我用豆包Seed-Evolving搞了个高中物理可视化工具，结果被自己的高中物理水平整破防了

一个不会物理的前端，靠豆包Seed-Evolving搞出了个物理教学工具

说实话，我是个写代码的，不是学物理的。

我高中的时候物理就挺烂的，什么牛顿定律、电磁感应，考试基本靠蒙。但最近不知道咋的，突然想搞个能帮人理解物理概念的东西出来------可能是想弥补一下当年的遗憾吧。

正好看到豆包出了个新模型叫Doubao-Seed-Evolving，说是专门针对coding和agent场景优化的，我就想着拿它试试水，看看能不能帮我快速把这个想法落地。

先把环境搞定

第一步肯定是得把这个模型用起来。

我选的是Agent Plan的订阅方式，入口在火山方舟这边。

我买的是Medium档，49.9一个月，额度是5小时10000 AFP、每周35000、每月100000。说实话这个价格对于个人开发者来说还挺友好的，够造一阵子了。

这个平台支持的模型种类挺多的，不光有自家的豆包，还有minimax-m3、glm-5.2、kimi-k3、deepseek-v4这些国内比较火的模型。

订阅完之后进控制台，界面大概长这样：

我这里选的是Doubao-Seed-Evolving这个模型。如果你有配置Harness的需求，这边也能选相关的工具。

然后就是配置API Key了，这个在控制台里直接就能拿到。

工具方面我选的是Claude Code，主要是用习惯了。

安装很简单：

bash 复制代码

npm install -g @anthropic-ai/claude-code

装完之后要配置一下CC Switch，让它能调用到豆包的API。配置内容大概是：

csharp 复制代码

base url: https://ark.cn-beijing.volces.com/api/plan
model: doubao-seed-evolving

保存之后重新开个终端就能用了。

复制代码

claude

开始撸代码

环境配好了，接下来就是正事了。

我先跟模型说了一下我的需求：我想做一个网页工具，用来帮助人们理解一些基础的物理概念，比如弹簧振动、单摆运动、光的传播这些。最好能有动画演示，让人一眼就能看明白这些物理现象是怎么回事。我还特意跟它说了，我的物理水平也就高中及格线徘徊，所以这个工具得做得足够直观，不能一上来就甩一堆公式把人劝退。

然后我问它，实现这种项目推荐用什么技术栈。它的回答我觉得挺靠谱的，不光给了技术建议，还帮我想到了后期部署服务器的事情。它推荐了几种方案：纯前端用Canvas做动画、或者上Three.js搞3D效果、再或者用React+Vue这类框架搭个完整的项目结构。我权衡了一下，觉得第一阶段没必要搞那么复杂，先把核心功能跑通再说。

最后决定先用原生的HTML/CSS/JS做一个demo出来，这样上手快，后面再考虑要不要上框架。原生方案的好处是依赖少，一个浏览器就能跑，部署也方便，不用折腾webpack那些构建工具。

这里有个小细节我觉得挺重要的：在开始让AI干活之前，最好自己先建一个CLAUDE.md文件，在里面写清楚项目的定位、技术要求、设计风格这些东西。相当于给AI一个明确的身份和任务说明书，这样它生成的代码会更贴合你的需求。我在CLAUDE.md里写了这么几条：目标用户是物理初学者、UI要简洁别花哨、动画要流畅至少60fps、代码要有注释方便后面维护、配色别太刺眼长时间看不累。

我把需求跟它说了之后，让它先生成几个版本的规划文档，每个版本应该包含哪些功能模块。它给了我三个方案：MVP版只做三个基础演示（弹簧、单摆、光波）、标准版加上参数调节和AI对话、完整版再加习题库和学习进度跟踪。我选了标准版，觉得这个粒度刚好，功能够用又不会开发周期太长。

选好方案之后就可以开始正式开发了。说实话这个过程我基本就在摸鱼，偶尔看看屏幕，剩下的全交给它了。它会自动创建项目目录结构，html、css、js文件各就各位，还会生成一个README说明怎么跑起来。我能看到终端里一行行代码在刷，文件一个个被创建，那种感觉还挺奇妙的------就像看着别人帮你干活一样。

它会自动拆解任务，制定详细的开发计划，一步步把代码写出来。我注意到它在写动画部分的时候，用的是requestAnimationFrame而不是setInterval，这个细节让我觉得它确实懂前端优化。还有物理计算那块，它用了欧拉积分来模拟运动轨迹，虽然我对这些数值方法不太熟，但看起来是正经做法。

中间出了个小插曲。第一版生成的弹簧动画有点问题，小球弹着弹着就开始飘，位置越来越偏。我看了一下代码，发现是每帧更新位置的时候没有做边界约束，累积误差越来越大。我跟它描述了一下这个问题，它很快就定位到了原因，加了一个位置修正的逻辑，重新跑了一遍就好了。这种debug效率比我自己去翻代码找bug快多了。

任务快结束的时候还会给你一个开发清单总结，列清楚做了哪些功能、用了什么技术方案、还有哪些已知的limitation。这个文档我觉得挺有用的，方便你后续追溯或者加新功能的时候参考，不用再去猜当时为啥这么设计了。

中间其实优化了好几轮。第一版UI太素了，灰白配色看着像十年前的网页，我让它调了下颜色加了点渐变；然后动画的参数调节滑块一开始只有两个，我觉得不够灵活，让它加了弹性系数、阻尼、初始位移这些可调项；还有响应式布局，一开始只适配了桌面端，手机上打开直接乱套，后来补了一套media query才搞定。来回折腾了几轮，总算看着顺眼了。

跑起来看看效果

代码生成完了之后，我到项目目录下跑了个简单的HTTP服务。本来想用nginx的，但本地测试没必要搞那么复杂，Python自带的http.server够用了：

yaml 复制代码

python -m http.server 8080

然后打开 http://localhost:8080/ 就能看到页面了。第一次加载的时候心里还是有点忐忑的，毕竟全程没怎么管，就怕打开是个半成品或者一堆报错。

首页是一个使用引导，告诉你怎么操作这个工具。左边是演示列表，右边是画布区域，下面是参数调节面板，布局还算清晰。

然后我试了几个物理演示，说实话效果比我预期的好太多了。

第一个是弹簧弹小球。我知道弹簧有弹性势能，动能和势能会互相转换，但具体怎么转的一直没太搞明白。这个动画一放，我看懂了------小球在最高点速度为零，势能最大；经过平衡位置时速度最快，动能最大；到最低点又减速。而且右边还实时显示着能量柱状图，动能和势能的消长一目了然。虽然公式我还是背不下来，但至少直觉上理解了。我试着把阻尼系数调大，小球晃几下就不动了，能量被慢慢消耗掉，这个也挺直观的。

第二个是光与波的演示。这个对我来说更抽象了，什么波长、频率、振幅，高中那会儿完全是在死记硬背，考完就忘。这个动画把波的传播过程可视化出来了，我能看到波是怎么往前走的，波峰波谷是什么意思，波长就是两个相邻波峰之间的距离。我还试了调频率，频率越高波挤得越密，这个以前只在课本上看过文字描述，现在能看到动态变化感觉完全不一样。虽然你要问我干涉衍射那些我还是懵，但基础概念起码建立了。

第三个是单摆。这个我稍微熟悉一点，毕竟周期公式T=2π√(L/g)当年还考过，虽然现在让我默写我也写不全。看着摆球来回晃，我能感受到那个周期性的规律------不管摆幅多大，周期好像都差不多？不对，这个好像是近似，大角度的话周期会变长。我又去调了摆长参数，摆长越长摆得越慢，这个倒是符合直觉。不过说实话，要是让我手算一个单摆问题，我还是得查公式。

工具里还集成了一个AI对话的功能，可以针对具体的物理概念进行深入讲解。目前这个功能还是个壳子，输入框在那但后端还没接上。我的想法是后续接上豆包的API，用户在看动画的过程中有任何疑问可以直接问，比如"为什么单摆周期跟质量无关"这种问题，让AI给解释。这样就能做成一个真正的智能教学助手，而不只是个动画播放器。

看到这些动画的时候我就在想，要是高中那时候有这种工具，我物理能不能多考几分？可能还是不行，毕竟该不会的还是不会，公式该背不下来的还是背不下来，但至少理解起来没那么痛苦了。以前学物理最难受的就是脑子里没有画面感，老师嘴上说"受力分析"，我纸上画了半天箭头也不知道这东西到底咋动的。现在好了，直接看动画，一眼就明白。

整个开发过程算下来大概用了40分钟，从需求分析到本地部署完成。token消耗量我觉得还行，在可接受的范围内，Medium档的额度完全够用。

部署到服务器

本地跑通了，下一步就是部署到服务器上让别人也能访问。

我刚买了一台新服务器，准备在上面把这个项目部署好。先连上服务器，装一下Node.js环境：

复制代码

apt install nodejs
apt install npm
node -v
npm -v

Claude Code的安装步骤我就不细说了，跟本地差不多。装完之后要配置一下~/.claude/settings.json，把API Key和模型信息填进去：

json 复制代码

{
  "env": {
    "ANTHROPIC_AUTH_TOKEN": "ark-xxxxxxxxxxxxxxxxxxxxx",
    "ANTHROPIC_BASE_URL": "https://ark.cn-beijing.volces.com/api/plan",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "doubao-seed-evolving",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "doubao-seed-evolving",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "doubao-seed-evolving",
    "ANTHROPIC_MODEL": "doubao-seed-evolving",
    "CLAUDE_CODE_SUBAGENT_MODEL": "doubao-seed-evolving"
  },
  "skipDangerousModePermissionPrompt": true
}

配置完之后刷新一下环境变量：

bash 复制代码

source ~/.bashrc

然后就跟之前一样，告诉AI你的需求，让它帮你把项目部署上去。

这次部署速度也很快，基本一分钟就搞定了。

部署完之后访问 http://124.222.89.37:8080 就能看到线上版本了。

写在最后

这个项目说大不大说小不小，但从零到上线整个过程下来，我对Doubao-Seed-Evolving这个模型的感受还是挺深的。

首先它的coding能力确实不错，像我这种有明确需求但不想从头写代码的场景，它能很好地理解意图然后输出可用的代码。而且它在长程任务上的表现也比较稳定，从需求分析到代码生成再到部署，整个流程走下来没有出现明显的逻辑断裂或者遗忘上下文的情况。

其次作为agent来用的话，它的检索能力和幻觉控制比我想象中要好。我在开发过程中问过它不少物理相关的问题，有些问题它会说"这个我不确定"，而不是瞎编一个答案糊弄我。这点我觉得挺重要的，宁可说不知道也不要误导人。

当然这个工具本身还有很大的优化空间。目前只做了十几个物理演示，后续可以加入更多主题；AI对话功能还没完全对接上；移动端的适配也有待完善。不过作为一个40分钟搞出来的demo，我觉得已经超出预期了。

仓库地址放这了：gitee.com/caijiuuyk/p... ，感兴趣的可以去看看，欢迎提issue或者PR。

总的来说，这次体验让我觉得AI辅助开发确实已经到了一个比较实用的阶段。对于开发者来说，像这种轻量级的工具型项目，完全可以借助AI快速验证想法，把更多精力放在核心逻辑和用户体验上。