全栈
国考刷题微信小程序
借助 AI 编程工具完成需求拆解、功能验证与持续迭代，构建包含 13 个页面、360 道题和完整学习数据闭环的可运行原型。
01
我的工作
- 梳理刷题场景和页面流程，将需求拆分为题库、练习设置、答题、解析、错题、收藏和统计等模块。
- 借助 AI 编程工具生成并迭代原生微信小程序代码，负责功能验收、问题复现、提示约束和修改确认。
- 整理六大模块、共 360 道本地模拟题，建立题目字段、材料引用和难度分布校验。
- 打通专项练习、多模块混合、题量选择、顺序／随机和只练未做题等练习流程。
- 基于本地答题事件实现正确率、学习进度、连续学习天数、周趋势、错题和练习历史统计。
- 完善错题重练、收藏、每日目标、答题卡和材料题展示等功能，形成可完整运行的核心闭环。
- 建立自动化测试与题库校验，当前 74 项测试和 360 道题的数据校验全部通过。
02
技术流程
- 本地 JSON 题库经过结构与完整性校验
- 练习设置生成专项或混合练习会话
- 答题过程记录选择、正误和单题耗时
- 答题事件写入微信本地缓存
- 统计模块从真实事件推导进度、错题和趋势
03
问题与约束
项目目标不是制作静态界面，而是让每一项统计都来自真实答题记录。实现过程中需要维持练习会话、页面导航、本地数据兼容和派生统计之间的一致性，同时控制 AI 生成代码可能带来的遗漏。我的职责主要集中在需求边界、验收标准、问题定位和测试约束。
04
关键技术决策
以答题事件为事实源
将每次作答记录为事件，错题、正确率、历史和学习趋势从事件推导，避免多个页面分别维护互相冲突的统计值。
题库内容与运行模块分离
以 JSON 作为题库内容源，再同步为小程序可加载模块；校验脚本负责检查字段、ID、答案和材料引用。
用测试约束 AI 迭代
把练习会话、存储、用户进度、页面结构和题库规则转化为自动化测试，使后续修改能够快速发现回归。
05
结果与复盘
项目已注册 13 个页面，核心刷题与学习数据闭环可完整运行；74 项自动化测试全部通过，六个模块共 360 道题全部通过校验。项目仍在持续迭代，并保留明确的未完成边界。
06
项目边界
公开学习型原型。当前不包含账号登录、云端同步、后台管理、支付或远程分析；数据只保存在微信本地缓存。AI 完成了较多编码，本人主要负责需求、约束、验证、调试与迭代。