AI编程工具越来越成熟，对个人开发者来说，只要有一个想法，把它变成可运行的项目或产品，门槛已经大幅降低。无论你有没有编程基础，现在几乎人人都可以同时扮演产品经理、全端工程师这些角色。这背后最大的变化，是工具在替人干活，而人只需要想清楚要什么。最近正好做了个小项目，想把这个从想法到落地的完整过程分享出来，说不定能给同样有想法、又在犹豫怎么动手的人一点参考。
项目背景
事情起因是最近公司毫无征兆地裁了一部分同事——说实话，这事儿搁谁身上都得重新想想自己的定位。于是打算重启刷面试题的计划，一方面是为了巩固基础知识，另一方面也想借着面试题的切口，了解一下AI相关的东西。
刷题这个动作本身并不难，难的是怎么真正把知识内化。单纯看面经很容易陷入“看了就忘、忘了再看”的死循环。如果能把每个知识点通过编码或写文档的方式走一遍，效果会扎实很多。但是，常规的Markdown编辑器或在线文档功能有限，有的数据锁在本地没法同步，有的功能铺不开，有的不能分享，更不用说跟人交流讨论了。
所以，一个可以免费部署到公网、支持多设备同步、方便分享和交流、还能按自己需求定制化的文档工具，就成了刚需。这也是今天这个项目的由来。
项目信息及效果
项目 GitHub 地址：https://github.io/xiuji008/xjdoc-interview
GitHub Pages 部署后的 Web 地址：https://xiuji008.github.io/xjdoc-interview/
项目文档地址：https://xiuji008.github.io/xjdoc-interview/#/docs/README
首页、文档结构树、顶部栏
阅读数、分类、标签、介绍
评论
提示
sequence
chart图表
项目开发工具
开发 AI 工具：CodeBuddy CN
开发流程
第一步：创建文件夹
创建一个项目目录，并使用 CodeBuddy CN 打开。
第二步：确认方案
打开 CodeBuddy CN 对话框，使用 Craft 模式，模型选 Deepseek-V4-Flash，输入下面这段描述：
基于以下文档先设计方案及技术选型，设计完成后找我确认，确认完成后在进行开发## 项目背景将面试相关的文档分类整理后放在一个目录中：docs/├── ja va/│ ├── ja va基础/ │ │ ├── collection.md│ ├── cli/ │ └── web/ ├── ai/│ ├── skills/│ ├── db/│ └── shared/├── README.md├── CONTRIBUTING.md现在我想做一个 Node 项目，需实现以下功能：1. 按文件目录生成左侧文档结构树；2. 每添加一篇 md 文件，通过 GitHub Pages 部署后可在页面查看；3. 每篇文章头部都添加 YAML Front Matter，并据此在每篇文章头部渲染出一块区域，展示如 title、tags、category、slug 等配置信息；4. Markdown 中包含 ```mathjax!、```sequence、```mermaid! 等语法的代码块，也需要支持渲染；5. 基于 GitHub 实现评论功能（如果可以，希望增加阅读数统计）。第三步：生成代码，根据具体情况多轮对话调整
在对话框里确认技术选型和设计方案后，AI会开始生成代码。生成之后，根据跑出来的效果反复对话修正——这一步最磨人，但也最关键。
第四步：推送到 GitHub，配置环境变量
第五步：调试 GitHub Pages 构建，查看页面
第六步：让 AI 总结，生成 README
到这一步，整个项目从想法到开发再到部署，流程就跑通了。
项目耗时
这个想法是在早上通勤的路上冒出来的。到公司之后，利用工作间隙开始尝试。整个开发过程基本都交给 AI，我需要做的只是清晰地描述需求，然后在它生成代码之后验证效果，再通过对话逐步调优。
到下午下班时，项目已经基本成型。晚上回家又集中花了大约 3 个小时进行细节优化、多轮对话修正，以及配置 GitHub Pages 的部署。
总的算下来：白天零散的“摸鱼时间”加上晚上集中的 3 小时。从想法诞生到公网可访问的完整项目上线，实际投入的净时间连一天都不到。
项目说明
下面说一下项目的系统架构、核心功能、具体用法以及部署方式。
