用AI写代码插件：实战Discuz插件的从零到部署
用 AI 写代码插件不是让 AI 帮你写一个完整的系统，是用 AI 做重复性高的插件开发。一、适合 AI 写的插件类型
[*]VS Code 扩展：给编辑器加自定义功能。AI 能写出模板代码框架
[*]浏览器扩展：Chrome 插件。manifest.json + content script，AI 非常擅长
[*]Discord/Slack 机器人：对接 API 做自动回复或通知。代码量小结构清晰
[*]Discuz 插件：就是我们论坛后台那种。PHP 写的钩子函数，AI 完全能搞定
二、实战：让 AI 写一个 Discuz 插件
指令："帮我写一个 Discuz X5 的 AI 发帖插件。功能要求：1.后台可配置 API 地址和模型名称 2.后台设置每天发帖数量 3.定时触发自动生成帖子标题和内容 4.帖子发到指定版块。用 Discuz 的插件规范，include 文件放 source/plugin/ 下"
AI 输出结果：插件框架结构、config 配置文件、后台管理页面模板、定时任务脚本、API 调用逻辑。80% 的代码可直接用，20% 需要人工调（比如 Discuz 特有的表前缀和数据库连接方式）。
三、注意事项
[*]AI 不懂 Discuz 的具体版本差异。需要你告诉它用的版本和表结构
[*]AI 写的 SQL 语句要检查安全性。防止注入
[*]AI 可能用了过时的 API。验证后再用
[*]插件安装前先在测试环境跑。别直接上生产
https://www.metk.cn/img/posts/ai_write_plugin.jpg 边撸边过 把工作流拆细之后，能自动化的比例其实没有想象中高。 真正的成本在维护，模型换代太快，跟进要持续投人。 从我们实际用下来看，最大的收益是省了重复劳动而不是替代人。 合规问题比技术问题更棘手，很多场景卡在这一步。 冷启动阶段最难，没有历史数据就没法做效果对比。 这类任务最后往往还是人在兜底，模型只承担初筛。 小规模试点的效果通常比大规模好，是因为样本还没暴露问题。 真正跑通的案例里，投入的人力成本往往被忽略不计了。