使用vscode、Roo Code和deepseek-reasoner进行了一个实验，尝试使用一句话需求来生成小红书封面图片。工具根据需求提供了详细的架构方案，包括技术栈选择、核心模块划分、目录结构建议等。然后，工具自动化地完成了开发和测试，并记录了详细的逻辑和使用方式在Readme文件中。实验结果表明，工具能够生成小红书封面图片，但需要进一步调整和完善，作者认为，这次实验对于小白来说已经很不错了，价格也不算贵。未来可以继续完善和优化工具来生成更实用的封面图片。

最近在探索一些有趣的AI工具组合，就用vscode搭配Roo Code （以前叫Roo Cline）和deepseek-reasoner（DeepSeek-R1）做了个小实验，看看能不能用一句话需求实现一些有意思的功能。

要开始实验，首先得把工具准备好。在vscode的插件市场搜索“Roo Code”，然后安装就行，安装过程挺简单的，很快就能搞定。

安装完插件，接着就是配置Roo Code 。配置步骤按照提示一步步来，也不算复杂。我配置了DeepSeek，选择deepseek-reasoner作为默认的模型

需要了解到模型的相关信息和价格，可以看看官方说明：https://api-docs.deepseek.com/zh-cn/quick_start/pricing/ 。

• 我给工具提的需求很简单，就是一句话需求：我想做一个小红书封面图片自动生成的本地工具，提供几种字体和图片模板，生成大字封面图片，你有什么建议么？

• 工具开始分析我的需求，从技术栈选择、核心模块划分，到目录结构建议，都给出了详细的思路。比如技术栈方面，推荐了Python的Pillow/OpenCV 、Node.js的Sharp/Jimp等图像处理库；核心模块划分成模板管理、字体管理、渲染引擎和输出模块；目录结构也给出了像templates、fonts、assets这些建议。还考虑到了字体版权、图片分辨率适配等关键设计点，以及安全和扩展性方面的问题。当然，我是什么都不懂的。

• 根据我的选择，工具基于Python技术栈开始构建详细架构方案，确定了Pillow、PyYAML等核心依赖，还给出了架构优化点、异常处理策略和扩展接口设计。以下是一些AI跟我的沟通交互过程记录：

这是我确认使用Python之后的答复

• 接下来就是自动化的Coding，在操作的过程，我把Auto-approve全部勾选上，让工具自动发挥作用。
  
• 然后一顿自动操作，需要我确认的就点一下，完成开发，并且它已经帮我做了测试。
  
• 为了以后使用方便，我让工具把详细的逻辑和使用方式记录在Readme文件里，为了节约篇幅、省略展示，以下是文件的主要内容提炼，可以说想的还是很周全了。

• 我马上进行了测试，默认的模板图片就是一张白色的图片，结果发现生成的图片文字没显示出来。
  
• 后来我替换了一个电脑本地的黑色字体，测试就成功了，默认模板是一张白色的图片。我想着后面只要在yaml文件里调整一下字体的坐标、布局，再用AI生成图片的工具做几个图片模板，应该就能正常使用了。
  

当然这个token数量不只是这个小实验产生的，姑且粗略计算一下

然后我把这张图和官方的价格表格的图丢给豆包帮我计算了一下，我比较懒，没有人工核对。
2025 年 1 月 25 日使用 deepseek - reasoner 的费用约为 0.89 元。