早就听说腾讯要搞自己的 AI 编程 IDE，等了好久，最近终于发布了
可以访问他们官网查看，https://www.codebuddy.ai，虽然现在还是邀请机制，不过萝卜哥也给大家拿到了一些免费邀请码，文末获取哈~
萝卜哥这里已经提前体验过了。
先说结论：整体良好，超出预期！我觉得完全可以比肩 Cursor 和 Trae。
制作浏览器插件
一直想写一个顺手的浏览器插件，把平时常用的功能都放进去这样就不用来回切换页面了。正好用 CodeBuddy 来练练手，看看效果。
我想要开发一个浏览器插件，主要功能是调用大模型API，根据用户划词来拓展或者翻译、解释等等功能，请你帮我生成readme文档以及设计文档，最终给出完整代码。插件需要适配Chrome和Edge两个浏览器
可以看到我的提示词不复杂，基本就是自己需要什么就写什么。
很快 CodeBuddy 就完成了代码的编写，一个浏览器插件的基本功能都包含了
我们来看看几个主要文件的作用：
-
manifest.json：配置文件，定义插件的元数据和权限。 -
popup.html：弹出窗口的HTML。 -
popup.js：弹出窗口的逻辑代码。 -
content.js：操作网页内容的脚本。 -
background.js：后台运行的脚本。 -
options.js：插件的配置项，比如选择 API 供应商等等。
然后因为萝卜哥这里拿到的是内测的版本嘛，功能还不稳定，而且内测版本更新迭代也非常快，当我再一次拿到最新的内测版本之后，我第一时间让新版本来优化前面的代码。
CodeBuddy 会先分析整个目录下的代码，然后根据代码用途进行针对性的 debug。可以千万不要小看这个功能啊，这对于我们阅读别人的代码“屎山”来说，用处可太大了！
可以看到 CodeBuddy 很准确的分析出代码的用途，并且给出了很不错的优化建议。
接下来我们打开 Chrome 的插件页面，chrome://extensions/，先打开开发者模式
然后把本地整体的差距代码文件夹拖拽到这个页面即可
这个时候我们在浏览器插件页面就能看到刚刚安装的插件了
我们点击该插件，可以看到配置页面，这里我们主要配置 API 供应商即可。
不过现在只有 OpenAI，Anthropic 和其他，对于最近非常火爆的 Kimi K2 是没有的，我们来让 CodeBuddy 增加一下。
CodeBuddy 很轻松的就完成了这个小功能的迭代，现在我们重新拖拽新的目录到 Chrome 插件页面，就能看到最新的配置信息了。
怎么申请 Kimi API 相信大家都清楚，我们直接来看该插件的使用效果。
我们任意选中浏览器中的一段文字，鼠标右击，可以看到我们的插件在右键菜单当中，总共有三个选项，分别是翻译、解释和拓展。
翻译效果：
解释效果：
扩展效果：
当然我们还可以继续增加功能，比如增加一个侧边栏，可以直接输入文字进行提问，类似下面这种
我们来让 CodeBuddy 完成该功能
经过差不多5分钟左右吧，CodeBuddy 就完成了这个功能的编写，速度还是真的快啊
来看看效果
打开侧边栏
来简单做个提问
哈哈哈，效果还不错哦。
这样我们就完成了一个属于自己的 AI 机器人了哦。
我们当然还可以根据自己的需求来不断完成这个插件，本插件的源代码我放到公众号后台了，大家回复“插件”就能获取到哈~
复刻植物大战僵尸
通过前面的浏览器插件编写，让我对于 CodeBuddy 信心大增，所以我决定让它帮忙做更多事情，这次来做一个比较复杂的游戏，植物大战僵尸。
这个游戏我以前利用 Gemini 编写过，当时整个过程还是比较复杂的，这次来看看腾讯这个 IDE 的表现。
我的提示词如下，还是比较简单的。
我想要复刻经典游戏植物大战僵尸，我希望通过HTML页面的方式来编写这个游戏，你觉得可行吗，如果可行，请帮忙给出设计文档，如果游戏中需要任何图片，你都需求先到网络上寻找素材，如果实在找不到，则给出相关的图片要求以及AI绘图提示词，方便我后续处理图片。
差不多十几分钟吧，CodeBuddy 就完成了游戏的编写，来看看效果。
这个效果只能说基本功能有了，但是无论是页面美观还是可玩性，都有很多提高空间。
可以看到现在玩起来已经很不错了，唯一不足的就是僵尸，僵尸的形象与原游戏相差太多，这个我们可以在后面继续优化。
总之对于这个植物大战僵尸的游戏，我觉得完成的还是非常不错的，大家可以同步去复现一下哦。
源代码可以在公众号后台回复“僵尸”获取~
然后我们发现，CodeBuddy 每完成一个项目，都会有一个发布的功能，该功能允许我们把自己本地生成的代码发布到腾讯的远端服务器上，方便供其他人访问。
我们来把这个游戏发布到腾讯远端服务器
现在大家可以直接访问下面的链接来体验这个游戏啦
https://2ed64854684040d4b2f6b23f5c09850c.ap-singapore.cloudstudio.run/
大型网站编写
我们都知道，在 AI 领域，国外的 X 平台（原 Twitter）一直都是信息源聚集地，而且很多最新最权威的 AI 咨询都在 X 平台上首发，所以实时监控 X 上的大 V，并且改写成自己的版本，同步到不同的网站上就很重要了。
针对这个需求，我决定让 CodeBuddy 帮我完成。
我想要开发一个程序，每天监控x.com网上上某些用户的帖子，一旦发现有意义的内容，则自动整理好，并且利用AI改写这些内容，发布到我自己的网站上
我这里选择的是 Plan Mode，毕竟这是一个比较大的需求，需要好好规划一下。
经过一顿分析，CodeBuddy 就开始干活了，全自动的，不需要我们任何干预。
差不多20分钟，CodeBuddy 给了我一份非常棒的答卷。
生成了51个文件，后端是 Python，以 Docker 来部署，前端是 React，这个技术选型也是很不错。
下面就是部署了，来看看它帮我生成的 readme 文档，说实话对于没有开发运维经验的人来说，要想部署起来还是挺难的。
# X.com 内容监控与自动发布系统
一个自动化内容监控和发布系统，能够实时监控X.com（Twitter）上指定用户的帖子，通过AI智能筛选有价值的内容，自动改写并发布到个人网站。
## 功能特性
- **用户监控管理**: 添加、删除和管理需要监控的X.com用户列表，支持批量导入
- **智能内容筛选**: 基于关键词、互动量、内容质量等维度自动筛选有价值的帖子
- **AI内容改写**: 集成GPT等AI模型，自动改写原始内容，保持核心信息的同时避免版权问题
- **自动发布系统**: 将改写后的内容自动发布到个人网站，支持定时发布和内容排期
- **内容管理后台**: 提供可视化管理界面，支持内容预览、编辑、审核和发布控制
## 技术架构
### 后端技术栈
- **框架**: Python FastAPI
- **数据库**: PostgreSQL (主数据库) + Redis (缓存和任务队列)
- **任务调度**: Celery + Redis
- **AI集成**: OpenAI GPT API
- **网页抓取**: Selenium/Playwright
- **部署**: Docker 容器化
### 前端技术栈
- **框架**: React 18 + TypeScript
- **样式**: Tailwind CSS
- **状态管理**: React Query
- **图表**: Recharts
- **图标**: Lucide React
- **构建工具**: Vite
## 快速开始
### 环境要求
- Docker & Docker Compose
- Node.js 18+ (用于前端开发)
- Python 3.11+ (用于后端开发)
### 1. 克隆项目
git clone <repository-url>
cd xcom-monitor
### 2. 配置环境变量
复制 `.env.example` 到 `.env` 并填写必要的配置：
cp .env.example .env
编辑 `.env` 文件，填写以下关键配置：
- `OPENAI_API_KEY`: OpenAI API 密钥
- `TWITTER_BEARER_TOKEN`: Twitter API Bearer Token
- `TARGET_WEBSITE_URL`: 目标发布网站URL
- `WEBSITE_API_KEY`: 网站API密钥
### 3. 使用 Docker Compose 启动
# 启动所有服务
docker-compose up -d
# 查看服务状态
docker-compose ps
# 查看日志
docker-compose logs -f
### 4. 访问应用
- **前端管理界面**: http://localhost:3000
- **后端API文档**: http://localhost:8000/docs
- **Celery监控**: http://localhost:5555
## 开发指南
### 后端开发
#### 安装依赖
cd backend
pip install -r requirements.txt
#### 运行开发服务器
# 启动 FastAPI 服务器
uvicorn app.main:app --reload --host 0.0.0.0 --port 8000
# 启动 Celery Worker
celery -A app.celery_app worker --loglevel=info
# 启动 Celery Beat (定时任务)
celery -A app.celery_app beat --loglevel=info
#### 数据库迁移
# 创建迁移文件
alembic revision --autogenerate -m "Initial migration"
# 执行迁移
alembic upgrade head
### 前端开发
#### 安装依赖
cd frontend
npm install
#### 运行开发服务器
npm run dev
#### 构建生产版本
npm run build
## API 文档
### 用户管理 API
- `GET /api/users/monitored` - 获取监控用户列表
- `POST /api/users/monitored` - 添加监控用户
- `PUT /api/users/monitored/{id}` - 更新监控用户
- `DELETE /api/users/monitored/{id}` - 删除监控用户
- `POST /api/users/monitored/{id}/toggle` - 切换监控状态
### 内容管理 API
- `GET /api/content` - 获取内容列表
- `GET /api/content/{id}` - 获取特定内容
- `PUT /api/content/{id}` - 更新内容
- `POST /api/content/{id}/approve` - 批准内容
- `POST /api/content/{id}/reject` - 拒绝内容
- `GET /api/content/stats/summary` - 获取内容统计
### 监控管理 API
- `GET /api/monitoring/dashboard` - 获取仪表板数据
- `GET /api/monitoring/users/activity` - 获取用户活动
- `GET /api/monitoring/trends` - 获取内容趋势
- `GET /api/monitoring/system/health` - 系统健康检查
- `POST /api/monitoring/system/start-monitoring` - 开始监控
- `POST /api/monitoring/system/stop-monitoring` - 停止监控
## 配置说明
### Twitter API 配置
1. 访问 [Twitter Developer Portal](https://developer.twitter.com/)
2. 创建应用并获取 Bearer Token
3. 将 Token 添加到 `.env` 文件中的 `TWITTER_BEARER_TOKEN`
### OpenAI API 配置
1. 访问 [OpenAI Platform](https://platform.openai.com/)
2. 创建 API Key
3. 将 Key 添加到 `.env` 文件中的 `OPENAI_API_KEY`
### 网站发布配置
根据你的目标网站API，配置相应的URL和认证信息。
## 部署指南
### 生产环境部署
1. **准备服务器**
- 安装 Docker 和 Docker Compose
- 配置防火墙规则
- 设置域名和SSL证书
2. **配置环境变量**
# 生产环境配置
DEBUG=False
SECRET_KEY=your-production-secret-key
DATABASE_URL=postgresql://user:password@db:5432/xcom_monitor
3. **启动服务**
docker-compose -f docker-compose.prod.yml up -d
4. **设置反向代理**
使用 Nginx 或其他反向代理服务器配置HTTPS和负载均衡。
### 监控和维护
- **日志监控**: 使用 `docker-compose logs` 查看应用日志
- **性能监控**: 通过 Flower 界面监控 Celery 任务
- **数据库备份**: 定期备份 PostgreSQL 数据
- **更新部署**: 使用 `docker-compose pull && docker-compose up -d` 更新服务
## 故障排除
### 常见问题
1. **Twitter API 限制**
- 检查API配额和限制
- 调整监控频率
2. **OpenAI API 错误**
- 验证API密钥有效性
- 检查账户余额
3. **数据库连接问题**
- 检查数据库服务状态
- 验证连接字符串
4. **Celery 任务失败**
- 查看 Celery 日志
- 检查 Redis 连接
### 日志查看
# 查看所有服务日志
docker-compose logs
# 查看特定服务日志
docker-compose logs backend
docker-compose logs celery-worker
docker-compose logs frontend
## 贡献指南
1. Fork 项目
2. 创建功能分支 (`git checkout -b feature/AmazingFeature`)
3. 提交更改 (`git commit -m 'Add some AmazingFeature'`)
4. 推送到分支 (`git push origin feature/AmazingFeature`)
5. 开启 Pull Request
## 许可证
本项目采用 MIT 许可证 - 查看 [LICENSE](LICENSE) 文件了解详情。
## 支持
如果你遇到问题或有建议，请：
1. 查看文档和FAQ
2. 搜索已有的 Issues
3. 创建新的 Issue 描述问题
## 更新日志
### v1.0.0 (2024-01-XX)
- 初始版本发布
- 基础监控和发布功能
- Web管理界面
- Docker部署支持
不过咱不怕，咱们可以一键部署到云端。
整个系统的基本功能已经具备了，剩下的就是慢慢和 CodeBuddy 调试、修改 bug，优化功能啦！
这个项目我是准备后面一直维护下去，所以准备部署到自己的服务器上，这块后面也会写一个详细的部署教程，那种新手就能跟着操作级别的，大家可以期待一下哦~
好了，如果大家也想体验这款爆炸 IDE，可以在下方提交申请哈
https://wj.qq.com/s2/22240515/0ac5/
萝卜哥也拿到了10个邀请码，大家可以在评论区写一下评论，萝卜哥会挑选5个来送出，另外5个就给到我 AI 社会的小伙伴啦，在群里抽奖！
写在最后
最近的 AI 编程太火了，各个大模型厂家都在卷 AI 编程，无论是老牌的 Cursor、Trae，还是最近的 Gemini-cli、Claude Code，都是对 AI 编程的看好。
为啥大家都看好 AI 编程？
我觉得是因为 AI 编程在 AI 应用当中，未来是比较明确的和拥有清晰落地路径的应用方向，所以对于我们普通人来说，也应该尽力向这个方向来靠拢。
不是说人人都要通过 AI 编程来变现，但是我们可以利用 AI 编程来给工作生活提效，最明显的就是自己尝试编写提效工具，这在 AI 迅速发展以前是不可想象的。
总之未来已来，我们不进则退！
暂无评论内容