四千条对话，一行代码没写，我用 Claude Code 从零攒出一个软件

事情是这样的。三个月前我开始做一个实验，把 Claude Code 当成唯一的编程工具，从零做一套 AI 视频自动剪辑的 Web 应用，代号创剪。上传一段原始视频，选一个剪辑风格，设好配音参数，它自己完成视频分析、旁白撰写、配音合成、音画对齐，吐出一条能直接发布的短视频，全程只需要一个 Gemini API Key。

三个月下来，四千多条对话，二十多万字的沟通记录，我一行代码都没有手写过，这个应用每天在真实环境里跑。

我不是程序员，没背过一行语法。这篇就是把这三个月的路线摊开给你看，从心态到安装，从产品设计到部署交付，每一步怎么做、哪里容易翻车，全在下面。

先分清，你是要连节点还是要造东西

很多人已经会用 n8n 搭自动化工作流，但总觉得差了点什么，想做的事情超出了现有节点的能力边界。这个坎我太熟了。

n8n 这类平台和 Claude Code 干的不是一层的事。n8n 是连接器，擅长把现成的 API 和服务串联起来，快速搭一条流水线，但它有天花板，你只能用别人提供的节点，节点之外的逻辑就没辙。Claude Code 是另一个物种，它让你从零造东西，一个带界面的 Web 应用、一套脚本、一个完整的 SaaS，产出不再受限于别人预设的功能边界。

代码辅助工具的层级也得摆清楚。GitHub Copilot 是逐行补全，Cursor 是对话式编辑，Claude Code 是能独立交付完整功能的 AI 工程师，自己导航代码库、理解文件依赖、跑终端命令、执行测试，一路做到部署。你不用逐行教它，把想要的结果说清楚就够了。

拿不准值不值得投入的，看一个数字。到 2026 年初，Claude Code 已经参与了全球 4% 的 GitHub 提交，Anthropic 内部每个工程师每天用它完成十到三十个拉取请求，据报道 Spotify 的工程团队从 2025 年 12 月起就没再手动写过代码。这不是玩具，是已经被大规模验证过的生产力平台，学习投入不会打水漂。

记忆文件是第一个该练的基本功

装好工具别急着让它写代码，第一件事是写记忆文件，这是 Claude Code 区别于普通 AI 对话的核心机制。

记忆分两层。个人记忆放在用户目录的 CLAUDE.md 里，跨项目生效，记录你的技术栈和偏好，比如前端用 Next.js 加 TypeScript 加 Tailwind CSS，部署走 Zeabur。项目记忆放在项目根目录的 CLAUDE.md 里，只管当前项目，记录架构、规范和文件结构约定。

新手最容易犯的错是写得太笼统，一句「我喜欢简洁的代码」，这种模糊指令几乎不会改变它的行为。有效的写法要有具体的技术栈声明、明确的代码规范（函数不超过二十行、禁用 any 类型）和项目结构约定（组件放 components 目录按功能分子目录）。记忆文件写到位，它在每次新对话里都记得你是谁、项目是什么、代码该长什么样。

老雷提个醒，记忆文件不是一次写完的东西。我们这份文件迭代了几十轮，积累了几千字的精确指令，现在每开一个新对话，它几乎不需要额外沟通就能写出符合我们风格的代码。

花在记忆文件上的每一分钟，都会以十倍的沟通成本省回来。

顺带把两个扩展机制记在脑子里。MCP 是工具箱扩展接口，装上之后 Claude Code 能操控浏览器、操作 GitHub、查数据库，就像给电脑装驱动。Hooks 是事件自动化，在特定节点自动触发脚本，创剪里配了三个，代码生成后自动跑 ESLint 格式化，提交前自动跑 TypeScript 类型检查，每次会话结束自动更新项目文档。这两项属于上手之后的进阶配置，先知道有这回事就行。

五个开发理念，一个比一个省返工

这五条是三个月里反复验证过的方法论，放在任何 AI 编程场景都成立。

头一条，工具观。Claude Code 不是来替代你的，是能力放大器，你负责说清「做什么」和「为什么」，它解决「怎么做」，你的思考和判断力决定产出上限。

第二条，MVP 先行。别想一步做出完美产品。创剪的第一版一周就跑通了，只能处理一种风格的短视频，但它证明了整条技术路径可行，后面才敢往上加风格系统、多引擎配音和批量混剪。

第三条，边界先行，这条最值钱。先做输入和输出两端，把输入表单里用户能填什么参数、结果页面该长什么样钉死，收尾才啃中间的核心处理逻辑。最常见的翻车姿势是反过来，核心逻辑吭哧吭哧写完，做表单时才发现接口跟前端对不上，大片返工。

第四条，TDD 驱动。写核心逻辑之前先写测试用例，告诉它「输入这段视频，期望输出一段六分镜的旁白脚本」，需求文档和验收标准一句话全定了，它会自动写出满足测试的代码，你只要跑一遍测试确认通过。

测试用例就是最好的需求文档，这句话让零基础的人也能交付质量可靠的代码。

第五条，渐进式交付。每个功能做完就部署一次，在真实环境里验证。别攒，攒着攒着问题就滚成雪球，能把人逼疯。创剪每加一个功能就部署一次，真实用户帮我们在开发环境里揪出了好几个藏得深的问题。

环境一次配到位，别在工具上纠结

实测下来顺手的组合是这样的。终端用 iTerm2 或者 Windows Terminal，编辑器用 VS Code 加官方 Claude Code 扩展，Node.js 选 20 LTS，包管理用 pnpm，版本控制配好 Git 加 GitHub SSH，部署交给 Zeabur 或 Vercel 这种一键平台，免运维。

安装本身只要三步。注册 Claude Max 订阅（每月 200 美元，含 Claude Code 使用额度），终端里跑 npm install -g @anthropic-ai/claude-code，然后到项目目录敲 claude，首次使用会弹浏览器认证，完成后直接开工。

初学者常在终端和编辑器之间纠结，老雷的建议是别选，配合着用。我大约七成时间泡在终端的 Claude Code 对话里，三成时间在 VS Code 里翻文件结构、审查和微调代码。另外它还支持浏览器里的远程模式，手机上发起任务，回电脑上看结果。

成本账要算清，三个心态坑要绕开

先报实测成本。单条六分镜短视频，Gemini 2.5 Flash 加 Fish Audio 配音，大约 0.08 到 0.2 美元；配音换成微软 TTS，成本几乎归零。对比原来的 n8n 工作流方案，单条约 0.15 美元、日产一二十条，创剪用 Flash 加微软 TTS 能把单条压到约 0.01 美元、日产 100 条以上，做内容矩阵的账怎么算都是自建应用更划算，多台服务器并行部署也没有额外门槛。

产出的面也够宽，我们实测过美食纪录片质感的旁白混剪、短剧精华重排、财经口播、无声带货视频自动配种草旁白、动画解说，访谈类内容走保留原声关键片段加 AI 补充解说，同一套引擎全覆盖。有个功能单独说，把一条爆款视频和它的字幕一起丢给 Gemini，让它分析旁白风格、节奏特征和叙事结构，输出一套完整剪辑提示词，存成自定义风格之后就能批量复刻同款。我们拿美食纪录片、财经口播、短剧混剪这些场景测过，复现度都拿得出手。

心态上有三个坑，栽进去的人最多。

头一个是「我不懂代码所以学不会」。恰恰反了，你要补的不是编程，是把需求说清楚的能力。有位从没碰过代码的室内设计师，用 Claude Code 做了一个户型图自动标注工具，现在在设计公司里天天用，这样的案例在社区里已经不算新鲜事。

第二个是「AI 写的代码不靠谱」。实测八成以上的输出不需要手动修改就能直接跑，剩下的两成基本一两轮对话就能修完，关键是养成生成、测试、修复的循环习惯，别指望它一次完美。

第三个是「先学完所有概念再动手」。顺序反了，不懂 React 虚拟 DOM 的原理，一点都不妨碍你用 Claude Code 做出 React 应用。在实际项目里碰到问题再回去补概念，学习效率比提前啃教程高一个量级。

三个月跑下来，我最深的感受是，决定你能做出什么的不是编程技能，而是产品思维和需求描述能力。你能把一个产品长什么样、做什么事、给谁用讲清楚，Claude Code 就能把它造出来。

下一步动作很简单，装好环境，花一个下午把记忆文件写扎实，然后挑一个你自己天天重复做的小工具当第一个项目，第一版只求核心流程跑通。跑通了再谈迭代，这条路线走顺了，从工作流组装到产品创造的坎，就算迈过去了。这也是老雷AI实验室一直在推的事，让 AI 的能力真正落成你手里能用的产品。