从"帮我写一个Python程序"到"打包好的exe，双击就能用"

为什么又想搞Python？

上一篇文章我聊了VBA插件怎么从"给段代码"做到"交付一个可安装的插件"，收到了不少朋友的反馈。

其中一个问题是：VBA确实方便，但有些活它确实干不了。 比如：

• 我想批量下载网页上的数据，VBA太吃力了
• 我想做个带界面的桌面小工具，VBA的窗体实在太丑了
• 我想把工具发给没装Office的朋友，VBA直接歇菜
• 我想处理几千张图片、几百个PDF，VBA性能完全不够用

这些场景，Python才是正道。但问题又来了——

传统Python开发的入门门槛，对普通人来说简直是地狱模式。

传统Python开发的"三道坎"

如果你身边没有程序员朋友，自己尝试过学Python，你大概率经历过这些：

第一道坎：环境装不上。

打开官网，下载Python，不知道选哪个版本。装完之后，pip install 半天转圈圈——不是网络超时，就是依赖冲突，搞了两个小时还在配环境。

第二道坎：不会写代码。

好不容易把环境搞定了，打开教程，发现要先学变量、循环、函数、面向对象……学了一个月，连一个能解决自己实际问题的程序都写不出来。

第三道坎：做出来了不知道怎么给别人用。

花了好大劲写了个脚本，想发给同事用，结果对方电脑上没装Python，也不知道怎么装依赖包。你辛辛苦苦写的工具，最后只能自己用。

这三道坎，把无数有真实需求的人挡在了Python的门外。

我的思路：把"三道坎"全部交给AI

上一篇文章我聊了一个关键思路：用"约束"来让AI不出错。

这套思路在VBA上跑通之后，我发现它可以移植到Python开发上，而且效果更好。

于是我做了一套 python-dev Skill。

它的核心逻辑很简单：假设用户完全不懂编程，全程由AI来充当"需求分析师 + 开发工程师 + 环境管理员 + 测试工程师 + 打包交付人员"。

这套Skill到底做了什么？

它不是一段让AI"看着办"的提示词，而是一套完整的规范 + 模板 + 脚本 + 蓝图体系：

第一层：AI当你的需求分析师

很多人来找AI求助，说的需求特别模糊："帮我写个处理文件的程序。"

普通AI可能会直接开始写代码，写出一个你可能根本用不起来的东西。

但这套Skill要求AI先做一轮需求澄清——不是问技术问题，而是问你"现在怎么手工做的""最痛的是哪一步""最后想看到什么结果""自己用还是发给别人用"。

就算你说得不专业，AI也能像产品经理一样一步步引导你，把需求聊清楚：

• 这是做一次就完事的脚本，还是要长期用？
• 你更希望双击运行、点按钮，还是命令行敲参数？
• 要不要做成exe发给别人？
• 你能不能给我一份样例数据，让我知道输入长什么样、输出要变成什么样？

需求聊清楚之后，AI会先复述一遍，确认理解对了，才开始动手。

第二层：AI全权负责环境搭建

用户完全不需要自己装Python。

这套Skill规定：所有环境相关的操作，全部由AI代执行。

AI会自动检查你电脑上有没有 uv（一个Python项目管理工具），没有就帮你装。然后自动安装Python，初始化项目目录，安装所有依赖包。

全程用户只需要点一下"允许"——不用看任何命令行，不用管什么pip镜像源配置，不用操心这个包和那个包版本冲突。

对中国用户来说，最头疼的各种网络下载问题，AI都会自己想办法处理，你完全不用管。

第三层：按场景出方案，不是写死代码

不是所有需求都适合做一个"命令行脚本"。

这套Skill把Python需求分成了三类：

• 脚本/自动化：你自己偶尔用一次，处理点数据，不需要界面
• 桌面工具：需要窗口、按钮、文件选择器，适合长期使用
• 可交付成品：要打包成exe，发给别人双击就能用

AI会根据你的使用场景，自动选择最合适的方案。需要界面的，直接上GUI窗口；需要分发的，自动处理exe打包。

Skill里还内置了四套项目蓝图——CLI批处理、GUI桌面应用、Excel批量处理、网页爬虫——每个蓝图都是一套已经跑通的模板，AI只需要往里面填入你的业务逻辑就行。

一条完整的交付链路

把这套Skill用起来之后，现在的体验是这样的：

1. 你说一句："帮我把文件夹里所有的Excel合并成一个文件，按日期排序，去掉重复行"

2. AI先问清楚：文件夹在哪？Excel长什么样？自己用还是给别人？要不要做成双击运行？

3. AI自己搭环境：检查uv、安装Python、建项目目录、安装openpyxl等依赖

4. AI写代码：按你的样例数据写合并逻辑，自动加上日志记录和异常处理

5. AI自己跑测试：用你的样例文件跑一遍，验证结果对不对

6. AI打包成exe：执行PyInstaller打包，检查产物确实在dist目录下

7. AI交付：告诉你exe在哪、怎么用、配置文件怎么看

全程你不需要：

• 打开任何一个代码编辑器
• 敲任何一行命令
• 装任何一个Python包
• 甚至不需要知道Python是什么

你只需要描述你的痛点，剩下的全部由AI完成。

' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)

VBA和Python，各有各的战场

有朋友可能会问：你之前推VBA，现在又推Python，到底用哪个？

我的答案是：看场景，用最合适的工具。

| 场景 | 推荐方案 | ||| | Excel内部的数据处理、报表生成 | VBA——原生支持，随文件分发，不需要额外环境 | | 需要Ribbon菜单、专业插件的Excel工具 | VBA + xlam——Office生态内最自然 | | 批量文件处理、网页数据抓取 | Python——VBA干这些又慢又吃力 | | 带漂亮界面的桌面小工具 | Python + GUI——比VBA窗体强太多 | | 要发给没装Office的人用的工具 | Python exe——双击运行，独立环境 | | 大规模数据处理、AI分析 | Python——生态碾压级优势 |

没有银弹，只有最合适的组合拳。

为什么普通AI模型也能用？

这里有我设计这套Skill时最核心的一个思考：

普通AI写不好Python代码，不是因为"不够聪明"，而是因为缺少约束和上下文。

让AI自由发挥，很容易写出能跑但结构混乱、没有错误处理、不考虑打包场景的代码。

但这套Skill通过三层约束，把AI的能力"框"在了正确的轨道上：

1. 流程约束：先澄清需求 → 再搭环境 → 再写代码 → 再测试 → 最后打包，不跳步

2. 规范约束：代码必须有类型注解、日志记录、错误处理；配置文件用.env，不硬编码

3. 模板约束：项目结构、打包脚本、测试模板都是现成的，AI不需要"创造"，只需要"填空"

结果就是：哪怕你用的只是一个普通的AI编程工具，甚至不是最强的模型，只要它能读这套Skill，就能稳定地交付专业的Python程序。

未来还有什么？

python-dev只是一个开始。

既然这套"Skill + 约束 + 模板"的方法论在VBA和Python上都跑通了，那自然可以迁移到更多领域：

• .NET桌面开发：用C# + WPF做更专业的桌面软件，自带安装包
• 浏览器插件开发：Chrome扩展，直接把浏览器自动化玩嗨
• WPS多维表格开发：在WPS生态里做自动化插件
• 飞书多维表格开发：接入飞书开放的表格API和自动化能力

每个领域我都会来做一套完整的Skill，把"从自然语言需求到可交付成品"这条链路打通。

最后

如果你是一个被Python劝退过无数次的人——不管是因为环境装不上、代码看不懂、还是做出来了不知道怎么给别人用——

这套Skill就是为你准备的。

你不需要变成程序员，你只需要会描述你的问题。

剩下的，交给AI和这套Skill。

如果对这套玩法感兴趣，想了解更多细节，欢迎找我聊聊。