你在AI编程的探索中走到了哪一步？ – 牛死了还牛的不行 的精彩解读

自从 Copilot 发布以来，市场上出现了许多 AI 集成开发环境，比如 Cursor 和 Windsurf 等。紧接着，v0.dev 和 bolt.new 等无需编写代码的工具也纷纷问世。

大家在这些 AI 工具上的使用情况如何呢？

A. 完全不使用

B. 偶尔用它们来修正语法错误和漏洞

C. 利用 AI 实现一些小功能

D. 完全依赖 AI 开发了一个完整的项目

如果你达到了 D 的水平，请分享一下你的具体应用经历。

前不久，一位行业大咖在出海鼓励师兄飞的群中提到了一个词：“Snow Day Calculator”。我对此产生了兴趣，便在 Google 上搜索，发现了许多类似工具的网站，立刻决定模仿制作一个，现在把这个过程分享给大家。实际上，创建这样的站点并不复杂，群里已经有几位高手迅速复制了这个想法。作为一名 SEO 新手，我希望分享一下如何从零开始构建一个成品网站，以及在过程中使用的 AI 工具。

工欲善其事，必先利其器。我首先寻找了一个排名靠前的同类网站，然后向万能的 ChatGPT 求助：

https://www.snowdaycalculator.com/calculator.php，请告诉我这个网站是如何实现的以及它使用了哪些技术。

ChatGPT 的回答如下：

Snow Day Calculator 网站通过用户输入邮政编码和学校类型来预测降雪天数。以下是对其实现技术的分析：

1. 前端技术：

• HTML/CSS/JavaScript：该网站提供了简洁的用户界面，用户可以输入邮政编码并选择学校类型，这些交互通常是通过 HTML 表单和 JavaScript 实现的。
• 响应式设计：为了适应不同设备，网站可能使用 CSS 和框架（如 Bootstrap）来优化布局和用户体验。
• 后端逻辑：
• 气象数据整合：网站的核心功能是根据气象数据预测雪天，这可能是通过调用气象 API（如 NOAA 或其他气象服务）获取实时天气信息。
• 算法和模型：预测依赖于降雪时间、强度等信息，可能采用机器学习模型或基于规则的算法来计算雪天概率。
• 服务器语言：后端可能使用常见的编程语言（如 Python、PHP 或 Node.js）来处理用户输入并与气象 API 进行通信。
• 数据库：
• 用户信息：如果需要保存用户的偏好或历史数据，可能使用 MySQL、PostgreSQL 或其他数据库。
• 气象历史数据：为了提高预测精度，可能存储了过去的气象数据。
• API 集成：
• 气象数据 API：用于获取实时天气信息（如降雪强度、时间）。
• 地理位置 API：根据用户输入的邮政编码来确定具体位置。
• 部署与性能优化：
• 托管平台：可能托管在 AWS、Google Cloud 或其他云平台上。
• 性能优化：通过使用缓存、CDN 等技术来降低延迟，提高用户体验。
• 版权与法律：
• 该网站的版权归 David Sukhin 所有，自 2007 年起运营，表明其技术栈经历了多次迭代和更新。

综上所述，该网站结合了天气数据 API、用户交互表单、后端算法和预测模型，实现了自动雪天预测的功能。

我继续提问：

它可能调用了哪些 API 呢？

ChatGPT 的回答如下：

要实现类似于 Snow Day Calculator 的网站，它可能调用了以下几类常见的 API 以获取数据和实现功能：

1. 气象数据 API

这些 API 提供实时和历史天气数据，包括降雪量、风速、气温等：

• NOAA API（美国国家海洋和大气管理局）：提供详细的天气和气候数据。
• 官网：https://www.noaa.gov
• OpenWeatherMap API：
• 提供天气预报、降雪量等信息，并支持多种开发语言。
• 官网：https://openweathermap.org/api
• WeatherStack API：
• 支持实时和历史气象数据查询。
• 官网：https://weatherstack.com
• AccuWeather API：
• 提供专业级的天气数据。
• 官网：https://developer.accuweather.com
• Dark Sky API（现已被 Apple 收购，部分服务已转移至 Apple Weather Kit）。

2. 地理位置 API

为了根据用户输入的邮政编码确定地理位置，可能使用以下 API：

• Google Maps Geocoding API：
• 根据邮政编码返回地理位置信息，如经纬度。
• 官网：https://developers.google.com/maps/documentation/geocoding/start
• Mapbox API：
• 类似 Google Maps，提供地理编码服务。
• 官网：https://www.mapbox.com
• USPS ZIP Code Lookup API：
• 专为美国邮政编码解析设计的工具。
• 官网：https://www.usps.com/business/web-tools-apis

3. AI 与预测模型 API

用于实现雪天概率的算法或预测模型：

• TensorFlow.js 或 PyTorch（如果网站使用自建 AI 模型）：
• 可能结合气象历史数据，训练自定义的机器学习模型。
• BigML 或 Google AI Platform：
• 可直接使用云端机器学习模型来进行预测分析。

4. 时间与日历 API

用于判断雪天是否会影响正常的工作或学习：

• Google Calendar API：
• 提供校历或常规日历信息。
• 官网：https://developers.google.com/calendar

5. 通知或提醒服务

如果网站需要发送雪天通知或提醒，可能会用到：

• Twilio API：
• 用于短信通知。
• 官网：https://www.twilio.com
• Firebase Cloud Messaging：
• 提供跨平台推送服务。
• 官网：https://firebase.google.com/products/cloud-messaging

可能的技术组合流程

1. 用户输入邮政编码 → 通过地理位置 API 获取相应的经纬度信息。
2. 调用气象 API → 获取该区域的降雪强度、降雪时间等相关数据。
3. 利用 AI/ 预测模型 → 结合天气数据与历史记录来分析降雪的概率。
4. 将结果返回前端 → 向用户展示降雪的可能性，并可发送相关通知。

这种实现方法既灵活又高效，具体选择的 API 可能会受到预算（例如免费 API 的使用限制）和精度需求的影响。

大致的构思是：模仿一个类似的网站，接入 API，并将其部署到云端。

我找到了这样一个同类网站：https://snowdaycalc.net/，这个网站的界面设计简单清爽，首页内容也相当丰富。

我选择的开发工具是 bolt.new，经过对比几个 AI 编程工具，觉得这个在前端界面设计上表现最为出色。

为了确保 AI 生成的效果符合预期，良好的提示语是至关重要的。我选用了一个 gpts：

为了实现我想要的最终效果，我多次调整了命令：

gpts 的最终输出结果：

修改后的提示词（中文）：请基于提供的图片使用 Next.js 框架创建一个网站，尽可能实现与图片一比一的视觉还原效果。同时，请确保网站符合 SEO 优化最佳实践，包括但不限于以下内容：1. 语义化 HTML：在组件中使用正确的标签结构（如 
、
、