作为盲人开发者，使用AI编码工具构建生产级盲文3D生成器

我是一名全盲人士，一生都在阅读盲文。在过去的几个月里，我构建了一个生产级网络平台，用于生成可3D打印的盲文物体。我认为对于本版块来说，有趣的部分并非产品发布本身，而是背后的AI工作流程。该系统的功能包括： - 浏览器端生成器 - 后端几何/布局逻辑 - 多语言盲文支持 - 打印机适配验证 - 报价生成 - Stripe结账与Webhook - 订单持久化 - 管理后台履约流程 - 客户邮件通知 从技术栈来看，这是一个真实的应用程序而非演示项目： - FastAPI后端 - 前端JS/HTML/CSS - 基于OpenSCAD的几何/导出管线 - 基于Liblouis的盲文支持 - Stripe Checkout + Webhook流程 - SQLite订单持久化 - SMTP通知 - Linux生产环境部署（Nginx反向代理） 我认为这个话题在此具有相关性，是因为AI编码工具的使用并非仅限于零散的代码片段，而是贯穿于不断演进的生产代码库的整个生命周期。AI帮助的主要方式包括： - 加速后端/前端重复性样板代码的实现 - 随着产品范围变化加快重构速度 - 帮助推理验证模型和API接口变化 - 生成并更新测试脚手架 - 追踪部署和集成错误 - 完善文档和运行手册 - 使得在选定方案前能够快速尝试多种实现路径 但重要的是，AI并未取代的部分： - 盲文知识 - 可访问性判断 - 产品优先级排序 - 架构权衡 - 测试纪律 - 部署验证 - 对问题的亲身经验 这一区别至关重要。这并非“AI为我生成了一个应用”的情况，而是在一个问题知识高度特定且依赖经验的领域中，利用AI编码工具压缩执行循环。在可访问性工作中，这一点尤为重要。可访问性软件中反复出现的问题是： - 最了解实际问题的人往往没有大型工程团队 - 拥有工程资源的人往往缺乏对实际摩擦的亲身经验 AI在弥合这一差距方面似乎尤为强大。就我而言，它让我能够将更多精力投入到那些需要我的部分： - 哪些盲文问题值得解决 - 哪些输出应被视为可用 - 哪些工作流真正对盲人用户有效 - 哪些权衡是可以接受的 - 系统在实际生产环境中应如何表现 同时减少了围绕这些问题的实现密集型工作的成本。以下是我在使用AI时学到的一些东西： - 当人类对问题已有充分理解时，AI最为强大 - 当产品思路模糊时，AI的作用会大打折扣 - AI可以在不减少验证需求的前提下显著加速编码 - 它特别擅长帮助在大量小工程任务中保持动力 - 对于面向可访问性的软件，亲身经验加上AI辅助是一个非常强大的组合 对我而言，更广泛的结论并非“AI取代开发者”，而是AI能够显著增强那些拥有深厚领域专长的人（包括从内部理解问题的残障建造者）的构建能力，使他们能够更快地从想法走向部署的软件。这比大多数泛泛的炒作更接地气、更有价值的AI故事。以下是由生成器创建、并用我的3D打印机打印的一张名片图片 😄 https://preview.redd.it/5m93ygcchj2h1.jpg?width=4032&format=pjpg&auto=webp&s=9c200e9eeac23566ab53d6d10959c83e186e73fd https://preview.redd.it/60n7jhcchj2h1.jpg?width=4032&format=pjpg&auto=webp&s=d2d7c1e11ee80ce137d602f6cb26b6a4221bfcf5