不用Claude，国产AI照样能搓出商业级软件！
现在圈里一提AI编程，跟中了邪似的，张口闭口Claude、Gemini、Codex，好像离了这些洋模型，你连个正经软件都做不出来，纯纯是被国外工具PUA麻了。我就用半个月时间，纯靠国产大模型组合，手搓出了一套商业级矩阵内容发布系统Super AMA，全项目1.8万行代码，核心功能是调用AI生成爆款图文、视频，一键分发到20个主流平台，最狠的是每个平台不限制账号数量，哪怕你有上百个账号，照样能稳定跑通。
一个系统开发是否成功，不看开发工具，不看使用什么AI，而看：你是否真把要开发的系统的商业逻辑吃透了？能够用AI立即明白的提示词说清楚了？这个才是命门，才是核心，否则开发出来的就是垃圾。
别觉得这是个小demo，为了实打实验证国产模型的开发能力，我全程只用了GLM、豆包编程模块和千问代码模块协同开发，全程没碰Claude这类国外模型，最后出来的效果，比很多小团队做的商用系统还能打。今天就把这套可复制的玩法掰开揉碎了讲，全是实操干货，没有半句废话。
第一阶段，先打地基建防火墙，把安全和配置焊死。任何项目，地基不稳，后面全是坑。很多新手写软件，上来就先搞花里胡哨的界面，结果代码写了几千行，一打包成EXE直接炸锅，路径全错，找bug找到头秃，纯纯是没打地基就想盖楼。
科学的玩法，是先让AI把最底层的“路径陷阱”解决掉。我给豆包的指令非常明确：“不管用户装在C盘还是D盘，不管是源码运行还是打包成EXE，必须100%找到正确的配置文件路径，绝对不能出现路径报错”。AI直接生成了适配打包场景的路径识别逻辑，把用户数据牢牢锁定在系统AppData目录，这是普通开发者要踩无数坑才能摸透的系统级思维，你一句话就让AI给你搞定了。
紧接着就是授权系统，这是商业软件的护城河。你不用去啃半天加密算法，不用研究怎么读硬件信息，就给AI说：“我要做一机一码的授权系统，读取主板UUID生成MD5签名，带12小时免费试用逻辑，还要做C++启动器包裹Python程序，去掉黑框，防止反编译”。AI瞬间就能给你生成完整的授权管理类，连Python+C++的混合防护架构都给你搭好，这一套东西，放在以前得专业的加密工程师做一周，现在你一句话就落地了。
第二阶段，啃下最硬的骨头：平台自动化与反反爬。这套系统的核心价值，就是能稳定操作抖音、小红书、B站、视频号等20个平台，这也是开发里最难的部分——浏览器自动化最大的死穴，就是被平台反爬检测到，操作轨迹稍微不对，直接封号，所有功夫全白费。
普通人搞这个，得啃半个月Playwright文档，调几百个参数，还是动不动就被封。但你根本不用懂什么浏览器底层控制协议、不用搞懂每个反检测参数的底层原理，你只需要给AI提明确的业务需求：“用Playwright做浏览器管理，开启能记住登录状态的持久化环境，注入反检测隐身插件，强制最小化窗口防止用户误关，多账号必须做Cookie沙盒隔离，绝对不能串号”。
AI直接给你生成完整的浏览器管理类，所有反检测参数、多线程锁、环境隔离全给你处理得明明白白。这就是人机协作的精髓：你负责定战略、提需求，AI负责打战术、做落地，你根本不用变成代码字典，你要做的是架构师。
第三阶段，搞定内容炼金术：AI音视频合成。矩阵玩法没有内容，就是空中楼阁。普通人想做批量视频合成，得去啃视频剪辑库的文档，搞懂图层合成逻辑，还要背FFmpeg的上百个命令行参数，光解决中文字体乱码的问题，就得踩半个月的坑。
但在AI时代，这些全不用你管。你就给AI一句话：“写一个视频渲染引擎，输入文案和背景素材，直接输出带同步字幕、真人配音的MP4文件，优先调用GPU硬件加速，加速失败自动降级到CPU渲染，必须解决Windows系统中文字体兼容问题，绝对不能出现乱码”。AI直接给你生成完整的视频引擎，从语音合成、硬件加速调用到兜底方案全给你做齐，连最容易踩坑的字体兼容问题都给你提前规避了，你只需要测试功能就行。
第四阶段，做好数据收割：通用数据看板。各大平台的后台数据格式千奇百怪，抖音是结构化的JSON数据，小红书是网页元素，快手是混合数据流，普通人得给每个平台单独写一套解析器，改到崩溃还容易出错。
你根本不用费这个劲，直接给AI定好容错规则：“写一个通用数据抓取器，优先监听平台网络接口拿数据，接口加密就自动降级为OCR识别+网页解析，用正则精准提取数字，自动处理万、亿单位的换算，必须兼容所有主流平台”。AI直接给你生成通用抓取模板，再给每个平台做好专属适配，连“1.2w转12000”这种最容易出bug的细节，都给你处理得严丝合缝，容错率直接拉满。
第五阶段，完成编译交付，把代码变成能直接用的软件。很多人代码写得好好的，一打包就出问题，不是缺驱动文件，就是路径报错，打包出来的文件几百兆，根本没法给用户用。
你只需要给AI提明确的交付要求：“写打包脚本，用PyInstaller打包，排除用户数据目录，自动收录Playwright的驱动文件，最后把C++启动器设为主程序，必须同时适配Windows和Linux系统的路径规则”。AI直接生成完整的打包脚本，连Windows和Linux系统路径分隔符这种极容易忽略的细节，都给你完美适配，这才是商业级交付该有的样子。
附上一段代码如下：
from playwright.sync_api import Page
from abc import ABC, abstractmethod
import time
class BaseUploader(ABC):
def __init__(self, page: Page, task: dict, logger=None):
self.page = page
self.task = task
self.log = logger if logger else print
@abstractmethod
def upload(self, signal_callback=None) -> bool:
核心上传逻辑
:param signal_callback: 用于请求人工确认的回调函数 (msg -> bool)
:return: (bool, str) True=成功/自动完成, False=失败/需要人工
pass
def ensure_visible(self):
[核心功能] 强制唤醒窗口
利用 CDP 协议将移出屏幕(-2400)的窗口拉回到屏幕中央(100, 100)
try:
self.log(" -> ️ 正在唤醒浏览器窗口...")
session = self.page.context.new_cdp_session(self.page)
win_info = session.send("Browser.getWindowForTarget")
win_id = win_info.get('windowId')
if win_id:
session.send("Browser.setWindowBounds", {
"windowId": win_id,
"bounds": {
"windowState": "normal",
"left": 100, "top": 100,
"width": 1300, "height": 850
except Exception as e:
self.log(f" ⚠️ 唤醒窗口失败: {e}")
def check_login(self):
if "login" in self.page.url:
self.log(f" ⚠️ 未登录，正在唤醒窗口供人工扫码...")
self.ensure_visible()
return False
return True
def fill_title(self, selector, text):
try:
el = self.page.locator(selector).first
el.click()
self.page.keyboard.press("Control+A")
self.page.keyboard.press("Backspace")
self.page.keyboard.type(text[:30])
except:
pass
def fill_desc(self, selector, text):
try:
el = self.page.locator(selector).first
el.fill(text)
except:
pass
def wait_for_upload(self, success_text="上传成功", timeout=1200):
start_time = time.time()
while time.time() - start_time < timeout:
if self.page.locator(f"text={success_text}").count() > 0:
return True
time.sleep(2)
return False
最后给大家算笔最实在的账：这套系统，要是用Claude、Gemini这类国外模型开发，光消耗的词元就得上亿级别，再加上反复测试、调试、改bug的成本，没10万块钱根本打不住；而我用国产大模型这套组合拳打下来，成本几乎为0，效果一点没打折扣。
很多人到现在还觉得，AI编程就是要背语法、懂算法、成数学家，大错特错。未来的编程，核心能力从来不是你能记住多少代码，而是你能不能精准定义问题、拆解需求，当好指挥AI大军的架构师。人类负责想象，机器负责实现，这才是AI时代真正的降维打击。
热门跟贴