这不是炒作——Claude Code证明未来已然到来

Claude Code 一直在运行......一直在运行......一直在运行......

完成耗时941秒(即15分钟)!

它在一次请求中还处理了37400个词元。让我们来直观地感受一下:

那个提示的长度是《了不起的盖茨比》的一半

它不仅耗时很长,还一举颠覆了我对网站的整体规划,比我想象的要好得多。

为什么这是一个转折点?

我一直都在想着AI27。如果你还没去了解过,就应该去看看。

此图是对我们可以预期的进展的预测来源

对我来说,这个提示有趣的地方在于,这个网站去年就预测到我们会走到这一步。它预测到我们的智能体(agents)会自行处理任务并把它们做好。

我去年写过关于这个的文章,当时我们还没有Cursor,所以他们的预测在我看来完全是疯了。

这也是一个不错的网站:来源

那我为什么会如此印象深刻呢?

正式宣布,我现在已经到了这个阶段:我可以向Claude Code发出指令,然后放心地让它自行运行,之后我再回来查看结果。

对我来说,那个时刻就是我只提了一个请求,它就准确理解了我的需求。不仅如此,它完成得比我想象的还要好得多。

那我做了什么呢?

我已经研究规划提示很长时间了。不过,制定典型的MVP计划存在一个问题,那就是你会得到很多这样的情况:

  • 时间线估算(冗余)

  • 随机的技术栈臃肿(例如它需要基于NextJS之类的)

我发现输出结果呈现出这种奇怪的模式,它似乎压缩了我真正想要的内容,并且对深度的关注不够。

那么我是如何改变这一点的呢?

我不想一次性在一个文件里规划整个网站,而是想看看是否真的能让它做到以下几点:

  • 以Markdown文件形式为整个网站制定一个计划

  • 然后为每个单独的页面在各自的 Markdown 文件中制定计划

我就是这样让它冒泡15分钟的。

抱歉,我不得不对这段内容进行审查,因为我将其用于一个实际项目,实在懒得再花15分钟运行另一个提示了。

它会创建一系列Markdown文件

该截图显示了它生成的所有文件。

这些页面非常全面、完整且信息丰富,这一点很棒。它们清晰地说明了AI在构建事物时需要做什么。

接着,更疯狂的事情发生了

我刚说很酷,现在就去做,然后......

看,我们现在已经到了1200秒,33000个词元

没错,你猜对了------它做到了。

30分钟,2次请求,我的整个项目就搭建好了。

这简直太疯狂了。我们正生活在未来。

我想总结一下这有多疯狂,这样我们就能清楚了:

  1. 我最初提供了15个Markdown文件的上下文。

  2. 它收集了所有这些信息,并成功为每一个页面制定出完美的计划

  3. 它在一个请求中完成了上述操作

  4. 然后在另一个请求中实现了所有内容

  5. 老实说,我在两次提示中都没写得很好,只是用简单的英语写了一下。

我在意的不只是长度,还有质量。就好像成品完全不需要我再做任何处理。

现在有一些注意事项:

  1. 这个网站特别轻后端,只有几个基本的CRUD屏幕。

  2. 这个网站具有战略性,所以我所寻求的答案是开放性的。

但我认为这并不影响这里的要点。

现在已经到了这样一个阶段,我可以放心地在这里凉快一下,给出我的提示,然后去跑个步再回来,相信它会完成我想要的任务。这简直太疯狂了!

我的博客是AI进展的一个缩影,我现在可以说,情况已经发生了变化,这是我们跨越的一个重要里程碑。

下面是你可以效仿我所做之事的方法

  1. 分解大任务 ------ 不要要求"整个应用程序"。从规划提示开始,然后逐页深入推进。

  2. 使用结构化输出 ------ 请求 Markdown 文件、JSON 或表格,以便你可以轻松复用成果。

  3. 将你的提示串联起来 --- 先获取计划,然后将该计划反馈回去以执行。

  4. 追求深度,而非广度------让它展开某一部分(例如单个屏幕或工作流程),而不是提供浅显的总结。

  5. 批量上下文 --- 预先向Claude Code提供所需的文件或笔记集,然后让它运行。

  6. 走开 ------把它当作一个自主的代理:设定请求,让它运行15分钟,然后回来查看已完成的工作。

相关推荐
同学小张11 小时前
【端侧AI 与 C++】1. llama.cpp源码编译与本地运行
开发语言·c++·aigc·llama·agi·ai-native
倔强的石头_17 小时前
Rokid AI眼镜:连接现实与数字的桥梁,探索下一代智能应用开发
aigc
撸码猿17 小时前
《Python AI入门》第10章 拥抱AIGC——OpenAI API调用与Prompt工程实战
人工智能·python·aigc
桂花饼1 天前
深度解析 Gemini 3 Pro Image (Nano Banana 2):Google 最强图像模型的核心能力与 API 对接指南
人工智能·aigc·ai绘图·nano banana 2·图像生成api·openai兼容接口·gemini 3 pro
机器之心1 天前
DeepSeek强势回归,开源IMO金牌级数学模型
人工智能·openai
机器之心1 天前
华为放出「准万亿级MoE推理」大招,两大杀手级优化技术直接开源
人工智能·openai
张彦峰ZYF1 天前
AI赋能原则1解读思考:超级能动性-AI巨变时代重建个人掌控力的关键能力
人工智能·ai·aigc·ai-native
极客BIM工作室1 天前
从静态到动态:Sora与文生图潜在扩散模型的技术同异与AIGC演进逻辑
人工智能·aigc
Mintopia1 天前
🎭 小众语言 AIGC:当 Web 端的低资源语言遇上“穷得只剩文化”的生成挑战
人工智能·aigc·全栈
高洁011 天前
具身智能-视觉语言导航(VLN)
深度学习·算法·aigc·transformer·知识图谱