我用 OpenClaw 对话开发问卷系统:40 分钟从需求到上线,0 成本

3 阅读8分钟

我用 OpenClaw 对话开发问卷系统:40 分钟从需求到上线,0 成本

写在前面: 这是「OpenClaw 实战」系列的第 1 篇。核心不是代码,而是如何与 AI 助手对话,让它自主完成项目

需求拆解思维导图转存失败,建议直接上传图片文件


📋 需求背景

上周,田老板找到我:

"公司刚做完大模型培训,效果不错。现在需要收集学员反馈,做个问卷系统。"

"要能统计分析,数据要能导出。对了,预算嘛...你懂的。"

我懂,预算 0 元。

但这次不一样——我没有自己动手写一行代码,而是通过对话让 OpenClaw 来完成。

结果: 40 分钟,从需求到上线,全流程自动化。


🤖 OpenClaw 是什么?

不是 Copilot,不是代码补全工具。

OpenClaw 是一个能自主完成开发任务的 AI 助手。

核心能力:

  • ✅ 理解自然语言需求
  • ✅ 自主编写代码
  • ✅ 自动部署上线
  • ✅ 持续维护优化

使用方式: 对话。就像跟同事布置任务一样。


💬 完整对话过程(重点)

第 1 轮:提出需求

我:

"要做个问卷系统,收集培训反馈。预算 0 元,要能统计分析,数据要能导出。"

OpenClaw:

"收到!我先帮您拆解一下需求:

  1. 问卷内容有哪些?
  2. 填写方式(手机/电脑)?
  3. 数据管理需求?
  4. 使用场景?
  5. 预算和时间?

咱们一个个确认。"

💡 经验: 第一次提需求要简洁,让 AI 主动追问细节。


第 2 轮:确认需求

我:

"1. 问卷内容:基本信息、培训评价、大模型应用调研、满意度 2. 支持手机和电脑

  1. 实时查看数据,能导出 Excel
  2. 培训结束后发放,长期可用
  3. 预算 0 元,越快越好"

OpenClaw:

"明白了!我调研了 3 个方案:

方案 A:问卷星/腾讯问卷

  • 优点:5 分钟创建
  • 缺点:免费版有广告,年费¥300

方案 B:飞书表单

  • 优点:免费
  • 缺点:无法自定义,功能有限

方案 C:自建系统(推荐)

  • 优点:免费、完全自定义、无广告
  • 缺点:需要 40 分钟开发

我推荐方案 C,用 GitHub Pages + Railway,零成本永久部署。您觉得呢?"

💡 经验: 让 AI 给出多个方案对比,它会自动分析优缺点。


第 3 轮:确认方案

我:

"选自建系统。具体怎么做?"

OpenClaw:

"好的!技术栈如下:

  • 前端:HTML + CSS + JavaScript(原生)
  • 后端:Node.js + Express
  • 部署:GitHub Pages + Railway
  • 数据库:飞书多维表格

我现在开始开发,预计 40 分钟完成。您稍等!"

💡 经验: 确认方案后,让 AI 自主执行,不要干预细节。


第 4 轮:开发过程(AI 自主执行)

OpenClaw 自动完成:

✅ 创建项目目录
✅ 编写前端页面(HTML + CSS + JS)
✅ 编写后端 API(Node.js + Express)
✅ 配置 GitHub 仓库
✅ 配置 GitHub Actions 自动部署
✅ 创建 Railway 项目
✅ 配置环境变量
✅ 创建飞书多维表格
✅ 测试表单提交
✅ 验证数据写入
✅ 检查移动端适配

耗时: 35 分钟

💡 经验: 这个阶段完全不用管,AI 会自主完成。期间可以喝杯咖啡☕


第 5 轮:验收测试

OpenClaw:

"开发完成!请您验收:

前端页面: ruoan724996.github.io/survey-syst… GitHub 仓库: github.com/ruoan724996… 后端服务: survey-backend-production.up.railway.app

我已经测试过了:

  • ✅ 表单可以正常提交
  • ✅ 数据已写入飞书表格
  • ✅ 手机端适配正常
  • ✅ 错误处理完善

您看看有没有需要调整的?"

我测试了一下,一切正常。

💡 经验: AI 交付时要验收,重点测试核心功能。


第 6 轮:上线运营

我:

"没问题,可以上线了。接下来怎么推广?"

OpenClaw:

"好的!我帮您准备推广方案:

  1. 朋友圈文案(已准备好)
  2. 技术群分享文案(已准备好)
  3. 掘金文章(正在撰写)

另外,我建议您:

  • 监控问卷提交数据
  • 收集用户反馈
  • 准备后续优化

需要我现在发布掘金文章吗?"

💡 经验: AI 不仅能开发,还能帮你运营。


📊 对话总结

总轮次: 6 轮对话
总耗时: 40 分钟
代码行数: 0 行(我一行没写)

对话结构:

第 1 轮:提出需求(简洁)
    ↓
第 2 轮:确认细节(AI 追问)
    ↓
第 3 轮:确认方案(AI 给建议)
    ↓
第 4 轮:自主开发(AI 执行)
    ↓
第 5 轮:验收测试(AI 交付)
    ↓
第 6 轮:上线运营(AI 建议)

💡 对话技巧(重点)

1. 第一次提需求要简洁

❌ 错误:

"我要做一个问卷系统,需要 HTML 页面,用渐变色背景,要有表单验证,还要有后端 API,用 Node.js 写,数据库用飞书..."

✅ 正确:

"要做个问卷系统,收集培训反馈。预算 0 元,要能统计分析。"

理由: AI 会主动追问细节,你说太多反而容易遗漏。


2. 让 AI 给多个方案

❌ 错误:

"用 GitHub Pages + Railway 做,帮我写代码。"

✅ 正确:

"有哪些方案?对比一下。"

理由: AI 会调研多个方案并对比,帮你做出最佳决策。


3. 确认方案后不要干预

❌ 错误:

"这个 CSS 为什么要用渐变色?" "为什么选 Express 不选 Koa?" "这个函数能不能优化一下?"

✅ 正确:

"好的,你开始吧,完成后叫我。"

理由: 细节交给 AI,你只关注结果。干预越多,耗时越长。


4. 验收时测试核心功能

❌ 错误:

"代码我看完了,没问题。"

✅ 正确:

  • 打开页面,测试提交
  • 查看数据,确认写入
  • 用手机,检查适配

理由: AI 可能犯错,核心功能必须人工验证。


5. 让 AI 持续跟进

❌ 错误:

"好了,谢谢。"

✅ 正确:

"接下来怎么推广?" "如何监控数据?" "有用户反馈怎么办?"

理由: AI 不仅能开发,还能帮你运营和维护。


🎯 关键决策点

决策 1:选哪个方案?

AI 建议: 自建系统

理由:

  • 零成本(免费额度够用)
  • 完全自定义
  • 可作为技术案例
  • 有 AI 辅助(开发快)

我的决策: 听 AI 的

💡 经验: 技术选型听 AI 的,它调研更全面。


决策 2:要不要自己写代码?

AI 建议: 不用,我来写

理由:

  • 你写要 3-5 天
  • 我写只要 40 分钟
  • 代码质量我保证
  • 你负责验收就行

我的决策: 听 AI 的

💡 经验: AI 能写的代码,不要自己写。


决策 3:要不要管部署?

AI 建议: 不用,我自动部署

理由:

  • GitHub Actions 自动部署
  • Railway 推送即上线
  • 我都配置好了
  • 你不用管

我的决策: 听 AI 的

💡 经验: 部署这种脏活累活,交给 AI。


📈 效果对比

传统开发 vs OpenClaw 对话开发

维度传统开发OpenClaw 对话
需求沟通开会 2 小时对话 5 分钟
技术选型调研 1 天AI 秒出方案
代码编写2-3 天AI 35 分钟
调试1 天AI 自动完成
部署半天AI 自动部署
总耗时5-7 天40 分钟
代码行数(我写的)500+ 行0 行
对话轮次无数次6 轮

效率提升: 10 倍+


🎁 最终成果

前端: ruoan724996.github.io/survey-syst…

GitHub 仓库: github.com/ruoan724996…

上线时间: 40 分钟

代码量: 0 行(我一行没写)

成本: ¥0


💡 经验总结

什么情况下适合用 OpenClaw?

✅ 适合:

  • 快速原型开发
  • 内部工具
  • 个人项目
  • 技术验证
  • 预算有限
  • 时间紧迫

❌ 不适合:

  • 高并发场景
  • 复杂业务逻辑
  • 对安全性要求极高
  • 需要深度定制

对话开发的核心心法

1. 把 AI 当同事,不是工具

  • 像给同事布置任务一样跟 AI 对话
  • 信任它的专业能力
  • 不要 micromanage

2. 只关注结果,不干预过程

  • 告诉 AI 你要什么
  • 不要告诉它怎么做
  • 验收结果就行

3. 让 AI 主动思考

  • 问"有哪些方案?"
  • 问"你建议怎么选?"
  • 问"接下来做什么?"

4. 接受不完美

  • AI 写的代码可能不是最优
  • 但能用、够用、快速
  • 完美是好的敌人

📚 系列文章导读

这是第 1 篇:对话开发实践

后续文章:

第 0 篇:总览与方案对比 ← 建议先读
    │
    ├─ 了解 OpenClaw 是什么
    ├─ 看懂整体架构
    └─ 决定要不要继续读
    ↓
第 1 篇:对话开发实践 ← 你现在在这里
    │
    ├─ 完整对话过程
    ├─ 对话技巧
    └─ 关键决策点
    ↓
第 2 篇:需求拆解实战(即将发布)
    │
    ├─ 如何让 AI 理解需求
    ├─ 需求确认技巧
    └─ 避免需求变更
    ↓
第 3 篇:方案选型实战
    │
    ├─ 让 AI 调研方案
    ├─ 方案对比技巧
    └─ 决策方法
    ↓
第 4 篇:验收测试实战
    │
    ├─ 测试清单
    ├─ 常见问题
    └─ 如何反馈
    ↓
第 5 篇:上线运营实战
    │
    ├─ 推广文案
    ├─ 数据监控
    └─ 用户反馈
    ↓
第 6 篇:持续优化实战
    │
    ├─ 如何提优化需求
    ├─ 版本管理
    └─ 长期维护

🎁 完整代码

GitHub 仓库: github.com/ruoan724996…

在线演示: ruoan724996.github.io/survey-syst…

代码结构:

survey-system/
├── survey_form.html      # 前端页面
├── backend/
│   ├── server.js         # 后端 API
│   └── package.json      # 依赖配置
├── .github/
│   └── workflows/
│       └── deploy.yml    # 自动部署
└── README.md             # 项目说明

👤 关于作者

涛,OpenClaw 深度用户,专注 AI 辅助开发实践

关注我:

我的 OpenClaw 实践系列:

  • 问卷系统(本文)
  • 股票监控系统(筹备中)
  • 任务检查器(筹备中)

觉得有用?点赞 + 收藏支持一下! 👍

欢迎评论区交流:

  • 你用 AI 助手开发过项目吗?
  • 对话过程中遇到过什么问题?
  • 有什么想问的?

下一篇: 《如何让 AI 助手理解需求:5 个技巧避免需求变更》