AI 全栈开发实战:基于 trae + uni-app 极速开发扫码点餐小程序

效果抢先看

图片


扫码即点、自动识别桌号、前后端一体管理 —— 一个完整的点餐系统原来可以这么快上线!

一、开发环境准备

1.1 安装 HBuilder X(uni-app 官方 IDE)

下载地址:https://dcloud.io/hbuilderx.html
这是我们的核心开发工具,支持 Vue 语法,一键编译到微信小程序。

图片

1.2 安装微信开发者工具

下载地址:https://developers.weixin.qq.com/miniprogram/dev/devtools/download.html
用于真机预览、调试与上传审核。

图片

1.3 安装 Trae 国际版(AI 编程助手)

下载地址:https://www.trae.ai/
我们将用它辅助生成 UI 与逻辑代码,提升 3 倍开发效率。

图片

二、快速创建用户端小程序

2.1 导入现成模板,5分钟搭建基础框架

我们使用 “私房菜点餐项目前端模板” 快速启动。
模板地址:https://ext.dcloud.net.cn/plugin?id=19865

点击“下载插件并导入 HBuilderX”,系统会自动创建项目:

图片

导入后的项目结构清晰,包含基础页面与组件:

图片

2.2 一键运行到小程序模拟器

在 HBuilderX 中选择“运行 → 运行到小程序模拟器 → 微信开发者工具”,即可预览效果:

图片

三、AI 助力,智能开发桌号管理功能

3.1 配置 Trae 开发规则

在 Trae 中设置个人与项目规则,确保生成的代码符合项目规范:

个人规则配置:

- 代码精简,不写冗余测试代码 - 忽略注释问题 - 不自主创建图片资源 - 回答直接、准确,避免泛泛而谈 - 默认使用中文回复 

项目规则配置:

- 本项目基于 vue2 + uni-app + uniCloud 开发扫码点餐微信小程序 

3.2 关联 uniCloud 云空间

在 HBuilderX 中关联或新建云服务空间,后续所有数据与逻辑将托管在云端:

图片

3.3 创建云对象与数据库

  • 云对象table.obj.js,用于处理桌号生成、二维码生成等业务逻辑
  • 云数据库zhuohao.schema.json,存储桌号、二维码、时间等字段

图片

3.4 使用 AI 提示词生成核心功能

向 Trae 输入以下提示词,自动生成桌号管理相关代码:

# 开发扫码点餐小程序桌号管理功能 ## 要求: 1. 通过云对象生成带桌号的小程序码,并上传至云数据库 2. 数据库包含:桌号、点餐二维码、创建时间、更新时间 3. 用户扫码后自动弹出桌号与人数选择窗 ## 参考文档: https://developers.weixin.qq.com/miniprogram/dev/OpenApiDoc/qrcode-link/qr-code/getUnlimitedQRCode.html 

AI 会自动生成云函数逻辑、数据库操作及前端弹窗组件:

图片

3.5 用户端实际效果

扫码后自动识别桌号,并弹出人数选择窗口,体验流畅:

图片

四、搭建可视化管理系统(管理端)

4.1 基于 uni-admin 快速创建管理后台

在 HBuilderX 中选择“新建 → 项目 → uni-admin”,一键生成后台管理系统:

图片

4.2 同步云对象与数据库

将之前创建的云对象和数据库同步到管理端项目中,实现数据互通:

图片

4.3 使用 schema2code 自动生成管理页面

右键点击 zhuohao.schema.json,选择 schema2code,系统自动生成列表、新增、编辑等页面:

图片

4.4 运行管理端并配置菜单

首次运行后,在 uni-admin 后台中配置“桌号管理”菜单,刷新即可见:

图片

4.5 新增桌号并生成二维码

进入桌号管理页面,点击“新增”,输入桌号后提交,系统自动生成该桌的点餐二维码:

图片

Read more

vscode copilot 的配置文件提示警告

Claude 桌面版竟然是实时的。 vscode copilot 的配置文件提示 [{ “resource”: “/d:/.vscode/User/globalStorage/github.copilot-chat/ask-agent/Ask.agent.md”, “owner”: “prompts-diagnostics-provider”, “severity”: 4, “message”: “未知工具 “github/issue_read”。”, “startLineNumber”: 7, “startColumn”: 51, “endLineNumber”: 7, “endColumn”: 70 },{ “resource”: “/d:/.vscode/User/globalStorage/github.copilot-chat/ask-agent/Ask.agent.md”, “owner”: “prompts-diagnostics-provider”, “severity”: 4, “message”: “未知工具

【AI开发】—— Copilot最佳使用方式与配置

【AI开发】—— Copilot最佳使用方式与配置

从 Claude Code 到 Copilot:我的 AI 编码工具选型与深度配置指南 本人使用过很多智能体开发工具,Claude Code、Codex、Cursor、Google Studio、Coze,其实千篇一律,大同小异。各厂商对 Agent 的 Prompt 设定与思考逻辑等略有差异,例如 Claude Code、Codex 等都有内置的系统提示词,作为开箱即用的 Coding 工具,专门针对编码、测试等开发流程进行了优化,使大家使用起来觉得非常高效(以 Claude Code 为例,感兴趣的可以参考 Claude Code 的系统提示词及智能体的设定);后来出现了 Skills、MCP 等、Plan Agent、SubAgent 等新特性,

【Claude Code解惑】深度评测:Claude Code vs. GitHub Copilot CLI,谁才是终端之王?

【Claude Code解惑】深度评测:Claude Code vs. GitHub Copilot CLI,谁才是终端之王?

深度评测:Claude Code vs. GitHub Copilot CLI,谁才是终端之王? 目录 1. 引言与背景 2. 原理解释(深入浅出) 3. 10分钟快速上手(可复现) 4. 代码实现与工程要点 5. 应用场景与案例 6. 实验设计与结果分析 7. 性能分析与技术对比 8. 消融研究与可解释性 9. 可靠性、安全与合规 10. 工程化与生产部署 11. 常见问题与解决方案(FAQ) 12. 创新性与差异性 13. 局限性与开放挑战 14. 未来工作与路线图 15. 扩展阅读与资源 16. 图示与交互 17. 术语表与速查表 18. 互动与社区 0.

Stable Diffusion印象派滤镜实战:云端10分钟出作品,成本1块钱

Stable Diffusion印象派滤镜实战:云端10分钟出作品,成本1块钱 你是不是也遇到过这样的情况?手头有一堆拍摄完成的照片,想参加一个艺术展览,主题是“城市光影·印象”,要求提交印象派风格的视觉作品。可问题是——用本地电脑跑AI滤镜生成一张图要20分钟,显卡还经常卡死;换高端显卡又要花五六千,时间紧、预算少,展览截止只剩3天,根本来不及。 别急,我最近刚帮一位摄影师朋友解决了这个难题。他原本打算放弃参展,结果我们用了Stable Diffusion + 云端GPU算力的组合,在ZEEKLOG星图平台上一键部署了预置镜像,10分钟内就生成了一张高质量的印象派风格作品,单张成本不到1块钱。三天时间,他不仅完成了全部15幅参展作品,还在朋友圈被疯狂转发。 这背后的关键,就是把AI图像生成从“本地苦等”变成“云端快跑”。今天我就带你一步步实操,哪怕你是第一次接触AI绘画,也能轻松上手。我们会用到的是ZEEKLOG星图平台提供的Stable Diffusion预置镜像,它已经帮你装好了所有依赖库、模型和WebUI界面,不需要任何命令行基础,点几下就能开始出图。 学完这篇文章,你