我没写一行代码,只用 AI 就完成了这个开源项目!
摘要: 作者利用AI(GitHub Copilot和Claude模型)完成了开源项目ZHIOT.Modbus的开发,全程未手动编写代码。通过两步工作法:1) 定义详细开发计划(生成Markdown并审核);2) 由AI按计划生成代码并测试。项目展示了开发者角色向“规划者”的转变,强调清晰需求拆解、Prompt质量和架构设计能力的重要性。作者认为AI将成为开发者的“副驾驶”,并计划继续迭代项目。开源
我没写一行代码,只用 AI 就完成了这个开源项目!
作者:智汇IOT
声明:本文主角 ZHIOT.Modbus 项目,所有实现代码均由 AI 完成。
哈喽,大家好!
最近我干了件大事,感觉必须得跟大伙儿分享一下,因为它可能代表了咱们程序员未来的一种工作模式。
长话短说:我只动嘴(让AI生成计划),不动手(写代码),让 AI 为我打造了一个完整的开源项目。
先上成果,项目地址在这里,欢迎围观 AI 的代码:
https://github.com/kevin100702/ZHIOT.Modbus

一、疯狂的想法 🤪
作为一名开发者,我们每天都在跟需求、Bug 和各种重复性工作打交道。有时候真的会想:啥时候 AI 能进化到我只要提需求,它就能哐哐哐把代码都写好啊?
没想到,这一天来得这么快。
我的想法很简单:我要创建一个现代化的 .NET Modbus 库。但我给自己定了个规矩:整个项目,我自己不能写一行功能代码。 我要扮演一个“架构师”或者“产品经理”的角色,把我的想法翻译成 AI 能理解的计划,然后让它去执行。
这个 AI 主角,就是我们熟知的 GitHub Copilot(以及它背后的 Claude 模型,整个项目的计划和执行都是使用Cluade Sonnet 4.5完成)。
二、我的两步工作法
整个过程,我只做两件事:
-
1. 定义计划:用自定义的Agent生成一份清晰、分步的开发计划对生成的计划,然后进行审核和修改,确保它符合我的预期。
-
2. 指令执行:把计划喂给 AI,让它一步步生成代码。
Step 1: 当一个“产品经理”,让AI撰写开发计划 👨💻
这是整个项目里我唯一需要“动手”的部分。我并没有直接让 AI 开始写代码,而是先让它帮我出谋划策。
我自定义了一个Agent,用来生成执行计划,生成计划后我不会让AI直接编写代码,而是生成Markdown文件,由我来进行审核和调整。
基本上我只要做一些细微的调整,确保计划的每一步都清晰可行,然后我就可以放心地把它交给 AI 去执行了。
比如,这是其中一份计划的片段:
### 03. Modbus RTU 实现计划
**目标**:实现 Modbus RTU 协议的封包与解包逻辑。
**核心组件**: `ModbusRtuAduBuilder.cs`
- **功能**: 构建 RTU 协议的 ADU (应用数据单元)。
- **方法**:
- `BuildRequest(byte slaveId, ModbusPdu pdu)`:
- 接受从站地址和 PDU。
- 结构: `[从站地址][PDU][CRC校验]`。
- 计算 CRC16 校验码并附加在末尾。
- 返回完整的 RTU 报文 `byte[]`。
**核心组件**: `ModbusRtuAduParser.cs`
- **功能**: 解析收到的 RTU 报文。
- **方法**:
- `ParseResponse(byte[] frame)`:
- 验证报文长度是否至少为 4 字节。
- 验证 CRC 校验是否正确。
- 提取 PDU 部分并返回。
- 如果有异常,抛出 `ModbusFrameException`。
看到吗?计划已经详细到了类名和方法签名,AI 的工作范围被我精确地限定了。
所有的计划内容我都添加了序号上传到项目的plan目录下。
Step 2: AI,启动!🚀
计划在手,天下我有。
接下来的工作就变得非常“枯燥”了。我只需要把这些计划作为上下文给 AI,然后对它说:“按计划进行代码的实现!”
而我... 我大部分时间只是在旁边喝着咖啡 ☕️,看着屏幕上自动敲出的代码,整个计划中我要求AI执行完整的工作流,直到所有的代码编译通过并撰写测试代码,最终测试通过。
感觉就像拥有了一个言听计从、不知疲倦、技术还超牛的实习生。
三、一些随想 🤔
这个过程完全颠覆了我对编程的认知。
开发者的角色正在从“编码者”转变为“规划者”和“指挥者”。
我们最重要的技能,不再是记住所有 API 或者语法,而是:
-
1. 清晰地定义问题:你能否把一个模糊的需求,拆解成 AI 能理解的、可执行的步骤?
-
2. 高质量的提问:你的 Prompt 质量,直接决定了 AI 输出的质量。
-
3. Code Review 的能力:AI 会犯错,你需要快速甄别并纠正它的错误。
-
4. 架构设计能力:如何设计一个合理的系统架构,让 AI 能高效地完成任务。
-
5. 持续集成和测试:确保 AI 生成的代码质量过关。
这并不是说我们不需要懂技术了,恰恰相反,我们得更懂架构、更懂设计,才能更好地“驾驭”AI,让它为我们服务。
这个 ZHIOT.Modbus 项目只是一个小小的实验,但它让我窥见了软件开发的未来。我相信,在不久的将来,AI 将成为我们每个开发者都离不开的“副驾驶”。后面我会继续迭代这个项目,比如添加Modbus Server的实现,并使用Avalonia创建一个使用该库的调试工具。
你对这种开发模式有什么看法?欢迎在评论区和我交流!
最后,如果你觉得这个实验有点意思,别忘了给项目一个 Star ⭐,也请 点赞、在看、转发 支持一下!感谢!
如果你也想要我的计划生成Agent,可以私信我,我会分享给大家。

火山引擎开发者社区是火山引擎打造的AI技术生态平台,聚焦Agent与大模型开发,提供豆包系列模型(图像/视频/视觉)、智能分析与会话工具,并配套评测集、动手实验室及行业案例库。社区通过技术沙龙、挑战赛等活动促进开发者成长,新用户可领50万Tokens权益,助力构建智能应用。
更多推荐
所有评论(0)