Vibe Coding实战：花不到千元替换年费6800的小鹅通

项目背景：为什么要替换小鹅通？

这是一个真实的商业决策故事。一个技术团队在使用小鹅通两年后，决定用 AI 辅助编程（Vibe Coding）自研一套视频会员平台来替代它。驱动这个决策的原因很直接——小鹅通的两个致命缺陷让他们忍无可忍。

第一，视频清晰度被锁死在 720P。 基础版（年费 6800 元）和专业版都只支持 720P，而他们的内容大量涉及代码演示，720P 下文字模糊到用户频繁投诉看不清。想要 1080P？对不起，请升级到旗舰版——年费 25800 元。这并非技术限制，纯粹是定价策略。

第二，超级会员功能需要额外付费。 做订阅制会员是核心需求，但这个功能在基础版中不包含，专业版要额外加 1000 元，而且依然只有 720P。

这两个痛点叠加，让团队下定决心：与其每年交近万元的「保护费」，不如用 Vibe Coding 自己动手。

26小时开发全记录：从零到上线

技术选型与架构设计

项目取名 Poly（让 AI 起的名，和「小狗」有关联），技术栈选择了 Node.js + Hono 框架做后端，React + ShadCN 做前端，TypeScript 保证类型安全，Biome 做代码检查。

开发者在这个阶段做了一个关键决策：Client First 策略。他没有急着做 Web UI，而是先让 AI 开发一个纯 JS 的 API 客户端（PolyClient），直接与后端 API 交互。这个客户端既能快速测试所有新功能，又能复用为后续的端到端测试工具。

这个选择的深意在于：如果一开始就做 Web UI，每次功能验证都要打开浏览器手动操作，效率极低。而有了 API 客户端，AI 可以自主运行测试、自主验证功能正确性，开发效率成倍提升。

Harness 护栏体系：让 AI 写出高质量代码的关键

整个项目最值得关注的不是 AI 写了多少代码，而是开发者如何约束 AI 写代码。他引入了一套完整的 Harness（护栏）体系：

• 严格的分层架构：路由层、领域层、资源层，每层的依赖关系明确，AI 新写的代码必须放在正确的层级
• Git Commit Hook：每次提交自动运行 lint 检查、死代码检测、依赖规则校验
• 自动化测试框架：基于 PGLite（内存中运行的 PostgreSQL）做集成测试，无需外部数据库依赖
• 依赖注入模式：便于单元测试，每一层都可以独立 mock 测试

开发者特别强调：有了分层约束后，AI 在开发过程中会不断遇到 lint 错误和分层违规——这恰恰是好事。每次报错都意味着 AI 被护栏拦住了，修正后的代码质量更高。如果没有这些约束，AI 看似放在哪里都可以，实际上就是「乱放」，时间一长架构就彻底失控。

云服务对接：CLI 优先的 AI 协作模式

项目中期需要对接阿里云的视频点播（VOD）、RDS 数据库等云服务。开发者发现了一个高效的协作模式：让 AI 通过阿里云 CLI 直接操作云资源。

传统方式是人在阿里云控制台操作，截图发给 AI，效率极低。而有了 CLI，AI 变成了驱动者——它主动执行命令，遇到权限问题就明确告诉人类需要做什么配置，人类配好后 AI 继续推进。整个过程行云流水。

这里有一个重要启示：对 AI Agent 友好的云服务将获得竞争优势。 即使某个云的价格稍低，但如果没有好用的 CLI/API，开发者宁愿多花几百块选择 Agent 友好的平台。这对云厂商来说是一个值得重视的趋势。

状态机驱动复杂业务逻辑

在开发登录/注册/登出等认证流程时，开发者发现 AI 处理的状态有些混乱。他提出了一个巧妙的方法：用状态机描述所有认证状态和流转。

状态机的好处在于，它让人和 AI 抛开代码细节，只讨论「状态」和「状态之间的转换」。AI 可以穷尽所有可能的状态组合，自动发现边缘场景和保护性逻辑。如果不用状态机，AI 可能处理了大部分场景，但全面性会有欠缺。

开发者没有引入重量级的 XState 库，而是让 AI 自己写了一个轻量级状态机实现，然后基于它重构了整个认证模块。

支付对接：微信支付 vs 支付宝的开发体验对比

支付是最后也是最敏感的模块。架构上，团队抽象了一个 PaymentProvider 接口，微信 Native 支付和支付宝当面付分别是两个实现，另外还有一个 Mock Provider 用于内部测试。

开发者在这里忍不住吐槽：微信支付的开发体验远不如支付宝。 微信需要开通支付平台、开放平台、公众号平台等三四个平台，每个都要认证和年费，功能分散在不同平台需要组合使用。而支付宝开通快、文档清晰，还提供沙箱环境——有独立的沙箱 APP，给你 10 万虚拟额度随意测试，支持各种金额和退款场景。

成本对比：AI 开发 vs SaaS 订阅

这笔账算得很清楚：

项目	费用
小鹅通基础版年费	6,800 元/年
小鹅通旗舰版年费（含1080P）	25,800 元/年
AI 开发成本（API 标价）	~5,000 元（一次性）
AI 开发成本（订阅实际）	350-700 元（一次性）
迁移后阿里云运营费用	~3,000 元/年

按实际订阅费用算，不到 1000 元的一次性开发成本，加上每年约 3000 元的云服务费用，就替换了年费 6800 元起步的 SaaS 服务。而且获得了 1080P 视频支持、完全自主的功能定制能力、数据完全自控等额外收益。

26 小时的活跃开发时间（自然时间跨度约 70 天），如果全身心投入，3-5 天就能完成。

对 Vibe Coding 实践者的五点建议

1. Harness 先行，代码后写。 在让 AI 写任何业务代码之前，先搭好分层架构、lint 规则、测试框架和 CI Hook。这些「护栏」决定了 AI 输出的代码质量上限。

2. 自动化测试是最值得学习的传统编程知识。 在 Agent 时代，AI 的输出能力越来越强，人的 Review 和测试成为瓶颈。让 AI 能自主测试、自主保证质量，是释放 AI 效率的关键。

3. 用问句引导，让 AI 充分发挥。 不要告诉 AI「你去做 X」，而是问「我们应该从哪里开始？」「你觉得这个方案有什么风险？」启发式提问能让 AI 展现出更好的架构思维。

4. SubAgent 保护上下文。 调研性工作用 SubAgent 在独立上下文中完成，只把有效结论带回主 Session，避免无效信息污染主上下文。

5. 长期有效的信息写入文件。 在超长 Session 中，上下文会被反复压缩。架构文档、外部资源清单等长期有效的信息必须写入文件，确保压缩后仍可随时找回。

结语

这个案例的价值不仅在于省了多少钱，更在于它展示了一个清晰的范式：AI 辅助开发正在让「自建替代 SaaS」变得经济可行。 当一次性开发成本低于 SaaS 一年的订阅费，且后续运营成本也更低时，那些功能受限、定价不合理的 SaaS 产品确实「岌岌可危」。

当然，这并不意味着人人都能复制同样的结果。开发者本身具备扎实的架构能力、对测试体系的深刻理解、以及与 AI 高效协作的经验——这些「软实力」才是 26 小时高效产出的真正基础。