不会写代码的大三女生，用AI抓了88条数据，3天做出了一个App

小林不会写代码。但她用AI抓了88条情绪数据，3天做出了一个App。

她学的是数字媒体，不是计算机。爬虫、API、数据分析——一个都不会。按传统路线，她得先学半年Python。

但她只说了一句话，3分钟后，88条真实情绪数据就躺在她面前。

ONE  一句话，88条数据

小林想做一款情绪管理App，但她不知道别人真正的情绪痛点是什么。发问卷太慢，做访谈样本太少。她需要的是大量真实数据。

于是她对着WorkBuddy说了一句话：

"搜索小红书一周内的帖子，关键词包括考研焦虑、工作压力大、分手孤独、焦虑内耗。抓取帖子内容和评论，按学习、工作、情感、家庭四个维度分类，提取情绪标签。"

她去倒了杯水。回来的时候，屏幕上已经列好了88条数据。

每条数据带着标题、正文、评论数、点赞数、发布时间、IP属地。AI还自动打了情绪标签——焦虑、疲惫、孤独、内耗、失眠。

按主题分了四类：学习类20条，工作类20条，情感类20条，精神内耗类28条。

                                                                         图1：一句话到88条数据，3分钟

TWO  三个让她后背发凉的发现

小林以为自己很了解"焦虑"。数据告诉她，她错了。

发现一：她以为"内耗"是学生独有的焦虑，但数据显示考研党、打工人、家庭主妇都在说同一件事。这不是某个群体的专利，是所有人的通病。

发现二：她以为深夜发帖的人最多，但数据显示情绪类帖子的发布高峰是早上7到9点。人们不是在深夜崩溃，而是在早晨醒来时感到最沉重的无力感。

发现三：IP属地集中在一二线城市，北京上海广州深圳占了约60%。这意味着App早期版本应该聚焦年轻职场人和备考人群，而不是泛用户。

这三个发现，直接改变了她App的功能优先级。原本排在最后的"打破内耗模式"功能，被提到了最高优先级。

THREE  AI帮你从0到1，但从1到100得自己走

有了数据，小林让AI帮她做下一步：

"基于这88条情绪数据，帮我分析：1.用户最频繁的情绪是什么；2.每种情绪对应的最常见触发场景；3.根据分析结果，给我的App设计5个核心功能。"

AI给出的功能建议精准得让她后背发凉——不是因为高深，而是因为它真的读懂了那些情绪背后的东西。

比如它建议加一个"情绪打卡"功能：不是写日记，而是每次打开App时选一个表情，连续打卡7天后生成一张情绪波动图。因为数据显示，焦虑的人最需要的不是建议，而是看见自己的情绪规律。

但有三件事，AI做不了。

第一，她得自己判断哪些数据有价值。AI只负责分类，不负责洞察。"精神内耗是跨群体的通用痛点"这个判断，是她自己看出来的。

第二，她得自己决定App的方向。AI建议了5个功能，但最终选哪几个、怎么排优先级、界面长什么样，全是她拍的板。AI是参谋，不是决策者。

第三，她得自己去跟用户聊。数据告诉你"什么"，但不告诉你"为什么"。为什么考研党会在凌晨发"我不行了"？这个答案只能靠跟真实的人对话。

AI帮她从0到1。从1到100的路，得自己走。

                                                                   图2：AI帮你从0到1，从1到100得自己走

最后的话

以前一个大三学生想做这件事，可能要花一整个学期学技术。现在，她只花了一个凌晨。

剩下的时间，她用来想更重要的事——怎么真正帮到那些焦虑的人。

这才是AI该有的样子。不是替代你思考，而是帮你省下时间，去想那些真正值得想的事。