cooldream2009的博客

本文用 QuickRead（5分钟读懂一本书，FastAPI + Vue 3 + Celery 的真实在开发项目）做一次真刀真枪的工程对比——把最新一代 Evolving 和上一代 2.1-turbo 放在同一个项目上跑相同任务，重点展示 Evolving 在实测中的具体优势：长程任务 0 介入、复杂 Bug 一次到位修复、模糊需求一次性给完整方案。

把一本厚厚的书或论文，用 5 分钟讲清楚核心思想、章节脉络和关键金句，就是「QuickRead（5分钟读懂一本书）」。整个开发周期里，所有架构设计、API 实现、前端页面、数据库 schema，全部由 Claude Code 在 Doubao-Seed-Evolving 模型的驱动下生成。这篇博客讲三件事：Doubao-Seed-Evolving 是什么；用 Claude Code 配合 Doubao-Seed-Evolving 开发完整 Web 项目的全过程；QuickRead 现在长什么样。

真正成功的 AI Coding 落地，需要完成一次从"开发人员使用 AI 工具"到"企业重新设计 AI 时代的软件研发流程"的转变。本文覆盖 6 个维度：1）AI Coding 落地的认知升级 2）试点失败的三大原因 3）安全治理的 4 条红线 4）三种工具方案的选型 5）流程与价值评估的规范化建设 6）三步实施法与未来展望。适合研发负责人、CTO、企业 IT 架构师，以及正在评估 AI Coding 落地路径的决策者。

AI 时代，程序员的能力模型正在被重新洗牌。有些能力在贬值，有些能力在升值，有些能力仍然是"地板"。搞不清楚这个变化的人，会被时代悄悄抛下。这篇文章覆盖 5 个维度：1）哪些能力在贬值/升值/不变 2）4 项新增核心能力详解 3）"领域知识 + AI + 工程"三角护城河 4）给开发者的 6 条成长建议 5）未来 3-5 年的趋势判断。适合所有正在用 AI 写代码、或正在思考"我未来 5 年靠什么立足"的工程师。

每一个 Agent 就像一个工种，只专注自己那一摊事，沟通靠明确的接口与契约，而不是靠"上下文里塞满全部信息"。这篇文章覆盖 6 个维度：1）单 Agent 的三个核心瓶颈 2）三种经典协作架构对比 3）Qoder 4 角色团队的实测拆解 4）MECE 拆分原则 5）何时该升级到多 Agent 的成本收益 6）自建多 Agent 流水线的判断标准。适合正在用 AI 写代码的开发者，以及在评估"要不要上多 Agent"的团队负责人。

据 OWASP 2021 报告统计,在所有被测试的应用中,**有 94% 存在至少一类 OWASP Top 10 漏洞,平均每个应用 3.04 个,涉及 27.4 万次具体触发**[1]。换句话说,即使不是 Vibe Coding,普通开发者写出来的代码安全状况也堪忧——让 AI 接手只会更糟。Vibe Coding 不是银弹。它有自己的"势力范围",越界就会出问题。这篇文章想讲清楚一件事:**什么时候 vibe 一下没毛病,什么时候必须自己下场手写。**

我会用到的工具栈是 **Claude Code**（终端版 AI 编程助手）+ Next.js 16 + TypeScript + Prisma 5 + SQLite + TailwindCSS 4。文中涉及三个斜杠命令：`/plan`（让 AI 先出方案再动手）、`/init`（生成项目级 CLAUDE.md）、`/security-review`（让 AI 对项目做安全审查）。没用过 Claude Code 的读者可以跳过这些命令，但 6 步流程本身对任何 AI 编程工具都适用。

"我该选 Claude Code 还是 Cursor？""我们公司用 Qoder 还是 Codex？""学生党用什么最划算？"这三个问题是我被问得最多的。每个 AI 编程工具都有自己的粉丝群体，但**没有银弹**。这一篇我会先拆解 5 款主流工具各自的特点和适用人群，再给出按角色、按场景的选型建议，最后用一张决策图收尾。

你有没有过这种经历：明明昨天才告诉 Claude Code "我们项目用 TypeScript 严格模式"，今天开新会话它又问"用 JavaScript 还是 TypeScript"？明明上次你吐槽过"不要用 class 组件"，它这次又写了一个？这不是 AI 记性差，而是你**没有给它一个记笔记的地方**。解决方案就是 **CLAUDE.md**——一个放在项目里的"记忆文件"。这一篇我会彻底讲清楚：它分几层、怎么用、有多强大。

我会带你从零开始：装环境、配 API、敲命令、做出第一个能跑的小工具。全程不用"懂代码"，你只需要会打字、会装软件。上一篇《国内访问 AI 编程工具完全指南》讲清了为什么国内用户必须用中转方案，本篇就顺着那条路走——把 Claude Code 真正装进你的电脑、连上国产模型、跑出第一个项目。

**Claude Code 不仅能跑 Claude，还能跑 OpenAI、DeepSeek、Qwen、GLM、Kimi 等一系列第三方模型**——而要做到这一点，并不需要改 Claude Code 的源码。这一篇是系列里我们要回答五个问题：Claude Code 是怎么"选择"调用哪个模型的？自定义端点的核心机制是什么？目前有哪些大模型支持 Anthropic Messages 兼容协议？三种主流接入方式怎么选？配置时最容易踩的坑是什么？

在 ChatGPT 里，你是"提问者"，AI 是"答题者"；在 cc 里，你是"委托人"，AI 是"执行者"。这个差异不只是产品形态的区别，背后是一整套"AI Loop 机制 + Harness 工程"的范式升级。这篇要回答三个问题：普通 AI 聊天和 Agent 到底差在哪？cc 的"自主循环"是怎么工作的？为什么说"脚手架比模型更重要"？理解了这些，你才能真正把 cc 用出 Agent 的威力，而不是停留在"高级版 ChatGPT"的水平。