第26课 · 数据驾驶舱：用 AI 搞定一个复杂系统
本节要点
- 真实需求：许愿墙 24 人投票——企业财务想要一个能看同行、看内部、看风险的「数据驾驶舱」
- 复杂系统先别写代码：就像盖楼，先搭钢架（架构），再修墙、抹灰、装修（一个个模块）
- 整个流程：把需求丢给 AI → AI 反过来确认需求 → AI 联网做技术调研 → AI 出 3 套视觉方案让你选 → AI 写架构方案 → 你审核 → 让 AI 一晚上把 MVP 跑通
- 关键工具：Superpowers 让 AI 主动问你、
Ctrl+X + ↓看 sub-agent 在干啥、/goal让 AI 通宵干活 - MVP 思想：先跑通「同行业财务」这一个模块（用 akshare 拿现成数据），架构验证后再补其他模块
- AI 并行开发：模块物理隔离，多个 AI 同时开发不同模块互不干扰
- ⭐ 审核方案的重要性：AI 出的方案你一定要看，看不懂的就问，不然最后做出来不是你想要的
1. 起点：一个真实的学员需求
许愿墙上有 24 个人投了这么一条需求：
企业财务人员，想提高日常工作效率，主要是数据处理效率。数据分析层面：比如上市年报的分析，同行竞争对手年报，各类信息披露、新闻业务动态获取，类似爬虫抓取竞争对手信息，然后结合内部数据分析，形成动态的、实时的数据分析仪表盘或驾驶舱。内部数据整合和分析层面：基于风险管理、会计准则、上市披露、税务政策、税务风险、集团内部审计，形成一套风险库或动态风险模型。
这位同学还发了一份详细需求文档过来，里面附件一就有几十张表页——光看就知道是个非常大的系统，不是一两次对话能做完的。
这种「我想要一个 XX 系统」的需求，其实大家都会遇到。比如：
- 想要一个审计项目管理驾驶舱
- 想要一个函证中心的自动化系统
- 想要一个合同审查 + 知识库平台
遇到这种大需求，最忌讳的就是上来就让 AI 写代码。 写到一半发现需求不对、模块冲突、改不动，前面全白干。
这节课就演示：拿到一个复杂需求，怎么一步一步用 AI 把它落地。
2. 核心心法：先搭钢架，再修墙
这是整节课最关键的一句话：
复杂系统 = 盖楼
先搭混凝土钢架（架构），再修墙、抹灰、铺地板、搞水电装修（一个个模块）。
不搭钢架直接装修，房子盖到一半发现承重不对，只能推倒重来。
具体到这个数据驾驶舱项目，钢架就是：
- 系统分几层（前端展示 / 后端 API / 数据采集 / 数据库）
- 数据从哪里来（外部上市公司财务、内部业务数据、爬虫抓新闻）
- 模块怎么挂载（先做同行业财务，后面销售、风险、考核像插件一样接进来）
- 怎么多人/AI 并行开发（模块物理隔离，互不打架）
把钢架搭稳了，后面补模块就是「照抄模板填业务」。
3. 第一步：把需求丢给 AI（语音输入）
打开 OpenCode 或 Claude Code，先 cd 进一个空的项目文件夹，然后启动。
我用的是第 13 课讲的语音输入，对着 AI 说（懒得打字）：
我想做一个数据驾驶舱。
这个是我的需求文档（路径：xxx/数据驾驶舱需求.xlsx），你帮我查看一下。
我想先进行技术架构的选型和整体设计。
这个驾驶舱里面包含：
- 财务数据
- 内部的业务数据
- 外部同行业公司的财务指标数据
外部数据可能需要做爬虫，内部数据需要做导入。
驾驶舱一定要美观，你可以先联网搜索一下相关的方案，
要一眼就非常吸引眼球，能够抓住管理层的眼睛。
我们先进行技术架构和整体的设计，最开始可以先给一个假数据或演示数据的界面，
我们先确定这个界面是否可行。三个关键点
- 给路径不给描述：让 AI 自己去读你的需求文档（Excel/Word/PDF 都行），它读得比你描述准
- 要联网搜索：明确要求 AI 「先联网搜索方案」，这样它给你的设计是参考过行业最佳实践的，不是凭空编
- 先出演示界面：要求先做一个「假数据的界面原型」，肉眼确定方向再继续，不然 AI 一头扎进去做半天，最后你看着界面不满意，浪费几小时
4. 第二步：Superpowers 让 AI 反过来问你
如果你装了 Superpowers 插件（不管 OpenCode 还是 Claude Code），AI 不会上来就动手——它会反过来跟你确认需求。
这次它问了几个关键问题：
| 问题 | 我的回答 | 为什么重要 |
|---|---|---|
| 开发人力？ | 我一个人，但可以用多个 AI 并行开发 | 决定技术栈选型——人多可以上 Java/微服务，一个人就上 Python 全栈 |
| 部署环境？ | 公司局域网（内网） | 决定要不要做账号权限、外网访问 |
| 数据管理后台？ | 要完整的 | 决定 MVP 阶段是否需要可视化配置 |
| 视觉风格？ | 让它给我 2-3 个候选 | 不让它拍板，自己挑 |
这步千万别省
很多人嫌 AI 问问题烦，直接让它「别问了开干」。这是大错。
需求阶段多花 10 分钟跟 AI 聊清楚，能让后面少返工几天。AI 跟人一样——需求没对齐，做出来的东西就是「一坨垃圾，你也不满意，重新来也麻烦」（视频原话）。
怎么看 AI 在干啥：Ctrl+X + ↓
AI 在思考的时候，会派 sub-agent（子代理）去分头干活——有的负责调研、有的负责设计。表面上你只看到「思考中…」，但其实里面一堆动作。
按 Ctrl+X 然后按 ↓ 方向键，就能展开看 sub-agent 的进度：
- 它在调用 librarian 调研技术方案
- 它在让 oracle 设计架构
- 它在让 designer 出界面原型
按 ↑ 回到主对话。这个快捷键非常关键，长任务一定要时不时切下去看看，不然你不知道 AI 卡在哪。
5. 第三步：AI 联网做技术调研
因为我要求「联网搜索」，AI 会先派一个 librarian 子代理，去网上查 2025-2026 年数据驾驶舱的最佳实践、主流技术栈、视觉风格趋势。
它会生成一份《技术调研报告》，主要内容：
- 设计趋势：从「面子工程」转向「决策助手」，强调「一屏一事」「5 秒抓住关键信息」
- 主流技术栈对比：前端用 ECharts（图表最全）/ 后端用 Python FastAPI（开发快）/ 数据库用 PostgreSQL
- 视觉风格参考：暗色科技风 / 高端商务金融 / 现代玻璃拟态 三大流派
- 开源项目参考：列了一堆 GitHub 上的大屏模板，可以直接借鉴
这份调研报告对你来说就是免费的市场调研，相当于请了个技术顾问做前期研究。你可以打开看一下，了解行业在用什么方案。
6. 第四步：AI 出 3 套视觉方案让你挑
调研完，AI 会自动打开浏览器，给你看 3 套视觉风格的原型页面：
- A 方案 · 暗色科技指挥中心：深蓝黑底 + 亮蓝主色调，就是我们在公司大屏、指挥中心常见的那种
- B 方案 · 高端商务金融：深灰 + 金色，倒金字塔布局，更像金融终端，耐看
- C 方案 · 现代玻璃拟态：半透明毛玻璃面板 + 霓虹发光，更现代但有些显示问题
每个方案都是一个 HTML 文件，你直接在浏览器打开就能看到效果。
为什么要先选视觉？
复杂项目最大的坑是「做完才发现不满意」。AI 跑了几个小时把功能都做完了，你看着界面说「这风格不对」，全部重来——崩溃。
所以视觉方向先用假数据定下来，再让 AI 往这个方向做。这是用 AI 做复杂项目的核心心法。
我选了 A 方案（暗色科技指挥中心），虽然 B 方案也耐看，但作为给管理层看的「驾驶舱」，A 方案更有冲击力。
选定后告诉 AI：
我感觉 A 方案比较好。
它有一些细节可能展示不是很好，但你可以先用它，后面细节再去完善。
现在你帮我去设计整体的架构方案，
拿「同行业财务数据」作为一个模块，我们来实现最小 MVP。
后面我们再来补充其他数据模块（包括外部数据和内部数据）。
你先从系统架构上留下这个口子，方便以后一个模块一个模块地去制作。7. 第五步：AI 写架构方案（重点）
接下来 AI 会去写《系统架构方案》。它派 oracle 子代理做深度设计，包括：
- 整体分层架构：前端展示层 / API 网关层 / 领域模块层 / 基础设施层
- 模块注册 + 插件化扩展口设计
- MVP 范围界定（同行业财务模块的完整数据流）
- 后续模块的接入规范
- AI 并行开发的模块拆分（哪些能并行、冲突边界在哪里）
写完后会生成一个 Markdown 文档（比如叫 架构方案.md）。
⭐ 这一步你必须审核
不要不看直接让 AI 往下做
架构方案是整个项目的「钢架」，钢架歪了后面全歪。
AI 写完方案会主动让你审查——你一定要打开看，不然最后做出来的不是你想要的。
审查的时候你不需要懂所有技术名词，重点是看：
| 看什么 | 怎么判断 |
|---|---|
| 系统分了几层？ | 大致懂就行（前端 / 后端 / 数据库这种大结构） |
| 数据从哪里来？ | 同行财务数据用 akshare（免费 Python 库，直接拿现成数据）、内部数据走 Excel 导入、新闻走爬虫——方向对就行 |
| MVP 选了哪个模块？ | 选「同行业财务」是对的：数据公开（上市公司年报）、价值最高（管理层最关心「跟同行比怎么样」）、能验证全链路 |
| 有没有「留口子」？ | 必须有！架构上要给后续模块留扩展位置，不然加新模块要改架构 |
看不懂的地方就问 AI。比如我看到「PostgreSQL」不知道是啥，直接问：
这里基础设施用的是 PostgreSQL，是什么？为什么选它？
AI 会解释：这是一个免费开源的数据库，比 Excel 强很多，适合财务数据分析，内网部署不用花钱。
如果你觉得哪些地方跟需求有冲突，立刻指出来。比如：
你这里说 MVP 阶段不做账号登录权限，但我担心后续接入内部业务数据后没有权限管理不安全，要不要现在就预留？
AI 会给你建议——要么 MVP 不做但架构留口子，要么直接做简单的。这种来回讨论是必要的，比写完代码再大改省事得多。
8. 关键设计：微内核 + 插件式架构（留口子思想）
架构方案里最核心的设计是「微内核 + 插件式模块化」。听起来很高级，其实就是：
一句话理解
内核（core）= 房子的钢架 + 水电管网——所有模块共享，建好就不动。 模块（module）= 一个个房间——每个数据领域是一个独立插件，新增模块 = 新建一个房间，不动钢架。
具体到这个项目：
| 内核（不变） | 模块（可插拔） |
|---|---|
| 前端应用壳（导航/路由/主题） | 同行业财务（★ MVP） |
| 图表渲染引擎（ECharts） | 内部业务 |
| FastAPI 启动入口 | 考核指标 |
| 模块注册中心（自动发现新模块） | 销售驾驶舱 |
| 数据库连接 / 通用查询框架 | 行业动态（爬虫） |
每个模块都自包含完整链路：数据采集 → 数据模型 → API → 前端页面，放在 modules/同行业财务/ 这样的独立目录里。
新增一个模块 = 复制模板目录 → 填业务 → 扔进 modules/，内核自动接管。
这种设计的好处：
- AI 并行开发零冲突：每个 AI 只动自己模块的目录，绝不碰内核和别人的模块
- 逐模块上线：做完一个上一个，不用等所有模块都完成
- 架构稳定：内核写好就稳定，后续加模块不影响已有功能
这就是「留口子」的本质——架构阶段就给未来留好扩展位置。
9. MVP 思想：先跑通一个模块
整个系统这么大，怎么做？答案是 MVP（Minimum Viable Product，最小可用产品）。
MVP 的核心
不追求一次做完所有功能，先选一个最有价值、最容易跑通的模块，完整走通「数据采集 → 存储 → API → 前端展示」全链路。
一个模块跑通了，架构就验证了，后面其他模块照抄模板填业务。
为什么选「同行业财务」做 MVP？
- 数据全部公开（上市公司年报），不依赖公司内部系统
- 价值最高：管理层最关心「我们跟同行比怎么样」
- 能完整验证全链路：从外部数据采集，到清洗、存储、API、前端图表
- 有现成工具：用
akshare（开源 Python 库）能直接拿到 A 股财务指标 + 三大报表，不用爬年报 PDF！
关键技术决策：用 akshare 而非爬 PDF
很多人第一反应是「爬巨潮资讯网的年报 PDF」。这是大坑：
- PDF 解析难度大、易出错
- 年报几百页，财务数据散落在不同章节
- 格式各家不一，写 parser 写到崩溃
akshare 是开源免费库，直接拿到结构化数据：营收、净利润、毛利率、ROE、资产负债表……不用解析 PDF。爬虫（Scrapy）留给后续的「行业动态新闻」模块，那里才真正需要。
MVP 不做的事（延后）：
- ❌ 后台可视化配置引擎（先硬编码图表配置）
- ❌ 账号权限系统（内网部署，先无登录）
- ❌ Excel 导入导出（财务数据用 akshare 自动采集）
- ❌ 其他 5 个业务模块
10. AI 跑了一晚上，第二天验收成果
确认架构方案后，AI 开始干 P0（内核骨架）+ P1（同行业财务 MVP）。
这个过程非常长——内核是骨架，MVP 要走完整链路（采集 7 家公司 → 清洗 → 入库 → 写 API → 套 A 方案的前端），AI 一步步做下来要花几个小时。
怎么让 AI 通宵干活：/goal
我不可能在电脑前等几个小时，于是用了一个命令：/goal（第 18 课讲过）。
/goal 你直接完成 P0、P1 这几个任务，
推进架构方案，然后进行必要的测试。
我去睡觉了，明天来验收。/goal 的魔力
/goal 是一个长时运行命令，让 AI 持续朝目标推进，中间不会因为对话结束而中断。
适合：
- 大型重构（一次跑几个小时）
- 多模块并行开发
- 完整测试 + 修复
你睡觉前布置任务，第二天起来直接拿成果。这是 AI 时代的新工作方式。
决策放权给 AI
如果中途遇到需要决策的地方（比如某个组件选 A 还是 B），不用叫醒你——让 AI 自己决策：
如果需要决策的，你可以让它自己决策，然后完成。第二天验收
第二天起来，AI 真的把 MVP 跑通了。打开浏览器看到的就是文章开头那张截图——7 家同行业公司的财务指标对比驾驶舱，A 方案暗色科技风，能交互、能筛选、能切换图表。
一个模块跑通了，架构就验证了。后面要加内部业务、销售、考核、行业动态，就是复制模板目录 → 改业务 → 扔进 modules/——内核自动接管。
11. 学员下载：百度网盘资料
这位同学的需求文档、AI 生成的技术调研报告、架构方案、3 套视觉风格原型 HTML 文件，我都打包放到课程百度网盘里了。
你可以下载下来：
- 照着架构方案理解整个系统设计
- 打开 3 个 HTML 文件，亲眼看看 3 种视觉风格
- 拿「同行业财务」做练习：换成你熟悉的行业（比如你公司的同行），让 AI 帮你跑一个 MVP
📎 网盘链接见课程群公告，或问助理要。
关键收获
TIP
复杂系统 = 盖楼：先搭钢架（架构），再修墙、抹灰、装修（模块）。需求阶段宁可多花时间聊清楚，也不要写到一半大改。
整个流程六步走：① 把需求文档丢给 AI（给路径，要求联网搜索）→ ② Superpowers 让 AI 反过来问你确认需求 → ③ AI 联网做技术调研，生成调研报告 → ④ AI 出 3 套视觉方案让你挑（先确定界面方向）→ ⑤ AI 写架构方案，你必须审核，看不懂就问、有冲突就指出来 → ⑥ 用 /goal 让 AI 通宵跑 MVP，第二天验收。
两个关键设计：微内核 + 插件式架构（内核稳定，模块像插件一样挂载，给未来留口子）；MVP 思想（先选一个最有价值、最容易跑通的模块完整验证架构，再扩展其他模块）。
三个工具要会用：Ctrl+X + ↓ 看 sub-agent 进度、/goal 让 AI 长时运行通宵干活、Superpowers 让 AI 主动跟你确认需求。
下一步
下一节课，我会演示怎么把跑出来的 MVP 一步步推进到可用状态：做版本管理、逐步迭代修问题、给 AI 配识图能力自己检查界面，以及在做内部业务模块之前先把权限后台搭好。
如果你也想做一个属于自己的数据驾驶舱（不一定是财务，可以是销售、运营、项目管理的），把你的需求文档发给 AI，按这节课的流程走一遍。