽,点一下会打招呼、切到对话并自动开麦聆听;
  • AI 流式对话,按面板加载不同的系统提示词(Skill);
  • Web Speech 模拟五种声线:电子、猫、狗、鸟、牛;
  • 喂养、充电、换装、一起活动、三个小游戏;
  • 调生图接口把宿舍瞬间画成明信片,存进本地相册。

二、我为什么想做这个

起因其实很朴素。宿舍晚上就一盏台灯,写作业写久了会觉得屋里太安静。手机上各类电子宠物 App 要么塞广告,要么要注册,我就想要一个「打开网页就有、关掉也不心疼」的小东西:会说话、有点性格、偶尔催我喝水。

需求我只写了一句话给码道:「做一个河工大宿舍电子机器人,能拖拽、能对话、能喂养换装、有小游戏,背景要炸裂一点,右上角放帮助。」剩下的都是 Agent 自己干的。

三、码道开发过程:一句话到自动验收

这次我刻意当「甩手掌柜」,全程只做了两件事:描述需求、看截图提意见。码道的工作流大致是:

发现问题

通过

自然语言需求

码道规划与编码

Playwright 自动截图

视觉审查

自行修复 CSS/JS

实测 AI 接口

提交 AtomGit

中间最省心的一环是它每改一版就自己跑浏览器截图,再用视觉模型对着截图挑毛病。我数了下日志,光界面就过了四轮审查,顺手修掉的细节包括:移动端按钮触控区不足 40px、帮助弹窗在窄屏裁掉了最后两条、心情进度条太刺眼、弹窗阴影不够浮。这些如果我自己肉眼过一遍,大概率会漏。

下面是码道在终端里的真实工作记录,从登录到推送一次通过:

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

它不是闷头写完就交,每轮改完都跑自动化验收:拖拽位移、气泡触发、三个小游戏的判定文本、左右栏对齐像素、移动端是否横向溢出,全部有断言输出。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

四、几个值得说的技术点

4.1 机器人是画出来的,不是贴图

三台机体都是纯 SVG 参数化渲染:同一份几何骨架(头、面罩、眼睛、身体、手臂、脚、天线),靠配置表换配色和轮廓——方头给钢镚儿、圆头给河小工、头顶两片叶子给豆芽菜。穿搭是三个独立的图层函数(帽子、眼镜、颈饰),换装时只重绘对应 <g>,所以学士帽不会压住眼睛,围巾永远搭在头和身体之间的缝上。

眨眼用 CSS 的 transform-box: fill-box 做,说话时嘴部 scaleY 循环,浮动和拖拽分属两层 transform,互不打架——拖拽写外层,呼吸动画写内层,这个分层让拖动时不会抖。

4.2 Python 流式请求改写成浏览器版

原需求给的是 Python 的 requests.iter_lines() 版本,浏览器端没有等价物,码道改成了 fetch + ReadableStream:读一块解一块,按 \n 切行,只认 data: 开头,遇到 [DONE] 收尾,中间 JSON 不完整的行直接跳过。

buffer += decoder.decode(chunk.value, { stream: true });
const lines = buffer.split('\n');
buffer = lines.pop();
for (const raw of lines) {
  const line = raw.trim();
  if (!line.startsWith('data:')) continue;
  const data = line.slice(5).trim();
  if (data === '[DONE]') return;
  const delta = JSON.parse(data).choices?.[0]?.delta;
  if (delta?.content) onDelta(delta.content);
}

实测首字延迟 1.2 秒左右,七秒内一段完整回答就流完了。断网或跨域被拒时,代码会接住异常,切到一组写好的本地陪伴台词,页面不会白屏,导航栏状态会显示「离线陪伴模式」。

4.3 每个面板一个「人格」

「对应功能加载自己的 Skill」这一条,落地方式是六份系统提示词 + 一段实时状态注入:

const ctx = `【当前状态】饱食 ${hunger}/100,心情 ${mood}/100,
电量 ${energy}/100,亲密度 ${bond}/100,等级 Lv.${level};
当前穿搭:帽子 ${head},眼镜 ${eyes},颈饰 ${neck}。`;

切到「穿搭」面板再提问,AI 的语气就变成造型师;切到「游戏」面板,它就成了计分裁判。提示词里我特意加了硬约束:称呼固定为「同学」、纯文本不用 Markdown、绝不使用不文明用语、不编造学校通知。这也是整个项目最「像产品」的地方——不是接了模型就完事,而是让模型住在设定里。

4.4 动物声线是调出来的

Web Speech 没有「猫叫声」这种参数,所以用 pitch 和 rate 去凑:

声线pitchrate听感
电子1.121.02平稳机械
猫1.901.16尖细拖长
狗0.520.97低哑短促
鸟1.951.34高且快
牛0.280.84沉到底

「听音辨动物」小游戏就是拿这张表出题:随机挑一种声线念一句台词,四个选项猜是谁,答对涨心情。

4.5 状态与本地存档

饱食、心情、电量、亲密度四项每秒衰减,喂食、活动、游戏胜负都会改变曲线;亲密度换算成等级。所有数据写进 localStorage,刷新不丢,换设备归零——没有后端,也就没有注册这件事。

五、真实踩过的四个坑

这部分我想重点写,因为全是码道在自测里自己抓出来的,很能说明「自动验收」值多少钱。

  1. display: contents + order 在 Grid 里没有按预期生效。 我想让移动端把「控制台」插到舞台和明信片之间,写好了 display:contents 加 order:1/2/3,计算样式全对,但渲染顺序纹丝不动。最后放弃纯 CSS,改成分段重排 DOM 的方案。后来查证,这类「display:contents 子项参与 grid 排序」的行为在不同内核里确实有坑。
  2. addChatBubble is not defined。 重构对话函数时漏改了一处旧函数名,页面肉眼看着没问题,是 Playwright 的 pageerror 监听抓出来的。
  3. 移动端气泡顶到了等级标签。 机器人居中偏上,气泡向上弹,正好盖住「Lv.1」。修法是移动端把机器人下移、气泡收窄,并用脚本断言两个矩形的包围盒不相交。
  4. Token 401。 第一次推送时鉴权 token 已过期,报了 HTTP Basic: Access denied,重新登录后恢复。这类问题如果自己手动试,可能要在浏览器里折腾好几轮才定位到。

六、效果一览

领养界面:三款机体并列,选中高亮,确认后恒定。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

流式对话:逐字输出,同时念出来。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

喂养:六种宿舍食物,效果数值明码标价。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

换装:工程帽、圆框镜、围巾任意组合,实时生效。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

换装并拖拽:按住机器人可以拖到舞台任意角落,气泡会跟着走。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

一起活动:散步、自习、开黑、拉伸、早睡,消耗电量换心情和亲密度。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

小游戏:数字猜想、石头剪刀布、听音辨动物。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

AI 明信片:按当前机体和穿搭生成,存进本地相册。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

帮助面板:十条使用方法,窄屏也能完整滚动。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

移动端:单列重排,舞台、控制台、明信片依次排列,无横向溢出。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

七、系统交互结构

拖拽/点击

文字/语音

操作

画一张

失败降级

用户

机器人 SVG 舞台

对话面板

照料/穿搭/活动/游戏

状态机
饱食/心情/电量/亲密

Skill 系统提示词
+ 实时状态注入

DeepSeek-V4-Flash
SSE 流式

Web Speech
五种声线

Qwen-Image

localStorage 本地存档

本地陪伴台词

八、总结

这个项目最颠覆我预期的一点:把需求说清楚之后,码道不是「写完丢给你」,而是自己跑浏览器、自己截图、自己对着截图改 bug,直到自动化验收全绿才推送。我的人工参与加起来不到半小时,主要集中在审美取舍——比如把「AI 紫」换成了墨绿配柠檬黄,比如坚持用奶油色卡片而不是玻璃拟态。

如果你也想试,我给的唯一建议是:把「验收标准」写进需求里。比如「移动端 390px 不能横向溢出」「点击机器人必须有气泡反馈」。Agent 会把这些当成硬指标去跑,而不是靠运气。

源码:https://atomgit.com/gcw_0BYTz1wq/hebut-dorm-bot-zztzztzzt
克隆下来双击 index.html 就能玩,欢迎提 Issue。

Logo

DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐