两个晚上开发民宿信息采集插件：我的AI协同开发实践

春节假期归来，我延续了年前的探索方向——这次将AI编程能力应用到了民宿信息整合场景中。在体验过多个特色民宿后，发现非标住宿产品的信息整合确实存在痛点。因此暂停了日语学习软件的开发，转而用两个工作日晚间（总计4-5小时）完成了一款浏览器插件的开发，以下是完整的技术实践记录。

一、需求背景与项目定位

作为民宿爱好者，在预订过程中常需要横向对比多个维度的信息：

基础数据：可住人数、地理位置、平台评分

动态数据：特定日期空房状态、实时价格

使用场景：人工浏览时自动采集，无需批量抓取

基于此确定了技术方案：

通过浏览器插件解析本地缓存网页

支持CSV格式导出数据

轻量化设计（单页面处理）

二、开发流程全记录

第一阶段：需求拆解（15min）

使用Windsurf生成6步开发计划

建立开发文档模板，要求AI在每个阶段完成后同步更新文档

第二阶段：模块化开发（1小时）

采用迭代式开发策略：

每个功能模块独立开发

开发顺序由AI推荐（后文会提到需要人工干预的情况）

暂缓单元测试，集中在最后环节验证

第三阶段：测试优化（4小时左右）

首轮测试暴露问题：

解析模块部分失效

CSV导出仅有部分字段

采用分字段调试法：

通过日志定位问题节点

人工判断AI建议的合理性

逐字段验证数据完整性

收尾处理：

保留多CSV文件的设计（通过批处理合并）

插件打包

三、AI协作的实践启示

在这次开发过程中，总结出三点关键经验：

1. 人机协作的监督机制

典型案例：当AI试图跳过"数据存储设计"直接开发"异常处理"时，需要人工介入调整开发顺序

应对策略：建立阶段确认机制，每个模块完成后要求AI阅读开发计划文档确认后续步骤

2. 问题诊断的协同模式

[现象] 人工初步分析 AI技术建议 联合调试 [解决方案]

在字段解析失败时，通过人工查看DOM结构后，引导AI聚焦class选择器问题

价格数据异常需要人工指出数字格式化问题，AI才能给出正则表达式方案

3. 开发节奏的平衡艺术

接受非关键瑕疵（如多CSV文件）

优先保证核心功能（数据采集/导出）

技术债管理文档记录待优化项

四、技术延伸思考

该案例验证了轻量级AI协作的可能性：

效率维度：4-5小时完成MVP开发

成本维度：消耗了大约100个windsurf的Flow Action credits，折合成本约$1

质量维度：实现80%核心需求