全自动编程 Agent 实验

免责声明

本项目所有（100%）代码和提示词均由 AI 生成。运行前请自行审查，任何后果概不负责。

前提（由人类撰写）

所有内容，建立在以下前提下，如果不认可，速速关闭这个页面：

即使在非常复杂的项目中，AI 已经能够帮我们写绝大部分（甚至全部）代码。如果不行，不是 AI 的问题，是使用者本身的问题。AI 不是程序员的 bottleneck，程序员错误和老旧的工作方式是 AI 的 bottleneck。写代码本身将会越来越没有价值。

程序员的工作内容将会转变，从写代码，变成如何控制 AI。高效使用 AI 生成可用的项目，成为程序员新的核心竞争力。因此我们要探索的是：如何更好的在开发中使用 AI。

项目背景（由人类撰写）

起因是这篇 Anthropic 的文章，他们做了一个自动编程 Agent。

为了测试新发布的 GLM-5，同时切身感受这种超长自动编程 Agent 的表现（一箭双雕），我做了这个 10 小时的实验。你在 git commit 记录里能看到 10 个小时我让 AI 做的所有事。

这种开发方式的目的，不是为了用 AI 替代程序员。对 AI 的“掌控”仍然由程序员负责。我们仍然需要人工判断 AI 做的是否正确，为 AI 指引方向。并不是无脑开发。

这个视频详细解释了项目的完整过程。一些观众评论，认为视频内容有吹牛成分。标题党确实是我的惯用手段（不然你也不会看到这个项目和视频😂）。但视频里所有展示的开发过程，都没有任何夸大，均为客观事实。

超长时间自动编程 Agent 的具体内容

完整开发流程定义在 CLAUDE.md 中：

1. 初始化环境：运行 ./init.sh，安装依赖并启动开发服务器
2. 选择任务：读取 task.json，选择一个 passes: false 的任务
3. 实现任务：按照任务描述的步骤实现功能
4. 测试验证：运行 npm run lint 和 npm run build 确保代码正确。使用浏览器打开应用测试（需要安装 playwright mcp）
5. 更新进度：将工作记录到 progress.txt
6. 提交更改：一次性提交所有更改（包括 task.json 更新）

这些内容也全部由 AI 生成。

AI 视频项目

本仓库包含 hello-nextjs 项目，这是一个使用本上面提到的方式，开发的 AI 视频生成应用。项目本身并不复杂，但囊括了前后端、数据库、第三方生图、生视频大模型 API 等内容。可以查看 architecture.md 了解项目细节。

hello-nextjs 的目的是为了通过实战，调试和优化提示词，验证这套自动开发方式的运行情况。

progress.txt 和 Git 历史记录可以追溯 AI 生成这个项目的完整过程。除 2 个特别的git提交外，其他所有的 git 提交都是由 AI 完成的。那 2 个人工提交的 commit，是 markdown 文件的修改。但文件内容仍是 AI 生成。

项目的生成过程如下：

• 向 AI 描述需求，写出 architecture.md 和 task.json。
• 开始反复要求 AI 完成下一个任务。
• 任务全部完成后，要求 AI 完整测试项目流程。

Prerequisites

• claude code
• playwright mcp（这是作者在该项目里唯一安装的 mcp）

使用方式

删除 hello-nextjs，然后让 AI 根据你的项目需求，重写 task.json 和 progress.txt。然后就可以让 AI 生成代码。生成中遇到流程上的问题，可以让 AI 修改 CLAUDE.md。

方式一：通过 Claude Code 运行（最稳妥）

手动启动 Claude Code，让 AI 执行下一个任务。

方式二：使用 dangerously skip permission 模式（次选）

使用 --dangerously-skip-permissions 参数运行 Claude Code，AI 可以在无需人工确认的情况下完成下一个任务。这是作者在实验中最常用的方式。

claude -p --dangerously-skip-permissions

方式三：使用自动化脚本（不推荐）

使用 run-automation.sh 脚本让 AI 循环运行多次：

./run-automation.sh 10  # 运行 10 次

警告：这种方式最危险，最容易浪费资源。人不在电脑边，又想让 AI 工作时可以使用。

auto-coding-agent-demo 快速上手指南

本指南帮助中国开发者快速体验全自动编程 Agent 的工作流。该项目旨在探索如何通过控制 AI 高效生成完整项目，而非替代程序员。

环境准备

在开始之前，请确保你的开发环境满足以下要求：

• 操作系统：Linux 或 macOS（Windows 用户建议使用 WSL2）
• 核心依赖：
  • Claude Code：必须安装并配置好 API Key。
  • Node.js & npm：用于运行生成的 Next.js 项目。
• MCP 工具：
  • playwright mcp：本项目唯一需要的 MCP 插件，用于浏览器自动化测试。
  • 国内加速建议：若安装 npm 依赖缓慢，建议临时切换至淘宝镜像源：

  npm config set registry https://registry.npmmirror.com
  

安装步骤

1. 克隆项目仓库

   git clone <repository-url>
   cd auto-coding-agent-demo
   

2. 安装全局依赖与 MCP 确保已安装 claude-code CLI 工具，并安装所需的 playwright MCP：

   npm install -g @anthropic-ai/claude-code
   npx @modelcontextprotocol/server-playwright
   # 注意：具体 MCP 安装方式请参考 Claude Code 官方文档进行配置
   

3. 初始化实验环境 运行项目提供的初始化脚本，安装示例项目依赖并启动服务：

   ./init.sh
   

   注：该脚本会自动处理 hello-nextjs 示例项目的依赖安装。

基本使用

本项目的核心逻辑是：删除现有代码 -> 定义新任务 -> 让 AI 执行。

第一步：重置与定义任务

删除现有的示例项目目录，并根据你的新需求修改任务文件：

rm -rf hello-nextjs

编辑 task.json 和 progress.txt，填入你想要构建的新项目需求描述。如有需要，也可调整 CLAUDE.md 中的工作流定义。

第二步：启动 AI 代理（推荐方式）

你可以根据对自动化程度的需求，选择以下任一方式启动：

方式一：交互式运行（最稳妥，推荐新手） 手动启动 Claude Code，逐步确认 AI 的每一个操作：

claude

进入交互界面后，指示 AI 读取 task.json 并开始执行第一个任务。

方式二：免确认模式（高效实验） 允许 AI 在无需人工确认的情况下自动执行命令（作者实验常用方式）：

claude -p --dangerously-skip-permissions

警告：此模式下 AI 拥有较高权限，请确保在受控环境中运行。

方式三：全自动化脚本（高风险） 让 AI 循环执行指定次数，适合无人值守场景（极易浪费 Token 资源，慎用）：

./run-automation.sh 10

第三步：监控与验证

AI 将按照 CLAUDE.md 定义的流程工作：

1. 读取任务并编写代码。
2. 自动运行 npm run lint 和 npm run build 进行验证。
3. 通过 Playwright 进行浏览器测试。
4. 更新 progress.txt 并提交 Git 变更。

你可以随时查看 Git 历史记录或 progress.txt 文件来追踪 AI 的开发进度。