十年PM零代码实战：用AI Agent打造商务英语与幼儿点读应用

背景

在 AI 工具日益普及的当下，许多非技术背景的产品经理（PM）虽然具备技术常识，但往往受限于编码能力，难以将“利用 AI 提升效率”的想法转化为实际落地的应用。尽管身边不乏此类讨论，但真正完成从 0 到 1 构建应用的人寥寥无几。

本文作者作为一名拥有十年经验、完全不会写代码的产品经理，基于自身在工程机械行业接触海外客户的实际需求，以及家庭生活中的育儿痛点，利用 AI 辅助编程（Vibe Coding）技术，独立开发了两个个人应用，并分享了其朋友基于开源项目开发的本地化应用案例。其核心动机并非追求高大上的商业产品，而是通过“跨出第一步”，解决具体的生活与工作痛点，验证非技术人员利用 AI 构建数字工具的可行性。

核心内容

作者主要分享了三个应用案例的开发背景、功能逻辑及 Vibe Coding 过程，分别是“个人商务英语学习应用”、“幼儿粤语点读应用”以及朋友开发的“会议提醒助手 Cuemein”。

1. 个人商务英语学习应用

开发动机： 作者身处工程机械领域，需频繁对接海外客户，但缺乏行业专业词汇。同事曾借阅一本绝版的行业商业英语教材，作者遂决定将其数字化。起初计划将教材拍照结构化，后升级为制作一个 APP，结合 AI 生成音频，实现“听看结合”的高效学习。

功能模块：

• 课程模块： 将教材内容按主题拆分，包含简介、对话、复杂句式及词汇。支持英文内容的音频播放。
• 闪卡模式： 借鉴主流 AI 应用的正反面快速记忆法，降低记忆枯燥感。
• 演练（考试）模块： 纯听力测试，要求用户听写原文。内置逻辑：若错误率高，系统会在次日重新推送相关题目进行强化测试。
• 配置与难点管理： 预设默认口音，标记学习难点以便回看。
• 趣味与辅助功能：
  • 老虎机随机抽题： 解决选择困难症，随机抽取课程。
  • 豆包口语陪练： 编写特定提示词，复制课程提示词至豆包（Doubao），利用其语音对话功能进行情景模拟。
  • 离线音频播放： 针对出差坐飞机场景，实现音频加载后无需云端再次请求即可离线播放。

Vibe Coding 技术栈与部署：

• 技术栈： 纯前端应用，部署在 Netlify 上。
• 多端适配： 通过 AI 指导，实现了网页 PWA（渐进式 Web 应用）以及安卓和苹果端的打包。安卓端通过将所有音频打包进安装包实现完全离线；苹果端因未开通 99 美元开发者账号，仅在 Xcode 上测试。
• TTS（文本转语音）方案： 初期考虑小米 Token 激励，但发现国内模型多口音支持不足。最终通过 AI 调研，采用 Mac OS 自带语音包或微软 Edge TTS。经盲测，微软 Edge TTS 听感更佳。共计生成 5000-6000 个音频文件。

2. 幼儿粤语点读页面

开发动机： 作者的小孩尚未学会说话，希望引导其学习粤语。鉴于孩子喜欢工程机械主题的点读机书籍，作者决定复刻此类体验，制作一个可互动的点读应用。

功能与实现：

• 交互逻辑： 模拟实体点读机，手指点击插画区域即可播放预制好的粤语音频及音效。
• 视觉生成： 使用 Nano Banana Pro 生成卡通风格插画，灵感来源于作者购买的纸质点读机书籍。
• 音效合成： 使用 Eleven Labs 合成动作及机械运行音效。为解决免费用户无法下载音频的问题，采用“录制页面播放音频”的变通方法生成音频文件。
• 动效反馈： 在可点击区域增加动态效果，引导儿童操作。

3. 朋友的应用：Cuemein（会议提醒助手）

开发动机： 作者的朋友需长时间参加线上会议，佩戴耳机听无聊内容导致烦躁。因此开发了一款本地应用，当会议中有人呼叫其名字时，电脑弹窗提醒，无需全程佩戴耳机。

技术实现：

• 参考 GitHub 开源项目。
• 配置轻量级本地模型，偏向 ASR（自动语音识别）方向。
• 体验良好，但作者因会议频率低，使用场景较少。

4. 未来规划：儿童健康本

作者计划开发一款记录孩子健康状况的应用，用于登记病历、用药次数及就医记录，解决多医院就诊时信息分散、记忆模糊的痛点。目前尚处于痛点定义阶段，未确定具体产品形态与演进方向。

关键要点

• 非技术人员的 AI 赋能路径： 即使完全不会写代码，产品经理也可通过 AI 辅助编程（Vibe Coding）完成从产品设计到应用落地的全过程。
• 关键 AI Skill 的使用：
  • grill-me： 作为全程导师，帮助收敛抽象目标，制定产品路线图，并在关键技术决策中提供建议。
  • hand-off： 在上下文窗口即将溢出时，生成清晰的交接文档，确保在新对话中能无缝继续工作，保持开发流程流畅。
• TTS 方案选型： 对于多口音需求，国内模型支持有限，微软 Edge TTS 或 Mac OS 自带语音包是免费且高质量的替代方案。
• 离线优先策略： 对于网络不稳定或无网场景（如飞行模式），将资源（如音频）本地化打包是提升用户体验的关键，安卓端可通过安装包实现，iOS 端受限于开发者账号成本可采用 PWA 或本地测试。
• 创意变通解决限制： 在 Eleven Labs 等工具免费用户无法下载音频的限制下，通过“屏幕/页面录制播放音频”的方式绕过限制，体现了灵活的问题解决思路。
• 动机驱动而非技术炫技： 应用的价值不在于技术复杂度，而在于是否解决了具体的生活或工作痛点（如英语学习、儿童教育、会议干扰）。
• 行动胜于完美： 作者强调“跨出第一步”的重要性，通过实际构建应用来证明学习成果，而非等待考试或认证。

意义与影响

1. 降低技术门槛的实证： 本文展示了非技术人员利用 AI 工具构建复杂应用（含多端适配、音频处理、本地部署）的可能性，打破了“只有程序员才能开发应用”的刻板印象，为产品经理及其他非技术岗位人员提供了可借鉴的实践路径。
2. AI 工作流的标准化参考： 详细披露了 grill-me 和 hand-off 等 AI 技能在开发流程中的具体应用场景，为其他尝试 Vibe Coding 的用户提供了关于如何管理上下文、规划路线和保持工作连续性的宝贵经验。
3. 技术选型的务实建议： 在 TTS、音效合成及部署方案上，作者提供了基于成本、功能和可用性的务实选择（如 Edge TTS、Eleven Labs 变通法、Netlify 部署），避免了盲目追求高端技术栈，强调了“够用且好用”的原则。
4. 以人为本的技术应用观： 文章重申了技术应用的终极目标是改善生活。无论是商务英语学习还是儿童粤语启蒙，都体现了技术服务于具体场景和人性需求的本质，鼓励用户从自身痛点出发，利用 AI 创造个性化解决方案。
5. 社区分享的价值： 通过公开分享“闹嗑”级别的应用及其开发细节，促进了技术社区内的经验交流，降低了后来者的试错成本，并激发了更多人动手实践的动力。