我没写一行代码，用 CodeBuddy 做出了一个全栈 AI 演出雷达平台

┌──────────────────────────────────────────────────┐
│                  演出雷达 ShowRadar                 │
│                                                    │
│  大麦┐                                            │
│  猫眼┼──→ AI 采集引擎 ──→ 去重/分类 ──→ 统一展示    │
│  秀动┤       ↓                      ↓             │
│ 纷玩岛┤   数据指纹              个性化推荐           │
│  微信┼─ SHA-256去重           收藏艺人追踪          │
│  小红书┘                       热门兜底算法          │
│                                                    │
│  输出：微信小程序 + Web 管理端 + Admin 后台          │
└──────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────┐
│              客户端层                             │
│  ┌──────────────┐  ┌────────────────────────┐    │
│  │ 微信小程序    │  │  Vue 3 Web 端          │    │
│  │ (原生WXML)   │  │  (Vite + Pinia)        │    │
│  └──────┬───────┘  └───────────┬────────────┘    │
│         │                      │                 │
├─────────┼──────────────────────┼─────────────────┤
│         │    Nginx 反向代理     │    网关层        │
├─────────┴──────────────────────┴─────────────────┤
│          NestJS 10 API Server (TypeScript)       │
│  ┌──────────┬──────────┬──────────────────┐     │
│  │ 业务模块  │ 认证鉴权  │  AI 采集引擎     │     │
│  │ - 演出   │ - JWT    │  - 6平台爬虫     │     │
│  │ - 艺人   │ - 微信登录│  - 语义去重      │     │
│  │ - 场馆   │          │  - 关键词分类    │     │
│  │ - 收藏   │          │  - 三策略推荐    │     │
│  │ - 推荐   │          │                 │     │
│  └──────────┴──────────┴──────────────────┘     │
├─────────────────────────────────────────────────┤
│            MySQL 8.0    │     Redis 7 (可选)     │
│            14张表       │     缓存/会话          │
└─────────────────────────────────────────────────┘

// Entity 既是数据库定义又是 TypeScript 类型 —— 一次定义，处处使用
@Entity('shows')
export class Shows {
  @PrimaryGeneratedColumn({ type: 'bigint', unsigned: true })
  id: number;

  @Column({ type: 'varchar', length: 500 })
  title: string;

  @Column({ type: 'decimal', precision: 10, scale: 2, nullable: true })
  min_price: number | null;

  // ... 27 个字段，同时完成类型定义和 ORM 映射
}

shows 表 (主数据)
  ├── master_show_id = NULL  → 主演出（唯一展示）
  └── master_show_id ≠ NULL  → 从演出（被合并的重复项）

-- 联合索引覆盖高频筛选场景
KEY `idx_show_time_type` (`show_time`, `show_type`)  -- 按时间+类型筛选
KEY `idx_city_type` (`city_id`, `show_type`)         -- 按城市+类型筛选
KEY `idx_hot_weighted` (`hot`, `heat_score`, `show_time`)  -- 热门加权排序

-- 全文索引覆盖搜索
FULLTEXT KEY `ft_title` (`title`)  -- 标题模糊搜索，比 LIKE 快 10 倍+

-- shows 表按 show_time 按月 RANGE 分区
-- favorites 表按 user_id 做 HASH 分区（16 分区）

    2026年 7月
日  一  二  三  四  五  六
          1   2   3   4
5   6   7   8   9  10  11
12 13 [14] 15  16  17  18    ← 14号有3场演出，橙色标注"3场"
19 20  21  22  23  24  25
26 27  28  29  30  31

CollectorModule
  ├── CollectorService     ← 调度中心（定时任务、手动触发）
  ├── CrawlerFactory       ← 爬虫工厂（按 code 匹配爬虫）
  ├── DedupService         ← AI 去重引擎
  ├── ClassifierService    ← AI 分类引擎
  └── crawlers/
      ├── DamaiCrawler     ← 大麦（API + 页面解析）
      ├── MaoyanCrawler    ← 猫眼
      ├── XiudongCrawler   ← 秀动
      ├── FenwandaoCrawler ← 纷玩岛
      ├── WechatCrawler    ← 微信公众号
      └── XiaohongshuCrawler ← 小红书

// 不是简单 MD5(title)，而是四要素组合哈希
private generateFingerprint(item: any): string {
  const key = `${item.title}|${item.show_time}|${item.city_name}|${item.venue_name}`;
  return crypto.createHash('sha256').update(key).digest('hex').substring(0, 32);
}

// 四维加权相似度 —— 每个维度有明确的权值和计算逻辑
calculateSimilarity(showA, showB):
  标题相似度 × 0.3   // string-similarity 库 (Levenshtein + Dice)
  + 日期相似度 × 0.3  // 同天=1.0, 差3天=0.5, 差7天以上=0
  + 城市匹配  × 0.2  // 精确匹配，0或1
  + 场馆匹配  × 0.2  // 语义相似度
  ─────────────────
  综合分数 ≥ 0.7 → 判定为同一场

if (score >= 0.7) {
  // 热度高的作为主演出
  const master = heatA >= heatB ? showA : showB;
  // 子演出标记 master_show_id
  slave.master_show_id = master.id;
  // 合并热度分数
  master.heat_score += slave.heat_score;
  // 取最宽票价范围
  master.min_price = Math.min(priceA, priceB);
  master.max_price = Math.max(priceA, priceB);
}

// 7 类演出按优先级匹配，优先级高的先命中
categoryRules = [
  { type: 'festival', keywords: ['音乐节', '草莓', '迷笛', '电音节'] },
  { type: 'rap',      keywords: ['说唱', 'rap', '嘻哈', 'freestyle'] },
  { type: 'livehouse', keywords: ['livehouse', 'live巡演', '专场'] },
  { type: 'drama',    keywords: ['话剧', '音乐剧', '舞台剧'] },
  { type: 'talk_show', keywords: ['脱口秀', '开放麦', '单口喜剧'] },
  { type: 'concert',  keywords: ['演唱会', '巡回', '个人演唱会'] },
]

输入: "周杰伦2026嘉年华世界巡回演唱会-北京站"
标签: ['热门', '大型']    ← "巡回"/"世界"→热门, "体育场"→大型

输入: "盘尼西林2026巡演北京站"
标签: ['独立']           ← "厂牌"→独立

输入: "新人乐队首场LiveHouse演出"
标签: ['新晋', '独立']   ← "新人"/"首场"→新晋

// 策略 1: 收藏艺人追踪（精准推荐，score=0.9）
用户收藏了周杰伦 → 查找所有周杰伦参与的未结束演出
理由: "你收藏的艺人「周杰伦」有新的演出"

// 策略 2: 内容协同过滤（泛化推荐，score=0.7）
用户收藏过 livehouse 类型 → 推荐同类演出
用户收藏过北京场 → 推荐北京其他演出

// 策略 3: 热门兜底（冷启动，score=0.5）
新用户没有收藏记录 → 直接推热门演出

--bg-primary: #0D0D0D      // 最深背景
--bg-secondary: #1A1A2E    // 卡片/导航
--bg-card: #16213E         // 卡片底色
--accent: #FF2D55          // 强调色（玫红，类似 Apple Music）
--text-primary: #FFFFFF    // 主文字
--text-secondary: #8E8E93  // 次要文字（iOS 风格灰）
--text-tertiary: #636366   // 三级文字

/* 桌面：2 列卡片网格 */
.grid-2 { grid-template-columns: repeat(2, 1fr); }

/* 平板：演出卡片仍然横向但内容更紧凑 */
@media (max-width: 1024px) { ... }

/* 手机：卡片变为竖排（海报在上，信息在下） */
@media (max-width: 600px) {
  .show-card { flex-direction: column; }
  .poster-wrapper { width: 100%; height: 200px; }
}

我: "你是一名拥有15年以上经验的全栈架构师，请直接开发一个完整可运行
的微信小程序项目：演出雷达（ShowRadar），全国演出信息聚合平台..."

CodeBuddy:
  → 分析了需求，自动规划出了 6 大模块、14 张表的设计
  → 30 分钟内生成：
    - database/schema.sql (14张表 + 索引 + 种子数据)
    - backend/ (NestJS 项目骨架 + 全部模块)
    - miniapp/ (微信小程序完整代码)
    - docker/ (Docker Compose 编排)
    - README.md + docs/API.md

我: "启动报错了"

CodeBuddy 自动:
  1. npx nest build → 发现 6 个 TS 错误
  2. 逐个分析: cache-store 类型不兼容、null 赋值给 number、缺失类型包
  3. 修改文件: app.module.ts、shows.entity.ts、collector.service.ts
  4. npm install --save-dev @types/compression @types/morgan
  5. npx nest build → ✅ 0 错误

启动报错: "CrawlerFactory can't resolve DamaiCrawler"

CodeBuddy:
  → 直接定位: CollectorModule.providers 缺少 6 个爬虫
  → 自动补全: providers: [...6个爬虫类...]
  → 重启: ✅ 注入成功

我: "连不上数据库"
CodeBuddy:
  1. netstat 检查 → MySQL 在 0.0.0.0:3306 监听
  2. 发现 .env 里 DB_HOST=localhost → localhost 可能解析到 IPv6
  3. 改为 DB_HOST=127.0.0.1 → 强制 IPv4

之前 .env 里 DB_PASSWORD=showradar123 是 Docker 的
我: "不用 Docker，本地 MySQL，密码是 19980625"

CodeBuddy:
  1. 更新 .env 密码
  2. CREATE DATABASE showradar
  3. 导入 schema.sql (13 张表 + 6 条基础数据)
  4. 一键插入种子数据 (17场演出 + 15艺人 + 13场馆)

启动报 AggregateError ECONNREFUSED

CodeBuddy:
  → 从错误堆栈 trace 到 CacheModule → 是 Redis 连接失败，不是 MySQL
  → 注释掉 .env 中 REDIS_HOST/ REDIS_PORT/ REDIS_PASSWORD
  → CacheModule 自动降级为内存缓存
  → 重启: ✅ 正常

我: "页面打不开"
CodeBuddy:
  → netstat 发现 [::1]:5173 LISTENING（IPv6 only）
  → 杀掉进程，用 --host 参数重启
  → 0.0.0.0:5173 ✅ 同时监听 IPv4/IPv6

vite.config.js 里 target: 'http://localhost:3100' 但后端在 3001

CodeBuddy:
  → 一眼发现 → 改为 3001

我: "为什么乐队都没有图片？"

CodeBuddy:
  → 检查种子数据脚本 → NULL 值
  → 写了 update-images.js，按演出名关键词匹配生成 placeholder URL
  → 一键注入: 17 张海报 + 15 个头像

d:\程序\AI比赛\showradar 在 PowerShell 中被编码成乱码

CodeBuddy:
  → cd 失败 → 换 Set-Location
  → 管道 < 不支持 → 换 cmd /c
  → 长 SQL 内联执行被截断 → 写 .sql 文件再用脚本导入

我: "另一个版本的提示词，同样的系统逻辑你两套融合一下"
CodeBuddy:
  → 对比两个版本的需求差异
  → 保留核心架构不变
  → 吸纳新 Prompt 中的日历热力图、价格区间合并等功能