从一张喂奶纸条到6663行代码，我用豆包Seed Evolving 做了个育儿App

更新个动态，由于儿子的出生我开始了“上刑”生活，不说其他的，就单纯讲讲喂娃这件事都能把成年人搞崩溃。

每天要重复记录几件事，几点开始吃奶，吃了多久，配方奶还是母乳，什么时候换了尿布，粑粑的颜色，体重有没有变化。

这几件事看起来不复杂，但是一旦放进凌晨、哭声和连续多天缺觉里，就完全是另一回事了。

特别是你不光需要喂娃、换尿片、洗屁屁，你还得每天进行记录，儿子出生半个月后，我们家已经出现了三套喂奶记录系统，我记在手机备忘录里，老婆用育儿 App，爸妈直接拿纸写。 每个人都在认真记录，但真想知道一天到底吃了多少、拉了多少时，我们还得现场对账。

专门用于记录吃奶、体重等数据的 App 也不是没有，但是对于有洁癖的我来说，对 App 里面的各种防不胜防的广告和 VIP 套路完全接受不了。

于是很快就蹦出一个想法，要不自己搞一个吧。

由于近期 Claude 又在大面积封号，国产替代感觉也是板上钉钉的事，索性先直接搞个国产模型看看项目落地实现的情况，DeepSeek V4 flash、K3等有过体验，但也想测试一些没有用过的国产模型，于是刷了一圈看到了字节新出了 Seed-Evolving 模型。

这个模型有几个特点比较吸引我，首先它本身于聚焦 Coding & Agent 场景，支持1M上下文和长程任务，和我想要尝试的模型不谋而合。

01 工具配置

我直接在火山方舟选的50元一个月的 Medium 套餐，实际跑下来这个套餐给的 Token 量基本上能支撑完成一个工具类 App 的开发需求。

整个 API 配置过程也非常丝滑，目前主流的 Agent 基本都覆盖了，我这里直接用的 Claude Code，跟着每个工具对应的配置文档走一遍几乎就能跑通，感觉对小白用户都非常友好。

我是通过 CC-Switch 的方式添加 Seed-Evolving 的 API Key ，非常快速地就可以开工。

02 上手使用

上手使用后让我觉得比较可靠的地方，在我输入一个 Prompt 后，模型开始各种思考分析，首先引导式地给出框架选型及项目方案建议，例如确认技术栈是原生的 Kotlin 还是 Flutter，数据是本地存储还是云端同步，并且都有对应的推荐建议，在用户确认方案没问题后才正式进入到开发过程，而不是上来就是开发编程。

总体上 Seed-Evolving 在长程任务上效果比较靠谱，一个小时的连续任务完全不是问题，基本可以从一句话的 Prompt 直接走到 APK 测试调试安装包，这个项目所有任务跑完大概花了 50 分钟。

交付的功能页面包括：档案、首页、喂养、尿布、睡眠、泵奶、生长、历史、设置、导出这 10个页面，功能点做到了63 个，总共开发了 6663 行代码。

整个开发任务和交付的成果质量也都还不错，就单纯在我给的这个简单 Prompt 下，差不多一个小时就能直接出一个 Demo，并且有一些我想不到的功能点都给我规划到位了，甚至给的部分功能方案完全在我的预期之上。

例如这个亲喂功能的规划，非常周全的给到了左右侧换边计时的方案，而我预想的就是一个单纯的整体计时功能，这个明显高于我的方案。

另外在整个开发过程中还有一点是给我印象非常深刻的数据检索处理能力，这个 App 中涉及到了例如疫苗接种种类/时间、成长数据（体重、身高、头围）等偏医学专业上的数据知识，在我没有提供具体数据及标准的情况下，Seed-Evolving 分析意识到数据存在缺口就主动开始检索数据，另外非常关键且做的非常好的一步，模型不是联网随便爬了一些二手资讯网的数据，而是直接找到WHO和国家卫生健康委官方网站抓取数据。

从主动发起搜索，到识别正确的来源，再到最终的整合检索结果并落到代码中，整个链路就非常的严谨且优雅。

03 测试Debug

在跑完整个任务，我把调试 APK 包安装到真机上测试，属于基本可用状态，但也存在一些明显问题需要进行优化，这就进入到了更为复杂的 Debug 阶段。

我在整个 Debug 过程和成果测试中也发现了目前 Seed-Evolving 一个目前国内外模型都明显存在的弱点——前端设计能力较为粗糙。例如页面的颜色搭配、页面存在大面积的方块、icon 图标精细度等，需要持续的进行 UI 优化才能达到生产环境的标准。

在反复和 Seed-Evolving 交涉和多轮 UI 调整后才形成了一版比较满意的UI 成果。

再说下我在 Debug 测试过程中发现的两个亮点：

• 幻觉控制能力较强

我在 debug 的过程中故意玩了个坑，在还没增加疫苗功能前，告诉它目前项目中的疫苗记录功能存在错误。

Seed-Evolving 在思考分析一会后，没有顺着我的描述继续修改，而是先搜索项目仓库，并明确指出没有找到疫苗记录功能，随后根据现有 Repository 和 ViewModel 结构重新提出疫苗记录功能的实现方案。

相比顺着我们的提问“答得更快”，这种拒绝基于错误前提继续工作的模式，对于我们的开发更有价值。

• 跨文件复杂工程能力

在测试喂养计时功能时发现如果 App 退到后台，计时功能就直接停用了，但回退后台这个需求点其实是一个较常见的场景，例如在喂奶时需要回复一个消息，这个计时直接断了对于用户使用体验上是致命性的bug。

虽然“后台计时”看起来只是增加一个后台计时能力，实际上横跨了数据层、状态层、通知模块三个页面，需要实现 App 切到后台后，计时不能停止；手机锁屏后，状态不能丢失；进程被系统回收后，要恢复之前的记录；结束计时后，还要把结果写入数据库，并同步更新通知栏和页面。

非常棒的一点，Seed Evolving 没有把它写成一个在页面里运行的倒计时。

方案为这个功能建立了单独的计时状态仓库，使用系统运行时间计算持续时长，再把运行中和暂停中的状态保存下来。同时还创建了前台服务和通知模块，让页面、计时状态与系统通知共同工作。

我感觉这次修改比一次生成漂亮页面更能体现复杂工程能力。

下面这个是修改后，完整的一个项目展示成果，我老婆也完全把这个工具App使用起来了，并有不错的反馈。

04 体验总结

整个工具的开发和测试 debug 过程跑下来，我有一个明显的感受，Seed 模型已经是一个非常高可用的模型，特别是 Seed-Evolving 在编程开发上面有着实打实的优秀表现，与官方宣传的聚焦 Coding & Agent 场景基本是一致的，对于一个经验丰富的工程师来讲使用起来已经绰绰有余。

模型在长程任务的不错的表现，基本上一次性就能够从提出 Prompt 到生成 APK 测试安装包闭环跑完一个完成的项目，且速度也比较理想。

另外在信息检索整合、幻觉控制、跨文件修改的复杂任务上都有超预期的表现，它的信息检索能力不单纯仅在联网搜集信息层面，更是从主动发起搜索，辨别信息来源，整合检索结果并落到代码有完整且严谨的工作链条；幻觉控制能很好的自主分析验证判断，把控信息编造风险且给出对应的解决方案；跨文件开发能力也是能落到实处，把复杂问题解耦，非常顺滑的整理出方案并解决掉。

如果能加强前端设计能力，Seed-Evolving 会是一个综合能力更加强悍的模型，看到这个模型按照周级迭代节奏，感觉实现这一步也不会太远，我也会持续的使用和观察。

非常高兴现在类似 Seed-Evolving 的国产模型越来越强大，已经在快速扭转之前大家对于国产模型在编程能力上的偏见，已经完全能够满足基于我们的真实需求给出更好的解决方案，也给了我们更大的创作和创意空间去解决生活工作中的问题。

技术服务于人，服务于生活，这也正是科技和 AI 持续发展的初衷。