做了个微信小程序：上传正面人像，出颜值分数 + 皮肤气质分析

最近把一个小项目依靠 AI 编程上线了，是个微信小程序，名字叫 「颜值测试助手」。

小程序能干什么

• 上传或实时拍摄一张清晰的正面人像。
• 图片会先上传微信云，再走云端内容安全校验，通过后才做人像分析。
• 分析接 Face++ 一类的人像接口，生成肤质维度柱状读数（如色斑、痘痘、黑眼圈、毛孔等）、综合分，以及一段叙事文案；另有 「三庭五眼与五官」进阶页 给想多看一点结构信息的用户。

小程序码

怎么把它做出来的

整体是很典型的小程序形态：前端页面 + 微信云开发（云函数 / 云存储）+ 第三方 HTTP API。

• 前端：选图 / 拍照、wx.compressImage 或自研压缩逻辑控制体积，避免上传和审核超时；状态机把「未选图 → 校验中 → 可分析 → 报告中 / 报错」拆开，弱网和重试时不至于界面乱套。
• 云端：用云函数包一层图片安全检测（以及必要的存储读取），把敏感逻辑和密钥放在服务端侧，前端只拿结果。云函数还有默认超时一类坑，大文件或慢链路时要考虑压缩、异步或拆步骤。
• 分析链路：客户端把校验通过后的图交给分析模块，解析返回的 attributes ，再映射成图表与文案；文案部分有一部分是规则拼接（按分数段、肤质最差维度等），保证输出稳定、可控。
• 工程上：错误信息尽量从 errMsg、HTTP 状态、业务 code 统一格式化，方便用户看到「可行动」的提示（例如图太大、未过审、超时），而不是裸堆栈。

AI 在我这次开发里具体帮了什么

坦白说：大量实现细节是跟着 AI 结对写出来的 不是「一键生成整个产品」，而是我当 PM + 联调 + 拍板，AI 当写样板代码、查微信文档边角、补边界条件、改报错文案的助手。

对我个人收益最大的是：

• 查官方行为：各基础库版本里 chooseMedia / uploadFile 成功字段差异、云函数超时表现等，让 AI 先扫一遍文档与常见 issue ，我再在真机/开发者工具上验证。
• 样板与重构：云函数模板、Promise 封装、async/await 错误传播、压缩与重试策略，先出一版能跑的，再按微信侧限制收紧。
• 防御性细节：用户取消选图、433 超时、图片过大、审核不通过等分支，AI 很适合帮忙列清单式补全，但最后哪些分支要合并成同一句产品文案仍要自己定。
• 文案与报告结构：叙事段落、维度命名、免责声明措辞，AI 能批量生成多版，我再删掉「太像广告」或「太像算命」的句子，保留克制说法。

AI 不会替你承担审核政策与账号合规，也不能代替真机联调。

为什么发 V2EX

一方面是邀请试用、收集真实场景下的 bug（弱网、大图、各种机型）；另一方面是交流「小程序 + 云函数 + 第三方 API + 内容安全」这条链路的工程经验，尤其是 AI 辅助开发时怎么控质量、怎么做最小可验证迭代。

怎么试

扫码即可

欢迎回帖：卡顿 / 文案尬 / 某机型异常 都可以说；若你也用 AI 做小程序，欢迎交流 prompt 与工作流（例如怎么拆任务、怎么做回归清单）。