—— 帧影翻译（功能为视频翻译）实战记录

⸻

写在前面

花了不到一个月的时间，用 AI 开发了一款个人微信小程序：帧影翻译。这篇笔记记录整个过程的真实心得和开发步骤，想自己动手做小程序的朋友可以参考，也欢迎大家去小程序里试试效果。

 

先交代一下背景：我本人不是专业程序员，做之前小程序也没碰过。全程的代码都是 AI 智能体写的，我负责想清楚需求、定方向、测试、踩坑、迭代。用 AI 做小程序，门槛真的被拉得很低，但前提是你愿意花时间去打磨去迭代。

 

全文是我自己的真实经历，不是教程式的空话。翻译逻辑只讲原理，重点放在小程序怎么做。

⸻

一、先想清楚做什么

 

最初的最初，是有一个自己觉得好的想法，并且有能落地的信心。这个想法可大可小，但最好是真的有一些受众群体，尽量不要自嗨——做出来没人用，很快就没动力维护了。

 

我的想法：经常看外语视频（YouTube、TikTok 上的），没字幕看不懂。不管是海内外视频剪辑，还是外语学习，又或是跨境工作多语言需求者都有使用场景。做一个"视频翻译"小程序：用户上传视频 → 识别语音 → 翻译成目标语言 → 出字幕或烧进视频。这个需求不是只有我有，看外语视频的人很多，受众是实打实的。

 

有了想法后，先把它丢给 AI，让它帮你梳理：功能清单、技术选型、可能的风险。这一步很值，AI 会把你想不到的问题提前暴露出来（大文件上传、处理耗时、审核合规……）。

 

预算也可以先摸底：小程序注册认证 30 元 + 内网穿透一年几十块 + 语音识别用本地开源模型（免费）+ 翻译用大模型 API（按量付费，几块钱基本可以忽略）。我整个工程从头到尾，产生费用一共三四百块钱，硬件用的是家里旧笔记本，总体成本很低。

 

二、关于 AI 智能体（重点）

 

2.1 用的是什么

我用的不是豆包、元宝这类聊天机器人，而是能真正干活、执行命令的编程智能体（Claude 这类、Codex、或者最近新出的 WorkBuddy 等）。这类 agent 能自己读写文件、跑命令、改代码，你所有要做的就是跟它对话，让它按你的意愿和方向为你工作——它就是你专属的牛马。模型种类很多，可以根据预算自己挑，我全程用的是 Hermes（agent） + DeepSeek V4 Flash （大模型）的组合。

 

2.2 agent 也是要驯化的

这个非常重要，前期没做好后面全是坑：

 

• 制定规则：一开始就跟它约定好工作方式，比如"改代码前先备份""动管线前必须先汇报""交付前自己验证质量"——我的 agent 最开始擅自删过我一个目录，把我气坏了，后来立了规矩：任何删除操作必须经我同意
• 配置记忆库：让它记住你的偏好（比如我不喜欢啰嗦的回答、交付要先自测），跨会话也能保持
• 保存副本：养成经常备份的习惯，改动前让 agent 先复制一份原文件，出问题随时回滚
• 让它学会总结：每次改动让它记录到 changelog，事后能回溯"这功能为什么这么改"

 

2.3 一个屡试不爽的方法：AI 互审

把一个 AI 的产物发给另一个 AI 审核，让它们互相挑毛病，不断完善优化——这个方法我整个开发流程都在用，几乎零成本（我用豆包和 Qwen 辅助审核）：

 

• AI 写好的代码 → 发给另一个 AI 审查 → 列出问题清单
• 问题逐条核对实际代码，确认是不是真的有问题（AI 也会误报）
• 你永远是最终决策者：改不改、怎么改，听你的

 

模型之间互相看不顺眼，但挑出来的问题大多是真实存在的。

 

三、开发顺序：先本地，再小程序

 

我的做法和很多人不一样：第一步不碰小程序，先让 AI 在本地把整个功能跑通，验证没问题后再移植成小程序。两者的差别其实只是前端，后端逻辑完全一样。

 

1. 前期先和 agent 聊天，探讨优化你的想法，让它出一份整体项目计划书
2. 让 AI 按计划书开始干活——在本地（自己家的宽带和端口）搭建完整管线：上传 → 识别 → 翻译 → 烧录 → 下载，用命令行或网页测试
3. 本地测试没问题了，再让 AI 把前端移植成小程序代码

 

好处：本地调试快、日志直接看、不用等微信审核。我当时的 workspace （文件夹：定义agent的工作空间）就放在家里一个不太重要的磁盘目录，所有不懂的地方都让 agent 去执行或教我。

 

四、准备：资质 + 开发者工具

 

4.1 注册小程序

去微信公众平台注册个人主体小程序，拿到 AppID。这一部分有点麻烦（要实名、要填一堆资料），可以让 AI 辅助你完成，大概一到两天能研究明白。个人主体能发布，只是部分类目受限，视频工具类没问题。

 

4.2 开发者工具

微信开发者工具，他是调试小程序代码最好的方式，我是这么认为的，但只有 Windows 和 Mac 版。我的本地环境是 Linux（老笔记本装 Linux 性能更好），所以装了个 Windows 虚拟机来跑开发者工具——虚拟机也是让 AI 帮我装的。

 

4.3 创建项目

新建项目填 AppID，从空项目开始。先看懂目录结构：当然看不懂也没关系，ai是懂的～

 

app.js / app.json / app.wxss    # 全局：启动逻辑、路由配置、全局样式

pages/index/                     # 页面（每个页面 4 件套）

  index.js / index.wxml / index.wxss / index.json

 

一个页面 = 4 个文件：wxml（结构）+ wxss（样式）+ js（逻辑）+ json（页面配置）。

 

五、登录：绕不开的第一关（不太重要）

 

小程序没有账号密码，登录流程：

1. 前端 wx.login() 拿临时 code
2. code 发给后端，后端拿去微信服务器换 openid（用户唯一身份）
3. 之后所有请求带这个身份
4. 以上其实不用太操心，ai就可以解决，是不是感觉被骗了

 

代码很简单，但我踩了个大坑：AI 生成的后端代码忘了 import requests 库，登录接口静默失败（异常被吞了），所有任务挂在假 id 下，历史记录全空，排查了很久。教训：AI 写的代码，跑通了不代表没问题，关键路径要自己验证。

 

另一个容易误解的点：用户删掉小程序重进，openid 不会变（账号级身份）。我一开始以为会变，白查了半天。

 

六、核心功能：选视频 → 上传 → 进度 → 结果

 

小程序的主干，也是踩坑最多的地方。

 

6.1 选视频

wx.chooseMedia（注意 wx.chooseVideo 已废弃，AI 容易写旧的）。

 

6.2 上传：小文件直传，大文件分片

• 10MB 以内：wx.uploadFile 直传
• 大文件：分片上传，每片 5MB （最多10MB）带序号，后端收齐合并
• 可以选择同步乱序传输，会快很多

 

分片是必须的：微信有超时限制，大文件一次传必挂，分片断了能重传。

 

6.3 iOS 的 100MB 坑

iOS 上选视频后的临时文件，读取受 100MB 限制。我一开始用 copyFileSync 复制到本地再读——存储直接翻倍，大文件必炸。正确做法：按偏移量分段读取（readFileSync 支持 start/end），读一段传一段，传完就删。这个坑 AI 不会替你想，是真实用户反馈 + 实测发现的。

 

6.4 进度：轮询 + 环形进度

前端上传完拿到 task_id，每 2 秒轮询后端接口查进度，进度条用 Canvas 画环形。后台处理分阶段（识别/翻译/烧录），前端按阶段显示文案，用户知道卡在哪一步。

 

6.5 结果下载 + 2 小时有效期

结果文件 2 小时后自动清理（省硬盘➕保护隐私），前端同步判断过期：冷启动查服务器，2 小时内恢复结果卡，超时清掉。这里有个坑：小程序切后台超过 2 小时再回来，界面还停在旧结果卡（只有冷启动会检查过期，切后台回来不检查），后来补了切回页面的过期检查才修好。

 

七、翻译逻辑（原理版）

 

后端的事，前端完全不关心。原理四步：

 

① 提取音频：ffmpeg 抽音轨

② 语音识别：本地模型（faster-whisper）转文字 + 时间轴

③ 翻译：识别出的文字发给大模型翻译

④ 生成字幕/烧录：按时间轴生成 SRT，或用 ffmpeg 烧进视频

 

 

• 识别用本地开源模型（免费，数据不出门）
• 翻译用大模型 API（按量付费，很便宜）
• 烧录用 ffmpeg（开源）

关键：前端和后端完全解耦。小程序只管上传、轮询、下载，后端排队处理。这个架构让 AI 可以分别生成两端代码，互不干扰。

 

八、后端：家里电脑当服务器

 

8.1 为什么不用云服务器

主要是性能好的云服务器硬盘流量和租金都贵；家里电脑 24 小时开机免费，还能用显卡跑语音识别。

 

8.2 内网穿透：natapp

家里网络没有公网 IP，需要穿透工具把本地服务暴露到公网，这样才能上线让用户访问，我用 natapp 付费版，几十块钱能搞半年的固定域名隧道，https 证书自动配好，全程傻瓜操作，一行命令启动（ai会帮你的）：

 

本地 Flask(5000) ← natapp 隧道 → https://你的域名（小程序访问这个）

 

踩坑：natapp 会不定期掉线（多数是内存爆了被系统连带杀掉），掉线后小程序报"连接被重置"。排查思路：先看进程在不在，再看系统有没有 OOM 记录。

 

8.3 进阶：存储桶省流量（推荐）

如果流量成本敏感，可以配一个对象存储桶（COS 这类）：大文件（视频）直传存储桶，小程序不走自己的服务器流量，服务器只处理接口请求，流量成本直线下降。这是进阶玩法，有需要可以搜搜，不在这详述。

 

8.4 Flask + SQLite + 开机自启

后端 Flask（Python 轻量框架）+ SQLite（单文件零配置）。接口就几个：上传、查进度、下载、登录。整个骨架 AI 生成，我改接口逻辑、补安全防护（文件大小限制、路径校验）。

 

配置 systemd 服务开机自启，重启电脑不用手动操作。

 

九、联调与真机调试

 

1. 开发者工具里先跑通
2. 真机调试：手机扫码预览。我主要用真机，方便看后台日志——关键是方便把日志复制给 AI 看，让它直接分析问题
3. 一个细节：每次更新代码后，在工具里点"清除全部缓存"，然后左边代码栏右上角刷新一下代码，再编译测试——不然会用到旧缓存，白测
4. 模拟器和真机差异很大，必须真机测（模拟器一切正常、真机全废的情况不少见）

 

Linux 用户跑开发者工具

 

开发者工具只有 Win/Mac 版。Linux 用户装个 Windows 虚拟机跑。注意：虚拟机里访问宿主机服务用 NAT 模式特殊 IP（10.0.2.2），真机走穿透域名。

 

十、发布与审核

 

10.1 提审流程

开发者工具上传代码 → 公众平台提交审核 → 等待 → 通过后发布。

 

10.2 完善小程序信息

发布前要完善各种信息：名字、logo、简介、隐私指引、备案等等。这一部分需要小半个月，但大部分时间是等官方审核，需要你操作的不多，只是有点麻烦。简介要写清楚功能点，名字别用"神器"这类词（广告法）。

 

10.3 审核踩过的坑

• 弹窗必须可关闭：用户须知弹窗"不同意就退不出"必拒
• 敏感词过滤：有用户生成内容就要有敏感词过滤（前端过滤 + 提示即可达标）
• 文案和功能一致：简介写了什么，小程序里就得有
• 隐私授权：要配《用户隐私保护指引》，相册/存储权限声明，不然 iOS 打不开相册

 

10.4 体验版 → 正式发布

提交审核前可以发布体验版，让朋友帮你测试验证，没问题了再提审。等官方流程全部走完，就可以恭喜自己了——小程序马上就要面世了！

 

上线不是结束，后续继续迭代：比如我就刚刚扩展了链接导入支持的平台（粘贴 YouTube/TikTok 链接直接翻译）、后台管理面板升级……一个小程序是"上线才开始"。

 

十一、踩坑总结（真金白银）

 

wx.chooseVideo 已废弃——用 wx.chooseMedia

切后台回来的逻辑单独写——onShow 不检查的话，结果卡过期了界面还停在旧状态

openid 删号不变——账号级身份

分片上传必须有——大文件一次传必挂

审核弹窗要可关闭——不然过不了审

内网穿透会掉线——先查 OOM 再查进程

真机测试不能省——模拟器正常真机可能全废

agent 要先驯化——规则、记忆、备份，前期不做后期全是坑

AI 互审——一个 AI 的产物给另一个 AI 挑毛病，零成本提质量

 

结尾

 

做这个小程序，AI 帮我写了绝大部分代码，但踩坑、调试、审核、迭代，都是我自己扛过来的。AI 最大的价值不光是替你写代码，还把"从 0 到 1"的门槛降到了"从 1 到 100"：想法、架构、初版代码，AI 几分钟给你；但能不能上线、上线后好不好用，靠的还是你自己。

 

如果你也想做，我的建议就三条：

1. 先想清楚做什么（有受众，别自嗨），再让 AI 拆需求
2. AI 写的每行代码都自己看懂、自己验证
3. 先本地跑通，再移植小程序，一步步来

祝你的小程序早日面世。

 

看到最后，也判断一下这篇文章是不是ai写的～