Inspiration

What it does

How we built it

Challenges we ran into

Accomplishments that we're proud of

## Inspiration

编程小白常常面临以下三大核心痛点：

1. 不知道如何描述需求：难以将想法清晰地转化为代码需求。
   
2. 找不到合适的代码参考：缺乏快速找到高质量代码模板的能力。
   
3. AI编程工具崩溃：尤其是在前后端对接时，常出现代码匹配不上的问题，阻碍了顺利开发。
   

针对这些问题，小白编程作弊器v1.0应运而生，帮助零基础用户高效解决上述难题，轻松完成编程任务。

---

## What it does

小白编程作弊器v1.0 是一款智能化编程助手，具有以下功能：

1. 需求解析与关键词生成：通过自然语言处理，将用户输入的需求转化为GitHub的搜索关键词。
   
2. 优质代码匹配与推荐：自动搜索GitHub上的高质量代码仓库，并对其质量和适配性进行评估，推荐最佳代码模板。
   
3. 生成优化Prompt：为Cursor等AI辅助工具生成专属Prompt，帮助解决前后端对接中的匹配问题。
   
4. 结果汇总与文档输出：将推荐结果和代码使用指南汇总至飞书文档，供用户轻松使用。
   
5. 超低成本运行：单次使用成本约0.2元，无需维护费用，用户只需通过Colab部署并输入自己的API Key即可完成操作。
   

---

## How we built it

小白编程作弊器v1.0 由以下技术栈构建：

• 多智能体框架：基于CAMEL AI实现任务分工和高效协作。
  
• 语言模型：使用阿里QWEN模型解析自然语言需求并生成关键词。
  
• 网页提取与数据处理：利用Firecrawl从GitHub仓库中提取数据，结合GitHub API获取项目详细信息。
  
• 文档生成：通过自动化工具将代码模板推荐及使用指南输出至飞书文档。
  

工作流程：

1. 用户输入需求
   
2. 工具解析需求并生成搜索关键词
   
3. 自动搜索GitHub并评估仓库质量
   
4. 推荐最佳代码仓库并生成Prompt
   
5. 结果自动生成飞书文档供用户使用
   

---

## Challenges we ran into

1. 自然语言需求解析不够精确：部分用户需求描述模糊，增加了解析和匹配的复杂度。
   
2. 代码匹配问题：尤其是在前后端对接场景中，部分仓库的代码可能不够完整或适配性不佳。
   
3. 数据处理成本：Firecrawl工具的token消耗较快，需要优化爬取效率以降低运行成本。
   

---

## Accomplishments that we're proud of

1. 全流程自动化：从需求输入到代码推荐和文档生成，实现了零基础用户也能快速完成任务的目标。
   
2. 高质量代码匹配：通过智能筛选算法，大幅提升代码匹配的适配性与用户满意度。
   
3. 零维护成本：通过Colab部署，用户只需接入自己的API Key，无需任何额外费用。
   

---

## What we learned

1. 精准匹配用户需求的重要性：清晰的需求解析是提供优质服务的关键。
   
2. 用户体验为核心：通过简化操作流程，提升了小白用户的使用体验。
   
3. 市场机会：零/低代码基础用户是AI编程工具的重要目标人群，市场潜力巨大。
   

---

## What's next for 小白编程作弊器v1.0

1. 功能优化：

   • 支持任务拆解，结合多个仓库资源完成更复杂的项目开发。
     
   • 增加一键部署功能，支持预定义部署地址，实现自动化发布。
     
   • 集成Mavius向量数据库，支持用户复用历史搜索结果。
     
   • 增强知识图谱功能，帮助用户理解不同项目间的关联与差异。
     

2. 成本优化：提升Firecrawl工具的效率，进一步降低使用成本。

3. 推广计划：与教育机构、编程社区及KOL合作，快速扩大用户群体，通过分销模式覆盖市场。

4. 用户体验升级：增加多语言支持，优化飞书文档输出格式，为全球用户提供更佳的体验。

What we learned

What's next for 小白编程作弊器v1.0

Built With

• camelai
• python