38. 零基础编程实战：用 Claude Code 从 0 做出 AI 视频自动剪辑软件

你可能已经会用 n8n 搭自动化工作流了但总觉得差了点什么——想做的东西超出了现有节点的能力边界，想要一个真正属于自己的定制化软件产品而不只是拼接别人提供的功能模块——想做的东西超出了节点的能力边界，想要一个真正属于自己的软件产品。先别慌，这篇就是从"会连节点"到"能造产品"的跨越起点。

从视频 34 的 n8n 自动剪辑工作流开始翔宇就一直在想一件事：能不能把这套逻辑做成一个真正的软件产品？一个不受 n8n 节点限制的、有完整用户界面的、能部署到云端供多人使用的 Web 应用？这个想法在翔宇脑子里酝酿了大约一个月。促使翔宇最终动手的契机是发现 Claude Code 的能力已经强大到让零基础的人也能构建完整的全栈应用。一个有界面、有配置、能部署到云端的 Web 应用？

三个月前翔宇开始了这个从零到一的实验。用 Claude Code 作为唯一的编程工具从零开始，一行代码都没有手动写过的翔宇，硬是做出了"创剪"——一套完整的 AI 视频自动剪辑 Web 应用。你只需要上传一段原始视频选择一个剪辑风格设置好配音参数，它就自动完成视频分析、旁白生成、配音合成、音画同步，输出一条完整的短视频。整个过程只需要一个 Google Gemini API Key。

这不是一个技巧汇编。翔宇把三个月四千多条对话二十万字的精华浓缩成了一套完整的学习路线图——从心态认知到安装配置，从产品设计到架构规划，从前端开发到部署交付，每个阶段都有对应的 Claude Code 技巧和方法论。

你将学到

• Claude Code 的安装配置与环境搭建（终端选择、状态栏、GitHub SSH）
• 记忆系统的编写规范：个人记忆与项目记忆的最佳实践
• MVP 产品设计思维：从 n8n 工作流到 PRD 的转化方法
• 边界先行开发策略：先做两头（输入/输出），最后做中间（核心逻辑）
• MCP 工具扩展与 Hooks 自动化配置
• Docker 多阶段构建与 Zeabur 一键部署
• 五个核心开发理念：工具观、MVP 先行、边界先行、TDD 驱动、渐进式交付

视频教程

本教程配套视频已发布在 YouTube，建议搭配视频一起学习效果更佳。

详细教程

为什么学习 Claude Code

n8n 和 Claude Code 解决的是完全不同层面的问题。

n8n 是现有服务的连接器——它擅长把现有的 API、工具和服务串联起来，快速搭建自动化工作流。但它有天花板：你只能使用别人提供的节点和功能，无法实现真正的自定义逻辑。

Claude Code 是真正的创造器——它让你能从零开始构建任何你能想到的东西。一个自定义的 Web 应用、一套自动化脚本、一个完整的 SaaS 产品。你不再受限于别人预设的功能边界。

搞懂了这个核心区别后面的学习路径就清晰了：从 n8n 到 Claude Code 本质上是从组装现有组件到从零创造新产品的跨越。这也是翔宇整个教程系列的主线。

一张表看清两者的定位差异：

Claude Code 的核心概念

在动手之前，先搞懂几个关键概念——这些是后续所有操作的基础。

CLAUDE.md 记忆系统

Claude Code 的记忆系统是它区别于普通 AI 对话的核心特性。记忆分两层：

• 个人记忆（~/.claude/CLAUDE.md）：跨项目生效，记录你的偏好、工具链、编程风格。比如"我用 TypeScript、Next.js 和 Tailwind CSS""部署到 Zeabur"
• 项目记忆（项目根目录 CLAUDE.md）：只在当前项目生效，记录项目架构、技术栈、开发规范

好的记忆文件能让 Claude Code 在每次新对话中都"记住"你是谁、项目是什么、代码风格怎样。翔宇的经验是：花在写记忆文件上的时间，每一分钟都能省回十倍的沟通成本。

翔宇在这里深入讲一下记忆系统的最佳实践。很多新手写记忆文件时犯的最大错误是写得太笼统——比如只写一句"我喜欢简洁的代码"。这种模糊的指令几乎不会改变 Claude Code 的行为。有效的记忆文件应该包含具体的技术栈选择（"前端用 Next.js + TypeScript + Tailwind CSS"）、明确的代码规范（"函数不超过二十行""禁止使用 any 类型"）、项目的文件结构约定（"组件放在 components 目录下按功能分子目录"）。翔宇的个人记忆文件经过几十次迭代已经积累了几千字的精确指令，Claude Code 现在几乎不需要额外沟通就能写出符合翔宇编程风格的代码。

2026 年初 Claude Code 的一个标志性数据是：它已经参与了全球百分之四的 GitHub 提交。Anthropic 内部团队每个工程师每天能用 Claude Code 完成十到三十个拉取请求。据报道 Spotify 的工程团队从 2025 年十二月起就没有手动写过代码。这些数据说明 Claude Code 不是一个玩具工具，而是已经在真实的企业级开发中证明了自己的生产力。对于零基础用户来说，这意味着你选择了一个经过大规模验证的平台——学习的投入不会被浪费。

翔宇还要强调一点：Claude Code 和传统的代码编辑器辅助工具有本质的区别。GitHub Copilot 是逐行的代码补全工具，Cursor 是对话式的代码编辑工具，而 Claude Code 是一个能独立完成完整功能开发的 AI 工程师。它能自主导航代码库、理解文件间的依赖关系、执行终端命令、运行测试、甚至帮你部署应用。这种自主性意味着你不需要逐行指导它，只需要清晰地描述你想要的结果。

MCP（Model Context Protocol）

MCP 是 Claude Code 的"工具箱扩展接口"。通过 MCP，你可以给 Claude Code 接入各种外部工具：浏览器控制、GitHub 操作、数据库查询、文件搜索等。就像给一台电脑装驱动——装了之后 Claude Code 就能"看到"和"操作"更多东西。

Hooks 自动化

Hooks 让你在特定事件发生时自动触发脚本。比如每次 Claude Code 生成代码后自动运行格式化工具或者每次提交前自动跑测试。翔宇在创剪项目中配置了三个 Hooks：代码生成后自动运行 ESLint 格式化、提交前自动运行 TypeScript 类型检查、每次会话结束后自动更新项目文档。这些自动化的质量保障机制让翔宇几乎不需要手动处理代码格式和类型错误大幅提升了开发效率。Hooks 的配置方式是在项目的 settings.json 文件中定义具体的触发事件和对应的脚本命令。

创剪项目架构

创剪是一个全栈 Web 应用，技术栈包括 Next.js（前端）、TypeScript（语言）、Gemini API（视频分析和旁白生成）、Fish Audio / 微软 TTS（配音）、FFmpeg（音视频处理）。

核心功能模块：

• 任务管理：创建、查看、管理所有剪辑任务
• 风格系统：预置 20+ 剪辑风格，支持自定义创建（包括从爆款短视频一键复刻提示词）
• 模型配置：Gemini 模型选择、采样参数、分辨率设置
• 配音设置：Fish Audio（20 万音色库）和微软 TTS（免费方案）双引擎
• 剪辑引擎：支持单视频剪辑和多视频混剪两种模式
• 系统设置：并发数、批处理量、字幕开关等精细控制

五个核心开发理念

这些理念是翔宇三个月密集实战中总结出来的核心方法论，适用于任何用 AI 辅助编程的场景：

理念一：工具观。 Claude Code 不是程序员的替代品，而是一个能力放大器。你需要告诉它"做什么"和"为什么"，它来解决"怎么做"。你的思考和判断能力决定了产出的上限。

理念二：MVP 先行。 不要试图一次做出完美的产品。先做一个能跑通核心流程的最小可用版本，再逐步迭代。创剪的第一个版本只能处理一种风格的短视频，但证明了整个技术路径是可行的。

理念三：边界先行。 先做输入和输出两端——表单页面和结果展示页面，最后再做中间的核心处理逻辑。搞懂了输入输出的规范，核心逻辑写起来就顺理成章了，返工大幅减少。

理念四：TDD 驱动。 写核心逻辑之前先写测试用例。告诉 Claude Code"我期望输入 X 得到输出 Y"，它会自动写出满足测试的代码。测试用例就是最好的需求文档。

理念五：渐进式交付。 每个功能做完就部署一次，在真实环境中验证。不要等到所有功能都做完再部署——那时候积累的问题会让你崩溃。

翔宇在这里展开讲一下这五个理念的实际运用。以创剪项目为例，翔宇没有一上来就试图做一个完整的视频剪辑工具，而是先做了一个最简单的版本——输入一段视频加一个提示词输出一段配了旁白的短视频。这个 MVP 版本只花了一周时间就跑通了。确认技术路径可行之后，翔宇才开始逐步添加风格系统、多模型支持、批量处理等高级功能。每添加一个功能就部署一次让真实用户测试——用户反馈帮助翔宇快速发现了很多在开发环境中没有暴露的问题。

边界先行这个理念是翔宇在踩了很多坑之后总结出来的。最常见的错误是先做核心处理逻辑——比如视频分析和旁白生成——然后才做输入表单和结果展示页面。这种做法的问题是：当你做到输入表单时才发现核心逻辑的接口和前端的需求对不上需要大量返工。翔宇的做法是先做一个完整的输入表单定义清楚用户能填哪些参数，再做一个结果展示页面定义清楚输出应该长什么样。有了明确的输入输出规范，中间的核心逻辑实现起来就顺理成章了。

TDD 驱动在 AI 编程场景下有一个独特的优势：测试用例本身就是最好的需求文档。当你告诉 Claude Code 输入这段视频应该输出一段六个分镜的旁白脚本时你同时定义了需求和验收标准。Claude Code 会自动写出满足这个测试的代码，而你只需要运行测试确认通过即可。这种工作方式让零基础的你也能写出质量可靠的代码。

开发环境搭建指南

翔宇实测过多种配置，推荐以下组合：

翔宇补充一个选工具的心得：很多初学者在 VS Code 和终端之间纠结。翔宇的建议是两者配合使用——终端中运行 Claude Code 进行主要的对话和代码生成，VS Code 用来浏览文件结构和做手动微调。Claude Code 现在也支持 VS Code 扩展，安装后可以在编辑器内直接调用。翔宇日常开发中大约百分之七十的时间在终端的 Claude Code 中，百分之三十在 VS Code 中浏览和审查代码。Claude Code 还支持在浏览器中运行的远程模式，你可以在手机上发起一个任务然后在电脑上查看结果。

安装步骤（3 分钟搞定）：

1. 注册 Claude Max 订阅（$200/月，包含 Claude Code 使用额度）
2. 终端执行 npm install -g @anthropic-ai/claude-code
3. 在项目目录执行 claude 启动
4. 首次使用会弹出浏览器认证，完成后即可开始

提示词复刻功能

创剪有一个很实用的功能：从爆款短视频一键复刻剪辑风格。

操作流程非常简单——找一条你喜欢的短视频，把字幕复制出来，连同视频一起发给 Gemini，让它分析旁白风格、节奏特征和叙事结构，输出一套完整的剪辑提示词。把这套提示词保存为创剪的自定义风格，以后就能批量生成同风格的视频。

我测试了舌尖上的中国、财经口播、短剧混剪、带货广告等多种场景，都能比较好地复现原始风格。

成本与效率

单条视频的生产成本：使用 Gemini 2.5 Flash + Fish Audio，一条 6 分镜的短视频约 0.08-0.2 美元。如果用微软 TTS（文字转语音） 替代 Fish Audio，成本几乎为零。

对于批量生产场景——比如 10 个抖音账号的内容矩阵——创剪的 Web 应用可以部署到多台服务器上并行处理，成本和效率都远优于 n8n 工作流方案。

成本对比表：

效果展示

创剪的实际产出覆盖了多种内容类型：

• 美食纪录片：舌尖上的米线、舌尖上的广州——纪录片质感的配音和画面节奏
• 短剧混剪：从一集短剧中自动提取精华片段，重新编排叙事
• 财经口播：SpaceX 上市新闻——快节奏的信息密度，模仿知名财经博主风格
• 带货广告：庐山西海橘子、猪油、青岛啤酒、酱油——无声产品视频自动配上种草旁白
• 动画混剪：坏蛋联盟等动画片段的趣味解说
• 访谈类：保留原声关键片段 + AI 补充解说

效果展示详见：创剪测试效果页面

常见问题

Q：零基础真的能学会吗？
这套教程的定位就是零基础。你不需要懂任何编程语言、不需要懂前端框架、不需要懂服务器部署和运维。Claude Code 会处理所有的代码编写——你需要做的是学会如何清晰地描述需求、如何拆解任务、如何验证结果。

Q：Claude Code 的订阅费用是多少？
Claude Max 订阅每月 200 美元，包含 Claude Code 的使用额度。对于有开发需求的个人开发者来说这个投入可以在几天内通过大幅提高开发效率和产品质量收回。截至 2026 年初，Claude Code 已经参与了全球 4% 的 GitHub 提交——这个数字说明了它的实用价值。

Q：创剪的源代码能获取吗？
完整源代码、命令速查手册、实战心得指南和二次开发起点，都包含在 AI 编程实操课中。购买后可以直接在你的基础上二次开发。

Q：Claude Code 和 Cursor、GitHub Copilot 有什么区别？

简单说：Copilot 是「自动补全」，Cursor 是「对话式编辑」，Claude Code 是「AI 工程师」。能力层级完全不同。

Q：学会了 Claude Code 能做什么项目？
任何你能清晰描述需求的项目都可以做。翔宇和社群成员已经用 Claude Code 做出了：SEO 工具、内容管理系统、数据分析仪表盘、电商产品页生成器、自动化邮件系统、个人博客、SaaS 订阅平台等。限制你的不是编程能力，而是产品思维和需求描述能力。翔宇社群里有一位完全没有编程背景的室内设计师用 Claude Code 做了一个户型图自动标注工具现在已经在他的设计公司内部使用。还有一位外贸从业者做了一个多语言产品描述生成器大幅提升了上新效率。这些案例说明 Claude Code 的应用范围远超传统编程——它正在成为各行各业提升效率的通用工具。

常见误区和心态调整

翔宇在教零基础学员使用 Claude Code 的过程中发现了几个常见的心态误区。第一个误区是"我不懂代码所以学不会"。实际上 Claude Code 的核心能力是把你的自然语言需求翻译成代码——你需要的不是编程技能而是清晰描述需求的能力。翔宇社群里有不少完全没有编程背景的成员用 Claude Code 做出了 SEO 工具、内容管理系统和电商产品页生成器。

第二个误区是"AI 写的代码不靠谱"。Claude Code 生成的代码确实需要验证，但它的准确率已经远超大多数人的预期。翔宇的经验是超过百分之八十的 Claude Code 输出不需要手动修改就能直接运行。剩下百分之二十的问题通常只需要一两轮对话就能修复。关键是养成"生成-测试-修复"的循环习惯而不是期望 AI 一次完美。

第三个误区是"我应该先学完所有概念再开始动手"。翔宇的建议恰恰相反——先动手再补理论。你不需要理解 React 的虚拟 DOM 原理才能用 Claude Code 做出一个 React 应用。在实际项目中遇到问题时再去学相关概念，学习效果比提前看教程好十倍。

翔宇在教学中反复强调的核心信息是：AI 编程时代决定你能做出什么的不是技术能力而是产品思维和需求描述能力。你能清晰地描述一个产品应该长什么样、做什么事、给谁用，Claude Code 就能帮你实现它。这种从"技术驱动"到"需求驱动"的范式转变是 AI 编程时代最重要的认知升级。

到了这里

从 n8n 到 Claude Code，你已经看到了一条完整的路径：从"工作流组装"到"软件产品创造"的跨越。创剪项目证明了一件事——在 AI 编程时代，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。

这不是终点。创剪只是一个开始——掌握了 Claude Code 的方法论，你可以把它应用到任何你想做的项目上。一个 SEO 工具、一个内容管理系统、一个数据分析平台，只要你能清晰地描述需求，Claude Code 就能帮你实现。

下一站：我们将用 5 个 Skill 打造一套 Twitter 自动化流水线，展示 Claude Code 在自动化工作流编排领域的另一种可能性。

下一步

• AI 编程实操课：国内版-FlowUS | 国际版-BMC
• YouTube 频道：翔宇工作流