不用Claude，國產AI照樣能搓出1.8萬代碼的商業級軟件！

不用Claude，國產AI照樣能搓出商業級軟件！

現在圈里一提AI編程，跟中了邪似的，張口閉口Claude、Gemini、Codex，好像離了這些洋模型，你連個正經軟件都做不出來，純純是被國外工具PUA麻了。我就用半個月時間，純靠國產大模型組合，手搓出了一套商業級矩陣內容發布系統Super AMA，全項目1.8萬行代碼，核心功能是調用AI生成爆款圖文、視頻，一鍵分發到20個主流平臺，最狠的是每個平臺不限制賬號數量，哪怕你有上百個賬號，照樣能穩定跑通。

一個系統開發是否成功，不看開發工具，不看使用什么AI，而看：你是否真把要開發的系統的商業邏輯吃透了？能夠用AI立即明白的提示詞說清楚了？這個才是命門，才是核心，否則開發出來的就是垃圾。

別覺得這是個小demo，為了實打實驗證國產模型的開發能力，我全程只用了GLM、豆包編程模塊和千問代碼模塊協同開發，全程沒碰Claude這類國外模型，最后出來的效果，比很多小團隊做的商用系統還能打。今天就把這套可復制的玩法掰開揉碎了講，全是實操干貨，沒有半句廢話。

第一階段，先打地基建防火墻，把安全和配置焊死。任何項目，地基不穩，后面全是坑。很多新手寫軟件，上來就先搞花里胡哨的界面，結果代碼寫了幾千行，一打包成EXE直接炸鍋，路徑全錯，找bug找到頭禿，純純是沒打地基就想蓋樓。

科學的玩法，是先讓AI把最底層的“路徑陷阱”解決掉。我給豆包的指令非常明確：“不管用戶裝在C盤還是D盤，不管是源碼運行還是打包成EXE，必須100%找到正確的配置文件路徑，絕對不能出現路徑報錯”。AI直接生成了適配打包場景的路徑識別邏輯，把用戶數據牢牢鎖定在系統AppData目錄，這是普通開發者要踩無數坑才能摸透的系統級思維，你一句話就讓AI給你搞定了。

緊接著就是授權系統，這是商業軟件的護城河。你不用去啃半天加密算法，不用研究怎么讀硬件信息，就給AI說：“我要做一機一碼的授權系統，讀取主板UUID生成MD5簽名，帶12小時免費試用邏輯，還要做C++啟動器包裹Python程序，去掉黑框，防止反編譯”。AI瞬間就能給你生成完整的授權管理類，連Python+C++的混合防護架構都給你搭好，這一套東西，放在以前得專業的加密工程師做一周，現在你一句話就落地了。

第二階段，啃下最硬的骨頭：平臺自動化與反反爬。這套系統的核心價值，就是能穩定操作抖音、小紅書、B站、視頻號等20個平臺，這也是開發里最難的部分——瀏覽器自動化最大的死穴，就是被平臺反爬檢測到，操作軌跡稍微不對，直接封號，所有功夫全白費。

普通人搞這個，得啃半個月Playwright文檔，調幾百個參數，還是動不動就被封。但你根本不用懂什么瀏覽器底層控制協議、不用搞懂每個反檢測參數的底層原理，你只需要給AI提明確的業務需求：“用Playwright做瀏覽器管理，開啟能記住登錄狀態的持久化環境，注入反檢測隱身插件，強制最小化窗口防止用戶誤關，多賬號必須做Cookie沙盒隔離，絕對不能串號”。

AI直接給你生成完整的瀏覽器管理類，所有反檢測參數、多線程鎖、環境隔離全給你處理得明明白白。這就是人機協作的精髓：你負責定戰略、提需求，AI負責打戰術、做落地，你根本不用變成代碼字典，你要做的是架構師。

第三階段，搞定內容煉金術：AI音視頻合成。矩陣玩法沒有內容，就是空中樓閣。普通人想做批量視頻合成，得去啃視頻剪輯庫的文檔，搞懂圖層合成邏輯，還要背FFmpeg的上百個命令行參數，光解決中文字體亂碼的問題，就得踩半個月的坑。

但在AI時代，這些全不用你管。你就給AI一句話：“寫一個視頻渲染引擎，輸入文案和背景素材，直接輸出帶同步字幕、真人配音的MP4文件，優先調用GPU硬件加速，加速失敗自動降級到CPU渲染，必須解決Windows系統中文字體兼容問題，絕對不能出現亂碼”。AI直接給你生成完整的視頻引擎，從語音合成、硬件加速調用到兜底方案全給你做齊，連最容易踩坑的字體兼容問題都給你提前規避了，你只需要測試功能就行。

第四階段，做好數據收割：通用數據看板。各大平臺的后臺數據格式千奇百怪，抖音是結構化的JSON數據，小紅書是網頁元素，快手是混合數據流，普通人得給每個平臺單獨寫一套解析器，改到崩潰還容易出錯。

你根本不用費這個勁，直接給AI定好容錯規則：“寫一個通用數據抓取器，優先監聽平臺網絡接口拿數據，接口加密就自動降級為OCR識別+網頁解析，用正則精準提取數字，自動處理萬、億單位的換算，必須兼容所有主流平臺”。AI直接給你生成通用抓取模板，再給每個平臺做好專屬適配，連“1.2w轉12000”這種最容易出bug的細節，都給你處理得嚴絲合縫，容錯率直接拉滿。

第五階段，完成編譯交付，把代碼變成能直接用的軟件。很多人代碼寫得好好的，一打包就出問題，不是缺驅動文件，就是路徑報錯，打包出來的文件幾百兆，根本沒法給用戶用。

你只需要給AI提明確的交付要求：“寫打包腳本，用PyInstaller打包，排除用戶數據目錄，自動收錄Playwright的驅動文件，最后把C++啟動器設為主程序，必須同時適配Windows和Linux系統的路徑規則”。AI直接生成完整的打包腳本，連Windows和Linux系統路徑分隔符這種極容易忽略的細節，都給你完美適配，這才是商業級交付該有的樣子。

附上一段代碼如下：

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:

核心上傳邏輯

:param signal_callback: 用于請求人工確認的回調函數 (msg -> bool)

:return: (bool, str) True=成功/自動完成, False=失敗/需要人工

pass

def ensure_visible(self):

[核心功能] 強制喚醒窗口

利用 CDP 協議將移出屏幕(-2400)的窗口拉回到屏幕中央(100, 100)

try:

self.log(" -> ? 正在喚醒瀏覽器窗口...")

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" ?? 喚醒窗口失敗: {e}")

def check_login(self):

if "login" in self.page.url:

self.log(f" ?? 未登錄，正在喚醒窗口供人工掃碼...")

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="上傳成功", 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

最后給大家算筆最實在的賬：這套系統，要是用Claude、Gemini這類國外模型開發，光消耗的詞元就得上億級別，再加上反復測試、調試、改bug的成本，沒10萬塊錢根本打不住；而我用國產大模型這套組合拳打下來，成本幾乎為0，效果一點沒打折扣。

很多人到現在還覺得，AI編程就是要背語法、懂算法、成數學家，大錯特錯。未來的編程，核心能力從來不是你能記住多少代碼，而是你能不能精準定義問題、拆解需求，當好指揮AI大軍的架構師。人類負責想象，機器負責實現，這才是AI時代真正的降維打擊。