Ai日记情绪分析小程序
不知道你有没有过这种感受：白天被各种事情填满，晚上静下来才发现一整天的情绪糊成一团，焦虑、平静、烦躁、细碎的开心混在一起，说不清状态起伏的来由。我一直想做一个轻量化的私人情绪记录工具，不用复杂操作，不用社交分享，写完日记就能自动拆解情绪、留下成长轨迹。刚好近期一直在用 CodeX 做 AI 辅助开发，索性就用它从头到尾落地了一个完整的微信小程序 ——AI 情绪日记。
从搭项目骨架到前后端联调完核心功能，前后只用了不到三天。这篇文章就聊聊整个项目的设计思路、技术实现细节，以及用 AI 工具完成全栈开发的真实体验。
一、为什么要做这个项目
市面上的日记类产品不少，但始终没找到完全符合预期的：要么功能臃肿、广告繁多，打开就要面对各种社区内容；要么只有纯文本记录，只能靠自己事后复盘情绪；还有很多情绪打卡工具过于形式化，没法结合日记内容做深度的情绪识别与归因。
所以这个小程序从一开始定位就非常清晰，只做「私人情绪自留地」：
- 极简书写：打开就能写，无社交、无广告，聚焦记录本身
- 智能分析：写完日记自动识别情绪类型、情绪浓度，提取核心关键词
- 可视化追踪：按周 / 月生成情绪趋势，直观看到情绪波动规律
- 离线可用：弱网甚至断网也能正常记录，联网后自动同步，绝不丢内容
二、技术栈与整体架构
作为个人项目，优先选择轻量、高效且易维护的方案，全程由 CodeX 辅助生成代码、设计架构、排查问题：
- 前端：微信小程序原生开发，保留原生微信 API，保证性能与兼容性
- 后端：Node.js 搭建 REST + WebSocket 服务，轻量易部署，适合小体量项目
- 核心能力：接入大语言模型 API，通过 Prompt 工程实现结构化情绪识别
- 特色机制：本地弱网队列，断网时数据先存本地，网络恢复后自动同步
- 开发主力：CodeX 作为 AI 编程助手，覆盖从项目初始化到 Bug 修复的全流程
整个项目拆成了四块并行推进：小程序页面与弱网队列、Node 后端服务、数据存储、交付文档，大部分基础代码都由 CodeX 批量生成，我只负责把控产品逻辑和核心规则。
三、核心功能的实现细节
1. 全局基础层：一次封装，全局复用
项目第一步先搭底层骨架，这部分重复性高、逻辑固定，完全交给 CodeX 生成：
- 全局入口统一接管登录态、网络状态监听和 WebSocket 连接，每个页面无需重复编写
- 封装统一路由管理与全局样式，走克制的工具型视觉风格，不抢夺日记内容的注意力
- 单独抽离
config.js配置文件，统一管理接口地址、模型参数、超时阈值等全局变量
基础层搭完之后，后续新增页面和功能都能直接复用底层能力，开发效率提升非常明显。
2. 弱网本地队列：最实用的兜底机制
写日记最怕写到一半断网、丢内容，所以我把离线可用性作为核心需求。 CodeX 帮我实现了完整的本地队列逻辑：所有提交的日记先写入本地存储，加入待同步队列；网络正常时自动按顺序同步到服务端，同步成功后移除队列；失败则自动触发退避重试，避免网络波动导致提交失败。
从状态管理到异常处理，整套逻辑几乎是开箱即用，我只调整了重试间隔和本地存储上限两个参数，就直接跑通了。
3. AI 情绪分析：整个产品的灵魂
情绪分析是核心功能，本质是「Prompt 工程 + 接口封装 + 结果解析」的组合。 用户写完日记提交后，后端会将日记内容传入大模型，通过预设的系统 Prompt，要求模型严格返回结构化结果：情绪类型（开心、平静、焦虑、低落、烦躁等）、情绪分值（0-10）、核心关键词、简短的情绪归因与建议。
这一步踩了不少格式不统一的坑，CodeX 陪我迭代了四五版 Prompt，从最开始输出杂乱的自然语言，到后来稳定返回标准 JSON 格式，同时加上了后端格式校验和兜底容错，最终保证了 99% 以上的解析成功率。
4. 数据统计与历史回溯
记录的价值在于回看，因此做了两层数据呈现：
- 日历视图：按日期标记当日情绪色值，一眼看清整月的情绪分布
- 趋势图表：周 / 月维度的情绪波动曲线，统计高频出现的情绪关键词
- 筛选检索：支持按情绪类型、关键词搜索历史日记，快速定位特定状态的记录
四、用 CodeX 全栈开发是种什么体验
这是我第一次全程用 AI 辅助工具完成一个完整的全栈项目，感受比预想中还要强烈。
首先是从零到一的速度被大幅拉满。最开始我只有一个模糊的需求文档，从创建小程序项目、搭路由、写全局样式，到后端接口、数据库设计、AI 接口封装，CodeX 都能直接生成可运行的代码。第一天就跑通了「前端提交日记 → 后端调用模型 → 返回情绪结果 → 前端渲染」的完整链路，放在以前纯手写至少要一周。
其次是帮你补全容易忽略的细节。比如弱网队列的边界情况、异常重试的退避算法、小程序 API 的兼容性坑点，很多我一开始没考虑到的细节，CodeX 在生成代码时都会主动补上。像全局网络状态监听、登录态失效处理、空状态页面这些通用逻辑，几乎不用自己操心。
最后是排错效率的指数级提升。开发过程中遇到过 WebSocket 断开重连异常、本地存储时序冲突等问题，把报错信息扔给 CodeX，它能快速定位原因并给出修正方案，比自己翻文档、搜社区快太多。
当然它也不是万能的。核心的产品逻辑、架构方向、业务规则依然要自己把控，AI 生成的代码偶尔也会有冗余或者不符合业务场景的地方，需要做筛选和调整。它更像一个能力极强的开发搭档，帮你扛下大量重复劳动，让你只需要专注在最核心的决策上。
五、踩过的坑与后续规划
开发过程中也遇到了几个典型问题，在这里也简单记录一下：
- 情绪分析稳定性问题：大模型输出格式不可控是常态，必须加严格的 Prompt 约束 + 后端二次校验 + 兜底默认值，不能完全依赖模型输出
- 小程序平台限制：微信小程序对网络请求域名、本地存储容量都有严格限制，开发前要提前配置合法域名，做好存储容量上限处理
- 调用成本控制：大模型调用按 Token 计费，用户量上来后成本会快速增长。后续打算增加内容缓存，相同内容不重复调用，同时设置单日调用上限
目前核心的日记书写、情绪分析、历史记录功能已经全部跑通，后面还会继续迭代：增加情绪标签手动修正、每周自动生成情绪报告、优化全量离线查看、加入语音快速记录等功能。
最后
做完这个项目最大的感受是，AI 工具真的把个人开发者的门槛拉低了太多。以前想做一个完整的全栈产品，要花大量时间写样板代码、查文档、调细节，很多想法都因为时间成本太高被搁置。现在有了 CodeX 这类工具，普通人只要有清晰的想法，就能快速落地验证。
如果你也有一直想做的小产品、小工具，不妨试试用 AI 辅助开发试试看 —— 很多时候，落地比完美更重要。
写一个文章
已完成思考
从想法到落地：我用 CodeX 三天做出了一款 AI 情绪日记小程序
不知道你有没有过这样的时刻：忙完一天躺到床上，想复盘当天的状态，却只记得 “好像有点烦躁”“下午开心了一会儿”，具体因为什么、情绪是怎么起伏的，早就糊成了一团。
我一直有随手记日记的习惯，但纯文字的记录总少了点 “复盘感”—— 没法直观看到自己一段时间的情绪规律，也很难从零散的文字里提炼出情绪的触发点。刚好这段时间一直在用 CodeX 做 AI 辅助开发，索性就把 “情绪记录 + AI 分析” 的想法落地，做了一款极简的微信小程序：AI 情绪日记。
从搭项目骨架到核心功能全量跑通，前后只用了三天。这篇文章就完整复盘整个项目的产品思路、技术实现，以及用 AI 工具做全栈开发的真实体验。
为什么要自己做一款情绪日记
市面上日记和情绪类的产品其实很多，但始终没找到完全贴合我需求的。 大部分产品要么太重了，打开就是社区、打卡、会员广告，本来想安安静静写点东西，结果被各种信息流打断；要么太简单，只有纯文本记录功能，情绪分析全靠自己手动打标签，时间一长就懒得坚持。还有一个很关键的痛点：很多小程序弱网环境下根本用不了，地铁上、信号差的时候想写点东西，要么提交失败，要么内容直接丢失，体验非常糟糕。
所以这款小程序从立项开始，就定死了几个核心原则：
- 极致轻量化：无社交、无广告、无冗余功能，打开就是书写页，记录是唯一核心
- 智能但不越界：AI 只做情绪拆解和客观分析，不做说教式的 “心灵鸡汤”
- 离线优先：断网也能正常写、正常存，网络恢复后自动同步，绝对不丢内容
- 数据可视化：用日历和趋势图呈现情绪波动，让记录的价值可被看见
技术选型：轻量优先，把效率拉满
作为个人项目，我不想在环境搭建和复杂架构上耗太多时间，核心目标是 “快速验证、快速上线”，所以整体选型都偏向轻量、成熟、低运维成本的方案。
前端直接用微信小程序原生开发，不引入第三方框架，保留原生微信 API，一方面是保证包体积小、启动速度快，另一方面也能最大程度兼容平台规则，减少后续审核和适配的坑。
后端用Node.js 搭建 REST + WebSocket 服务，轻量易部署，个人服务器就能跑，而且和前端同语言，前后端逻辑切换成本很低，用 CodeX 生成代码也更顺畅。
核心的情绪分析能力，直接接入通用大语言模型 API，通过 Prompt 工程约束输出格式，不用自己训练模型，成本和门槛都低很多。
整个开发流程全程由 CodeX 辅助，从项目初始化、代码生成到 Bug 排查、逻辑优化，几乎覆盖了全流程。
开发全流程：从 0 到 1 的落地细节
整个项目我拆成了四块并行闭环：小程序页面与弱网队列、Node 服务端、AI 分析能力、交付文档。大部分基础代码都由 CodeX 批量生成，我只负责把控产品逻辑和核心规则，效率比纯手写高了不止一个量级。
第一步：搭好全局骨架，后续事半功倍
最开始我只给了 CodeX 一份简单的需求清单，它就自动完成了项目初始化：先把小程序路由、全局样式和核心工具层全部放好，再逐个补页面逻辑。
全局入口统一接管了三件事：登录态管理、网络状态监听、WebSocket 连接管理。也就是说，每个页面都不用重复写网络判断、登录校验这些重复代码，直接调用封装好的方法就行。同时统一了路由规则和视觉基线，整体走偏工具型、清晰克制的风格，不会抢夺日记内容的注意力。
这一步还单独抽离了config.js全局配置文件，接口地址、模型参数、超时阈值、本地存储上限这些变量都统一管理，后续改配置不用翻业务代码，维护起来很省心。
第二步：弱网队列 —— 最容易被忽略的核心体验
我一直觉得，一款工具类产品的下限，在于它能不能在糟糕的环境里正常工作。 写日记这件事本身就很碎片化，可能在地铁上、电梯里、信号差的楼道里突然想写点什么，如果因为没网就写不了、或者提交失败，用户大概率就再也不会打开了。
所以我把弱网本地队列做成了核心功能。CodeX 帮我实现了完整的逻辑：所有日记内容先写入本地存储，加入待同步队列；网络正常时按顺序自动同步到服务端，同步成功就移出队列；失败则触发指数退避重试，避免频繁请求浪费资源。
从状态管理到异常边界，整套逻辑几乎开箱即用，我只调整了重试间隔和本地存储容量上限，就直接跑通了。现在哪怕完全断网，用户也能正常写、正常看历史记录，等联网后会悄悄在后台同步完成，全程无感知。
第三步：AI 情绪分析 —— 从杂乱文字到结构化结果
情绪分析是整个产品的灵魂，本质上是「Prompt 工程 + 接口封装 + 结果解析」的组合。 最开始踩了很多坑：大模型输出的内容忽长忽短，有时候是自然语言，有时候格式混乱，前端根本没法稳定渲染。我和 CodeX 一起迭代了四五版 Prompt，从最开始只说 “分析情绪”，到逐步约束输出字段、数据类型、取值范围，最终让模型稳定返回标准的 JSON 结构。
返回结果包含四个核心部分：
- 情绪主类型：开心、平静、焦虑、低落、烦躁等 8 个基础分类
- 情绪浓度：0-10 分的量化分值，用于趋势统计
- 核心关键词：提取日记里 3-5 个高频情绪触发词
- 简短小结：客观的情绪归因，不带说教感
同时后端加了两层兜底：格式校验失败时自动重试一次，还是失败就返回默认结构，绝对不会让前端页面报错。目前实测解析成功率在 99% 以上，基本不会出现异常。
第四步：数据可视化 —— 让记录有迹可循
记录的意义，很多时候在于回看。 我做了两层数据呈现：一层是日历视图，每天用对应情绪的色值做标记，一眼就能看清整月的情绪分布；另一层是趋势图表，按周、按月生成情绪波动曲线，同时统计这段时间出现频率最高的情绪和关键词。
很多人写日记坚持不下去，就是因为看不到 “反馈”。而当你能清晰看到自己这周焦虑少了、开心变多了，或者发现每次熬夜后第二天情绪都会变差，记录这件事就有了正向反馈。
用 CodeX 做全栈开发，到底省了多少事
这是我第一次全程用 AI 辅助工具做完一个完整的全栈项目，感受比预想中还要强烈。
最直观的就是从零到一的速度被彻底拉满。放在以前，从搭小程序项目、配置路由、写全局工具函数，到后端搭服务、写接口、对接数据库，光基础骨架可能就要花一两天。而用 CodeX，描述清楚需求就能直接生成可运行的代码，第一天我就跑通了 “写日记→提交→AI 分析→结果展示” 的完整主链路。
更让我意外的是它会主动补全细节。比如弱网队列的边界情况、小程序 API 的兼容性问题、接口异常的重试机制，很多我一开始没考虑到的边角逻辑，CodeX 生成代码的时候都会主动补上。像空状态页面、加载态、错误提示这些容易被忽略的体验细节，也都默认做好了，省了大量细碎的调整时间。
还有就是排错效率的指数级提升。开发过程中遇到过 WebSocket 断开重连异常、本地存储时序冲突等问题，把报错信息扔给 CodeX，它基本都能快速定位原因，直接给出修正后的代码，比自己翻文档、搜社区快太多。
当然它也不是万能的。核心的产品逻辑、架构方向、业务规则，必须自己想清楚、把控好。AI 生成的代码偶尔也会有冗余，或者不符合业务场景，需要筛选和调整。它更像一个执行力极强的开发搭档，帮你扛下所有重复、机械的劳动，让你只需要专注在最核心的决策上。
踩过的坑和后续规划
开发过程中也遇到了几个典型问题，在这里也做个记录，给大家避避坑。 第一，大模型输出的稳定性永远是第一位的。不要相信模型 “一定会按格式返回”，必须做多层兜底：Prompt 约束 + 后端校验 + 失败重试 + 默认值，少一层都可能出线上问题。 第二，小程序平台限制要提前考虑。微信小程序对请求域名、本地存储容量都有严格要求，开发前就要配置好合法域名，同时做好存储容量超限的降级处理，不要等上线了才踩坑。 第三，调用成本要提前规划。大模型按 Token 计费，用户量上来后成本会快速增长。后续我打算增加内容缓存，相同内容不重复调用，同时设置单日调用上限，控制成本。
目前核心的日记书写、情绪分析、历史记录、离线同步功能都已经全部跑通。接下来还会继续迭代：增加情绪标签手动修正、每周自动生成情绪报告、语音快速记录、全量离线导出等功能，把产品打磨得更完整。
最后
做完这个项目最大的感受是，AI 工具真的把个人开发者的门槛拉低了太多。
以前很多想法，要么因为没时间、要么因为不会某一端技术，最后都不了了之。现在有了 CodeX 这类工具，只要你有清晰的需求和逻辑，哪怕不是全栈工程师，也能快速把想法变成可运行的产品。
很多时候，困住我们的从来不是技术能力，而是 “开始” 的成本。如果你也有一直想做的小工具、小产品，不妨试着用 AI 辅助开发试试看 —— 先让它跑起来，再慢慢变好，永远比 “等准备好再做” 更有意义。