小朋友即将放寒假了，意味着春节就不远了。在我们湖北老家，当我还是学生的时候，每年临近春节，写春联、贴春联和对春联是读书人一件乐事。

如今，老牛同学早已不是读书人，但还是怀念那时快乐时光，因此想在春节前撸一个“对联王”微信小程序，专门用于创作春联和对春联。

上次零经验的我们，借助 Cursor 写了一个“节拍器”小程序，本次我们来用免费的 Cline 插件，辅助完成“对联王”微信小程序编程。下面是已发布的小程序，欢迎大家来体验：

【对联王微信小程序】

大家也可以在微信中搜索“老牛同学”找到“对联王”小程序：

同时，本次借助 Cline 插件完成的“对联王”小程序的演示录屏如下：

【对联王演示视频，请到公众号或视频号查看】

接下来，老牛同学就把 Cline 插件的使用主要过程，与大家分享。

1. Cline 与 Cursor 区别

老牛同学根据自己编写 2 个小程序页面的经验，先说说两者的区别、使用感受和建议：

• 工具形态：Cline 是一个 VS Code 插件，在 VS Code 直接安装或卸载，无需注册即可使用，灵活方便；而 Cursor 则是一个专门的 IDE，需要单独下载并安装，还需要用户注册和登陆方可使用，稍微笨重一些。
• 费用：Cline 是开源免费的插件（https://github.com/cline/cline）；而 Cursor 则是闭源的，且是收费的，它为新注册用户提供 2 周 2000 次调用的免费试用期。
• 支持的大模型：Cline 支持多种大模型，只需要兼容 OpenAI 接口规范且支持 Stream 流式输出即可，比如 Qwen 大模型；而 Cursor 内置了几种大模型，对兼容模型的支持并不很友好，比如总是有一些警告等。
• 功能和体验：两者在功能上感觉差不太多，Cline 在请求上下文、文件 Diff 比较界面稍逊 Cursor 一筹，但其实对编程影响并不大，总体来说 Cursor 体验上更优一点。

总体体感：这 2 个工具的功能都差不多，那么它对我们的实际帮助，其实还是依赖于底层大模型的能力，好马还得配好鞍。老牛同学之前常用 Continue 插件，在体验上，感觉 Cline 有点像增强版的 Continue 插件，只是它额外提供了文件生成、差异比对、系统调用的能力。在“对联王”小程序的整个研发过程中，老牛同学其实同时使用了这 2 个插件。

• Cline 主要用于页面框架搭建、页面主要元素的布局、小程序主要逻辑代码等生成。
• Continue 则用于细节部分调优，主要是对 Cline 生成的代码进行微调，比如：右下角“收藏夹”悬浮按钮的上下移动细节逻辑、悬浮按钮最后移动位置存储等逻辑。

使用建议：如果大家预算充裕，且使用比较频繁，建议直接上付费的 Cursor IDE（20 美元每月和 40 美元每人每月两种收费价格）；如果使用免费的 Cline，建议搭配 Continue 一起使用。

关于 Continue 的使用教程，可以参考老牛同学之前文章：Code Copilot 和使用教程

2. Cline 插件配置

安装插件

安装好 VS Code 软件之后，Cline 插件安装就比较简单了，搜索“Cline”安装即可：

安装成功之后，我们可以看到再左侧有个“机器人”的小图标。

配置插件

首次点击安装好的 Cline 插件图标，或者后续点击 Cline 插件的齿轮状的配置按钮，均可进入配置页面：

几个配置项比较简单，其中API Provider如果选择的是OpenAI Compatible，则需要保证接口符合 OpenAI 规范且支持 Stream 流式输出。

其他配置

• 微信开发者工具：和上次“节拍器”小程序一样，我们需要下载微信开发者工具，用于实时预览和调试小程序，确保代码可以在微信环境中正常运行。

官方下载链接

• Continue 插件：关于插件的配置和详细使用方法，可以参考老牛同学之前文章。

使用 Llama3/Qwen2 等开源大模型，部署团队私有化 Code Copilot 和使用教程

3. “对联王”实战

准备就绪，现在，让我们一起探索如何利用 AI 的力量来加速开发进程，让基本零经验的新书也能开发一个小程序等应用。

打开 Chat 面板，输入精心设计的 Prompt 提示词。以下是老牛同学首次尝试时所用的提示内容：

在春节活动中，创作对联或者对对联是一项有趣的活动：请帮忙研发一个名为“对联王”的微信小程序页面，文件名为"couplet"，目录为“pages/couplet”，实现以下功能：
1. 用户输入上联，或者用户输入创意，回车或点击发送按钮，生成下联或者创作一副对联
2. 回车后的函数名为`sendMessage`，这个函数逻辑由用户实现
3. 整个页面的布局与微信App的聊天界面一致，布局如下：
 - 用户输入的消息，头像在右边
 - API返回的消息，头像在左边
 - 每一条消息的下面，均展示收藏、复制和删除操作按钮，同时展示消息的时间，时间格式为`小时:分钟:秒钟`，如`12:07:05`。

提交后，等待 Cline 生成代码文件（一般为 3 个文件），对于每个文件代码差异，我们可以选择“Save”接受或者“Reject”操作。

之后，我们切换回微信开发者工具界面，默认会自动刷新，或者按Ctrl + r强制刷新页面，即可查看最新的页面效果。

• 如果页面布局和我们期望差异较大，那么我们继续使用 Cline 插件生成代码
• 如果页面布局和我们期望差不多，需要进行局部微调，就可以使用 Continue 插件进行部分调整

不断迭代上述过程，直到小程序完全符合预期为止。

由于提示老牛同学提示词太多了，后面调整的提示词没有保存，就不一一展示了，期望大家均能快速研发出满意的小程序。

4. 结语

最后，当我们使用外部 API 服务时，对于涉及敏感数据或有较高保密需求的项目，请务必注意保护用户隐私和数据安全。

通过上述步骤，即使是没有专业背景的人也能轻松上手，借助现代 AI 工具的力量，快速且高效地开发出属于自己的微信小程序。

Transformers 框架序列：

01.包和对象加载中的设计巧思与实用技巧

02.AutoModel 初始化及 Qwen2.5 模型加载全流程

03.Qwen2.5 大模型的 AutoTokenizer 技术细节

04.Qwen2.5/GPT 分词流程与 BPE 分词算法技术细节详解

05.嵌入（Embedding）机制和 Word2Vec 实战

06.位置嵌入（Positional Embedding）

Pipeline NLP 任务序列：

零·概述 丨 01.文本转音频 丨 02.文本分类 丨 03.词元分类和命名实体识别 丨 04.问答 丨 05.表格问答 | 06.填充蒙版

往期推荐文章：

使用Cursor + Qwen2.5 大模型 零经验研发微信小程序：自由构建个性化节拍器应用实战

Bolt.new 用一句话快速构建全栈应用：本地部署与应用实战（Ollama/Qwen2.5 等）

基于 Qwen2.5-Coder 模型和 CrewAI 多智能体框架，实现智能编程系统的实战教程

vLLM CPU 和 GPU 模式署和推理 Qwen2 等大语言模型详细教程

基于 Qwen2/Lllama3 等大模型，部署团队私有化 RAG 知识库系统的详细教程（Docker+AnythingLLM）

使用 Llama3/Qwen2 等开源大模型，部署团队私有化 Code Copilot 和使用教程

基于 Qwen2 大模型微调技术详细教程（LoRA 参数高效微调和 SwanLab 可视化监控）

ChatTTS 长音频合成和本地部署 2 种方式，让你的“儿童绘本”发声的实战教程

本文作者：奔跑的蜗牛，转载请注明原文链接：https://ntopic.cn