前面的实操都在写代码。
今天换个赛道——不写一行代码，用口述编程做一个AI Bot。
阿Lee知道你在想什么："不写代码也算口述编程？"
算。口述编程的本质不是写代码，是用自然语言驱动AI完成你想要的结果。写代码只是其中一种形式，配置AI Bot是另一种——而且门槛更低、变现更快。
今天用扣子（Coze）平台做一个代码评审Bot——你贴一段代码进去，它帮你找bug、给建议、优化写法。
程序员刚需，阿Lee自己也在用。
扣子是什么：30秒说清楚
扣子（Coze）是字节跳动出的AI Bot搭建平台。核心卖点：
- 零代码——全程可视化配置，不写一行代码
- 内置大模型——直接用豆包等国产模型，不用自己接API
- 插件生态——搜索、代码执行、图片生成等现成可用
- 发布渠道——做完可以发布到豆包App、微信公众号、飞书等
你不需要会编程，只需要会"说话"——告诉AI Bot该做什么、怎么做。
这，就是口述编程的另一种形态。
第1步：创建Bot+基础配置
打开扣子平台（coze.cn），点"创建Bot"。
这一步不用口述，但要填几个关键配置：
表格
| 配置项 | 填什么 | 为什么 |
|---|---|---|
| Bot名称 | 代码评审助手 | 直白，搜索友好 |
| Bot描述 | 粘贴代码，AI帮你找bug+给优化建议 | 一句话说清楚价值 |
| 模型选择 | 豆包-pro | 代码理解能力够用，性价比高 |
| 开场白 | "贴一段代码，我来帮你review" | 降低使用门槛 |
这些配置就是你跟平台"口述"的第一段需求——告诉平台这个Bot是干什么的。
第2步：编写人设与提示词
这是整个Bot的灵魂。阿Lee用Ch5的RTC框架来写：
你是一个资深代码评审工程师，精通Python、JavaScript、Java、C/C++等主流编程语言。你的任务是帮助开发者审查代码，找出潜在问题并给出优化建议。
审查维度：
- 安全漏洞：SQL注入、XSS、硬编码密码等
- 性能问题：不必要的循环、内存泄漏、N+1查询等
- 代码规范：命名不规范、缺少注释、重复代码等
- 逻辑错误：边界条件、空指针、异常未处理等
- 最佳实践：是否有更优的写法
输出格式：
- 按严重程度排序（严重→警告→建议）
- 每个问题给出：行号+问题描述+修复建议+修复后的代码片段
- 如果代码没问题，给出肯定+可优化点
- 语气：专业但不刻薄，像资深同事帮你review
这就是RTC框架在Bot场景的应用——角色（资深代码评审工程师）+任务（审查代码）+约束（5个审查维度+输出格式+语气）。
阿Lee的经验：提示词越具体，Bot输出越稳定。
如果你只写"帮我review代码"，Bot有时候会啰嗦讲一堆废话，有时候又漏掉关键bug。加上5个审查维度和输出格式，Bot的输出一致性直接拉满。
第3步：添加插件
扣子的插件生态是它的杀手锏。代码评审Bot需要2个插件：
表格
| 插件 | 用途 | 配置方式 |
|---|---|---|
| 代码运行 | 让Bot能运行代码验证结果 | 直接启用，无需配置 |
| 网页搜索 | 查最新API文档/最佳实践 | 直接启用，无需配置 |
启用方式：在Bot编辑页面，点"插件"→搜索插件名→点"添加"。
两步搞定，不用写代码，不用接API。
第4步：添加知识库
知识库是让Bot变成"专家"的关键。
阿Lee准备了一份代码规范文档，上传到知识库：
内容概要：
1. Python代码规范（PEP 8核心规则）
2. JavaScript代码规范（Airbnb风格指南精简版）
3. C语言嵌入式编码规范（MISRA C核心规则）
4. 常见安全漏洞清单（OWASP Top 10精简版）
5. 代码评审checklist
为什么加知识库？——光靠大模型的通用知识，评审深度有限。加上规范文档后，Bot能引用具体规则，比如"根据PEP 8，函数名应该用snake_case命名"。
知识库的配置方式：在Bot编辑页面，点"知识库"→上传文档→选择"自动分段"。
第5步：测试+调优
Bot搭完了，别急着发布——先测几轮。
测试1：Python代码（有安全漏洞）
输入：
python
@app.route('/login', methods=['POST'])
def login():
username = request.form['username']
password = request.form['password']
query = f"SELECT * FROM users WHERE username='{username}' AND password='{password}'"
user = db.execute(query).fetchone()
if user:
session['user_id'] = user['id']
return redirect('/dashboard')
return "Login failed"
Bot输出（精简版）：
🔴严重：SQL注入漏洞第4行直接拼接用户输入到SQL语句，攻击者可以通过输入' OR 1=1 --绕过登录验证。 修复建议：使用参数化查询python
query = "SELECT * FROM users WHERE username=? AND password=?"
user = db.execute(query, (username, password)).fetchone()
🟡警告：密码明文存储第4行直接比较明文密码，应使用hash验证。💡建议：添加错误处理和登录限流
看到了吗？——SQL注入、明文密码、错误处理，3个关键问题全部抓到。
测试2：C语言嵌入式代码（有逻辑错误）
输入：
void uart_send_string(const char *str)
{
while(*str != '\0')
{
USART1->DR = *str;
str++;
}
}
Bot输出：
🔴严重：缺少发送完成等待第3行写入DR寄存器后立即发送下一个字节，没有等待上一次发送完成，会导致数据丢失。 修复建议：加上TXE标志位等待void uart_send_string(const char *str) {
while(*str != '\0') {
while(!(USART1->SR & USART_SR_TXE)); // 等待发送缓冲区空
USART1->DR = *str;
str++;
}
}
💡建议：加上超时机制，避免死循环
阿Lee做了10年嵌入式，这个bug确实是最典型的——串口发送不等待TXE标志，数据丢字节。Bot抓到了，说明知识库里的嵌入式规范起作用了。
Bot效果总结
表格
| 能力 | 表现 |
|---|---|
| 安全漏洞检测 | 强——SQL注入、XSS、硬编码等常见漏洞都能发现 |
| 性能问题发现 | 中上——循环优化、内存泄漏能发现，但深度场景偶尔遗漏 |
| 代码规范检查 | 强——有知识库加持后，能引用具体规范条文 |
| 逻辑错误排查 | 中——简单逻辑错误能发现，复杂业务逻辑还需人工 |
| 修复建议质量 | 强——给出的修复代码大部分可以直接使用 |
核心判断：这个Bot能替代你80%的初级code review工作量。剩下20%的业务逻辑review，还得靠人。
口述编程的认知升级
做完这个Bot，阿Lee想强调一个认知：
口述编程 ≠ 写代码。口述编程 = 用自然语言驱动AI完成目标。
写代码是一种方式，配置Bot是另一种方式，搭自动化工作流又是一种方式。它们的共同点是：你用自然语言描述需求，AI帮你实现。
扣子Bot、飞书工作流、AI Agent——这些工具平台的存在，让口述编程的边界远远超出"写代码"这个范畴。
阿Lee的观点：未来3年，"会说话"比"会写代码"更值钱。
不是说不重要写代码——而是说，能用自然语言驱动AI完成的事，就别自己手写了。你的时间应该花在"想清楚要什么"，而不是"怎么实现"。
这个认知转变，比学任何一个工具都重要。
从Bot到变现：一条可能的路径
这个代码评审Bot不只是练手——它本身就是一个产品。
阿Lee列一下可能的变现路径：
- 免费引流版——发布到豆包App，积累用户
- 扣子Skill上架——封装成Skill，在扣子商店出售
- 付费API——给团队用，按调用次数收费
当然，变现不是今天的话题。Ch11阿Lee会专门讲口述编程的3条变现路径，把每条路的数据和踩坑都摊开。
你刚刚做了一件很酷的事——不写一行代码，用口述的方式搭了一个AI Bot。
从Ch5的提示词框架，到Ch6的5分钟小工具，到Ch7的Web应用，再到今天的AI Bot——你已经在4种场景里验证了口述编程的能力。
下章，阿Lee带你回到老本行——嵌入式工程师的口述编程实战。STM32串口通信，从口述到烧录运行，完整链路打通。
这是阿Lee的独门场景，别人写不出来。
阿Lee | 10年嵌入式老兵转AI | 口述编程vibe-coding专栏
专栏导航：[Ch1]认知 → [Ch2]工具 → [Ch3]环境 → [Ch4]进阶 → [Ch5]心法 → [Ch6]第一次 → [Ch7]Web实操 →[Ch8]Bot实操→ [Ch9-10]进阶实操 → [Ch11]变现 → [Ch12]避坑
搞定产品表面纹理缺陷检测)
