用 AI 组队开发一个免费文件对比工具

如果你正想学怎么用 AI 做一个完整产品，这篇复盘很适合你。它不讲空泛的「拥抱 AI」，而是一个真实案例：作者用 5 个研发日，让 Gemini 4 和 DeepSeek 分工协作，做出名为 OpenCompare 的开源文件对比工具，平替售价 70 美金的 Beyond Compare（简称 BC）。里面涉及需求Priorities取舍、多模型分工和一笔笔真实的 Token 账单。

一、先聚焦真痛点：好钢用在刀刃上

作者没有闭门造车，而是先让 AI 去抓取 6 个平台的 134 条评论（其中 V2EX 有 118 条），做了一轮「众包选题」。评论区提名重写 Windows 11、SAP、MATLAB 和微信的固然热闹，但呼声最高的实用工具是 BC——大家苦它久矣：Pro 版买断要 70 美金（约 500 元），跨大版本升级还要再交半价；Mac 上的开源替代里，Meld 长期断更卡顿，KDiff3 的界面还停留在二十年前。

AI 还顺带去外网做了盲测，把取消买断、改收 108 美金年费的录屏软件 Screen Studio 也拉进了决赛圈。但经过两轮内部圆桌讨论，作者最终拍板做 BC。这个决定有两个值得学习的判断依据：

• 听劝：兑现评论区最高票，做有确定受众的事；
• 好验收：BC 是零外部依赖的本地工具。做完直接丢进去测试文件夹、冲突代码和乱序表格，机器自己就能跑完桌面实机验收，不需要搭复杂的测试环境和服务器。

二、学会做减法：5 天只死磕 4 个功能

去掉前后准备，写代码加自测只有 5 天。为了不搞出半吊子玩具，作者砍掉了十六进制对比、远端挂载，以及容易误删文件的双向同步，只保留最高频的 4 个场景。这种克制值得每个 AI 项目新手背诵：先做最快解决 80% 问题的那部分。

• 双文件夹极速对比：按文件大小、修改时间和哈希值秒级比对，一键过滤出差异文件；
• 代码双栏对比与三向合并：处理 Git 冲突时，把三方冲突块摆清楚，点一下就能采纳并导出；
• 千行 CSV 按主键列对齐对比：这是普通编辑器内置 Diff 最抓瞎的地方。两份乱序表格，指定一列当主键（比如订单号），就能自动拉齐每一行并高亮改动的单元格；
• JSON / YAML 语义对比：忽略缩进和键顺序产生的噪音。测试机扫个码，还能在手机上直接翻看变更摘要。

三、核心方法论：让 AI 当「主脑 + 员工」

这个项目最有教学价值的部分，是把不同模型当成了一个团队来用：Gemini 4 扮演「高管/主脑」，负责架构设计、圆桌决策和搭建核心对比内核；DeepSeek 扮演「执行员工」，负责抓取评论、外网调研这类体力活。对应的任务流是：抓评论（6 个平台）→ 两波调研 → 两轮内部圆桌 → 图表生成。

对普通学习者的启发是：别把所有活都塞给同一个模型。处理结构化信息和长上下文分析时，可以交给旗舰模型定方案；跑量、抓取、模板化执行的任务，交给更便宜的模型，这才是真正意义上的降本增效。

四、读账单：89.4% 缓存命中率是怎么来的

整个流程跑完，本机共消耗 35.69M Tokens。其中 Gemini 4 消耗 23.19M，DeepSeek 消耗 12.50M，缓存命中率为 89.4%（共命中 31.92M 缓存），实际花费因此控制得很稳。

你可能发现 Gemini 占比偏高，这不是作者偏心旗舰模型，而是踩了一个典型的坑：系统早期有个 bug，派出去的子员工默认继承了主 Agent 的模型配置，导致本该 DeepSeek 干的抓评论、外网调研，全记账到了 Gemini 4 头上。修复后任务才真正分流。这提醒我们：多模型协作的第一步，是先检查各个子任务的模型配置是否真的分流了，否则「降本」只是一句空话。

五、避坑清单：普通人用 AI 做项目的三要三不要

• 要先验证有没有人需要，再动手；不要从零造一个只有自己用的轮子。
• 要用高频场景倒逼功能优先级；不要追求大而全，砍掉高风险低频功能（如误删风险高的双向同步）。
• 要每天记录 Token 消耗并关注缓存命中率；不要忘记检查子任务的模型分流配置。

小结

这个案例最值得普通人复用的，不是「又多了一个开源工具」，而是一套可迁移的 AI 协作工作流：用众包数据选品，用主脑+员工的模型分工提效，用缓存和模型路由控制成本，再用独立验收机制守住质量下限。目前 Gemini 4 已开始搭建桌面端框架与对比内核，项目定名 OpenCompare，后续会带真实代码提交和可运行的窗口继续交付。

本文基于 rss-juejin《70 美金的 Beyond Compare，我让 Gemini 4 和 DeepSeek 造个开源免费版（Day 2）》深度重写，事实与观点归原作者所有。建议阅读原文。原作者：朱涛的自习室。发布于 2026-10-15。