Case 16｜一句话召唤专家，直接开发一套 AI 智能排课系统
WorkBuddy 案例集 · 第 16 篇 分类：网站与应用开发
一、场景描述
谁懂啊！只是好奇点开 WorkBuddy 专家里新更名的吴八哥（原 will）高级开发工程师，随口问了一句：可以帮我开发一套排课系统吗？结果它真的从 0 到 1，完整输出了一套可落地、可商用的 AI 智能排课系统。
只抛了一句话需求，WorkBuddy 没有盲目写代码，而是先精准锁定 3 个核心：适用场景（中小学/高校教务排课）、技术方案（Vue3 + FastAPI 前后端分离）、核心能力（AI 自动排课，遗传算法）。确认后直接给出完整设计方案，不用反复沟通。
从需求→架构→代码→Debug→完成可用版本，全程 AI 驱动开发。这套系统已完成完整开发，界面流畅、逻辑完整，可直接用于教务场景。
二、想要完成的任务
用 WorkBuddy 召唤"吴八哥高级开发工程师"专家，从零开发一套可商用的 AI 智能排课系统，覆盖需求确认、架构设计、代码生成、Debug 修复到最终可用的完整开发流程。
三、使用的 Skill
| Skill / 能力 | 用途 | 来源 | 所需权限 |
|---|---|---|---|
| 专家能力（吴八哥高级开发工程师） | 从需求到交付全流程驱动开发，输出架构设计、代码、Debug 方案 | WorkBuddy 专家市场 | WorkBuddy 账号 |
| 代码执行能力（Bash） | 创建项目目录结构、执行 Vite/Vue3 启动命令、清缓存 | 内置能力 | 本地文件读写、命令执行 |
| 代码编辑能力（Edit/Write） | 生成前后端代码文件、补全 API、修复字段映射 | 内置能力 | 本地文件读写 |
四、前置条件
- 已安装并登录 WorkBuddy 客户端
- 在专家市场找到"吴八哥（原 will）高级开发工程师"并激活
- 本机已安装 Node.js、npm 与 Python 环境
- 本机有可写入的项目目录用于生成 scheduling-system 项目
- 网络 available，可拉取 npm 依赖与 Python 包
五、在 WorkBuddy 中的操作
步骤 1：随口一问，AI 先把需求问透
召唤"吴八哥高级开发工程师"专家后，我只抛出一句话需求：可以帮我开发一套排课系统吗？WorkBuddy 没有盲目写代码，先精准锁定 3 个核心：适用场景、技术方案、核心能力。确认后直接给出完整设计方案。 关键步骤：用一句话描述需求，AI 反问并锁定"适用场景 / 技术栈 / 核心能力"3 个关键点，输出完整设计方案。
步骤 2：系统架构一步到位，专业度拉满
WorkBuddy 给出技术栈选型（Vue3 + TypeScript + Element Plus + Pinia + FastAPI + SQLite/PostgreSQL + 遗传算法），拆解 5 个核心功能模块（基础数据管理、排课规则引擎、AI 自动排课引擎、智能调整建议、多视图可视化），并把开发划分为 6 个阶段（项目初始化、规则引擎、遗传算法、前端界面、智能调整、测试部署）。 关键步骤：AI 自动完成技术栈选型、模块拆解、阶段划分，给出完整开发计划。
步骤 3：一键生成完整项目框架
确认开始后，WorkBuddy 直接输出可直接开发的目录结构，包含 backend（FastAPI 后端，含 api、core、models、scheduler、services 子目录）与 frontend（Vue3 前端，含 api、views、stores 等子目录）。 关键步骤：AI 一键生成完整项目骨架，同时实现学校管理、班级管理、教师管理、科目管理、教室管理、AI 排课、课表可视化 7 项功能。
步骤 4：数据库 + API 全部配齐
后端核心：12 张业务数据表、7 组完整 RESTful API、数据库支持 SQLite/PostgreSQL、内置示例数据初始化脚本。前端核心：API 统一封装、Pinia 全局状态、排课页面实时进度展示、多条件筛选与管理。 关键步骤：AI 同步生成数据库表结构、RESTful API、前端状态管理与 API 封装。
步骤 5：真实踩坑 Debug
开发过程中遇到 4 个 Bug，WorkBuddy 全部定位并修复：
- Bug 1 表格没铺满：Vite 缓存导致样式不生效，清缓存重启（
pkill -f "vite" && rm -rf node_modules/.vite && npm run dev） - Bug 2 年级筛选不显示：前端用
grade?.name、后端只返回grade_id，加辅助函数getGradeName(gradeId)映射名称 - Bug 3 编辑保存无效：API 缺 update 方法、模型缺字段、中英文未转换，补全 API、Schema 与字段映射
- Bug 4 排课不分配教室：引擎未生成 room_id，按科目类型智能分配（物理/化学/生物→实验室，计算机→计算机教室，音乐→音乐教室，美术→美术教室，体育→体育馆，其他→普通教室） 关键步骤：逐个定位 4 个 Bug 的根因并给出修复代码，AI 接管了 Debug 全流程。
六、提示词或任务指令
| 步骤 | 指令 | 作用 |
|---|---|---|
| 1 | 可以帮我开发一套排课系统吗？ | 一句话触发专家反问需求并锁定场景/技术栈/核心能力 |
| 2 | （AI 反问后确认）中小学/高校教务排课，Vue3 + FastAPI，AI自动排课 | 确认 3 个核心，AI 给出完整设计方案 |
| 3 | 确认开始 | 触发 AI 一键生成项目目录结构与初始代码 |
| 4 | （针对各 Bug 描述现象，如）表格没铺满 / 年级筛选不显示 / 编辑保存无效 / 排课不分配教室 | 触发 AI 定位根因并输出修复方案 |
七、在 WorkBuddy 中的效果
交付物
- 一套完整的 AI 智能排课系统（scheduling-system 项目）
- 前端 Vue3 + 后端 FastAPI 双端代码
- 12 张业务数据表 + 7 组 RESTful API
- AI 遗传算法排课引擎（参数可配置、硬/软约束、进度可视化）
- 8 个前端页面（含彩色课表可视化）
- 完整 Debug 修复记录
结果证明
效率对比
| 方式 | 耗时 |
|---|---|
| 从零开发 | 至少 3–5 天 |
| 用 WorkBuddy | 2 小时搞定主体框架 |
八、验收标准
- [ ] 成功召唤"吴八哥高级开发工程师"专家并接收一句话需求
- [ ] AI 反问并锁定 3 个核心（适用场景、技术方案、核心能力）
- [ ] 输出完整设计方案（技术栈选型、5 大模块、6 阶段计划）
- [ ] 一键生成 scheduling-system 完整目录结构（backend + frontend）
- [ ] 实现 7 项核心功能（学校/班级/教师/科目/教室 CRUD + AI 排课 + 课表可视化）
- [ ] 后端 12 张业务表 + 7 组 RESTful API 全部就绪
- [ ] AI 遗传算法引擎支持参数配置、硬/软约束、进度可视化
- [ ] 4 个 Bug 全部修复（表格铺满、年级筛选、编辑保存、教室分配）
- [ ] 最终系统界面流畅、逻辑完整，可直接用于教务场景
- [ ] 主体框架 2 小时内完成