一位开发者用三种语言开发 WordPress AI 插件，踩了 12 个坑 — AI 应用开发的瓶颈不在模型，在工程工具链。

这是什么

这篇来自掘金的文章记录了一位开发者从零开发 WordPress AI 图片生成插件的全过程。需求听起来简单：用户在后台输入提示词，调用自建 Stable Diffusion（一个开源 AI 图片生成模型）API 生成图片，自动存入媒体库。但实现跨越了三个语言（TypeScript + PHP + Python）、两个框架（React + WordPress REST API）、一个 AI 推理引擎。

12 个坑覆盖全链路：Webpack 不打包未被 import 的 CSS、WordPress npm 包缺 TypeScript 类型声明、API 路径被双重拼接、Python 3.13 与 AI 库不兼容、diffusers 和 transformers 版本冲突、CUDA 驱动过旧导致 PyTorch 无法识别 GPU……几乎每一步都在跟工具链较劲，而不是跟 AI 较劲。

行业怎么看

我们注意到一个判断正在被反复验证：AI 应用开发目前最大的摩擦不是「模型不会」，而是「工具链不配合」。这位开发者的经历是典型样本 — 12 个坑里没有一个源于模型能力不足，全是工程集成问题。

但反对声音同样值得我们关心。有从业者指出，这类文章容易让人高估 AI 开发的难度。WordPress + 自建推理服务本身就是高难度组合，如果用现成 API（如 OpenAI、Replicate），工程复杂度会大幅降低。自建 Stable Diffusion 是极客路线，不代表普通开发者的真实体验。

另一个风险：这类踩坑文具有时效性。Python 3.13 兼容问题半年后可能消失，diffusers 版本冲突也会被修复。但 AI 生态整体更新速度远快于传统 Web 生态 — 旧坑刚填平，新坑可能已经挖好。

对普通人的影响

对企业 IT：AI 功能集成的隐性成本被低估。一个「简单」的 AI 功能，可能需要前端、后端、AI 工程三组人协作，工具链不成熟意味着排错时间远超预期。

对个人职场：能跨端排错的全栈 AI 开发者目前稀缺。但这个窗口期不会太长 — 工具链成熟后，这类能力会从核心技能降级为基础技能。

对消费市场：短期内 AI 功能在传统软件中的体验会参差不齐，底层集成质量差异巨大。用户遇到 bug 时，问题可能不在产品本身，而在 AI 工具链。