AI探索计划AI coding实战项目分享

15分钟快速搭建文件批量处理工具

一、适用场景 1. 办公人群：需要批量重命名、转换图片格式、整理本地文件，不会写Python代码2. 新手开发者：零基础想快速落地小型自动化脚本，学习完整项目开发流程3. 运维/运营：日常有重复文件处理需求，不想重复手动操作4. 核心优势：无需精通编程，依靠清晰提示词让AI完成绝大部分代码，仅少量手动调试 二、详细操作步骤 步骤1：向AI发送结构化需求Prompt（直接复制使用）
请你完整开发一个Python本地脚本，功能：1. 读取指定文件夹下所有jpg/png图片2. 批量转换成webp格式3. 自动按照【日期_序号】重命名文件4. 新建output文件夹存放转换后的图片5. 增加异常捕获、中文注释，附带详细运行说明6. 列出需要安装的依赖库

步骤2：获取AI输出完整代码 AI会一次性返回：依赖清单 + 完整源码 + 运行步骤。示例依赖： bash

pip install pillow pathlib  步骤3：本地新建py文件，粘贴代码 使用记事本/VS Code新建  img_convert.py ，将AI给出的全部代码复制进去。 步骤4：执行脚本并调试报错 1. 打开命令行，cd到文件所在目录2. 执行  python img_convert.py 3. 如果出现报错，直接把报错截图/文字发给AI，让它自动修复代码 步骤5：迭代升级功能（可选） 可以继续追加需求，例如： 新增功能：支持自定义图片压缩质量，命令行输入参数控制 三、使用后的实际效果 1. 时间对比：手动批量处理图片约30分钟；使用AI Coding方案全程仅15分钟（包含代码生成+调试）2. 交付成果：得到可长期复用的本地脚本，后续处理图片一键运行3. 拓展性：随时通过追加提示词新增功能，无需从零重构4. 学习收益：零基础也能看懂注释，逐步理解Python文件操作逻辑

四、总结技巧 1. 给AI写需求时，尽量拆分清晰，列出逐条功能，不要模糊描述2. 优先让AI添加注释、运行说明，降低后续维护成本3. 遇到报错不要自己硬排，直接将完整报错信息交给AI修复