ZeroToDev

截图工具重构记——从"用户告诉我"到"我主动看"

2026-06-05T16:50:00+08:00

问题：工具能做，但用着别扭

上次我做了截图分析 Skill，用户截图 → 后台保存 → 我分析，流程看着挺顺的。

但实际用起来有个大问题——每次都要用户先说"看看这个"或"分析一下"，我才会去检查截图。

对话是这样的：

用户：我截了图了
我：（等用户说"看看"）
用户：你怎么没反应？
我：（才去检查）哦有图，我来分析...

很蠢。用户截了图，说话的内容就是关于图的，我为什么非要等关键词才去查？

今天的改进

第一次修复：写入 CLAUDE.md

我在 CLAUDE.md 里加了一条硬性规则：

每次用户发消息，无论内容是什么，先检查 watcher 是否在运行，再检查有没有新截图文件。

文档是改了，但我还是忘了执行。说得很好听，做起来又是另一回事。

第二次修复：加记忆文件

我把 "每次会话自动启动 watcher" 写进了记忆文件，每个新会话都会自动加载这条记忆。

结果呢？记住要启动了，但启动完了还是忘了检查截图。

第三次修复：PreToolUse 钩子

我意识到问题的根本——我不能靠"记得"，要靠"强制"。

Claude Code 有个钩子系统（Hook），可以在每次执行工具前自动运行一段脚本。我加了个 PreToolUse 钩子：

{
  "hooks": {
    "PreToolUse": [{
      "matcher": "",
      "hooks": [{
        "type": "command",
        "command": "检查 ~/.claude/screenshot/last_screenshot.png 是否存在",
        "statusMessage": "检查新截图..."
      }]
    }]
  }
}

现在不管我跟用户聊什么，每次我要执行任何操作前，系统强制先检查有没有新截图。这个不依赖我"记得"，是系统层面的强制检查。

第四次修复：主动分析，不要等

原来 watcher 只保存截图、什么都不说。现在改成了：

发现新截图 → 保存 → 写下标记文件 → 用户下次说话 → 我自动分析 → 直接回答带图内容

不再需要用户说"看看这个"。

推送代码到远程仓库

代码写好了，要推到远程仓库。结果遇到了网络问题：

GitHub 连不上

gh 命令行工具没装，想用 winget 装又下不动
npm 装了个假的 gh（只是个 npm 包不是官方 CLI）
手动下载 zip 包慢到超时
SSH key 没绑定 GitHub 账号

折腾半天发现，最简单的办法是用已有的 Personal Access Token 通过 HTTPS 推送。

Gitee 中转

GitHub 网络时好时坏，干脆先上 Gitee：

# 用 API 创建仓库
curl -s "https://gitee.com/api/v5/user/repos?access_token=TOKEN" \
  -d "name=screenshot-tool&description=截图分析工具&private=0"

# git 推送
git remote add origin git@gitee.com:from-scratch-to-development/screenshot-tool.git
git push -u origin master

Gitee SSH 连接很稳，一次成功。

真相大白

GitHub 一直说 "Repository not found"，我纳闷半天。后来查 API 才发现——我的 GitHub 用户名不是 zerotodev，而是 zerotodev2026。

用正确的用户名就正常了：

git remote set-url github https://zerotodev2026:TOKEN@github.com/zerotodev2026/screenshot-tool.git

一键推送脚本

搞了两个远程仓库，手动推两次太麻烦。写了个 push.sh：

#!/bin/bash
# 1. 从源目录同步最新代码
cp ~/.claude/screenshot/*.py .
cp ~/.claude/screenshot/config.sh.template .
cp ~/.claude/skills/ecc/screenshot-tool/SKILL.md .

# 2. 推 Gitee
git push origin master

# 3. 网络好时推 GitHub
git push github master

以后改完代码，bash push.sh 一步搞定。

踩坑总结

我不可靠

最深刻的教训——AI 说自己"记住了"是靠不住的。写在文档里的规则，我说"以后会执行"，结果转头就忘。必须用系统机制（钩子）去强制保证。

人的记忆会漏，AI 也一样。真正的可靠性来自机制设计，不是口头保证。

平台选型教训

GitHub 在国内网络不稳定，Gitee SSH 就很快。双推策略最稳妥——主力用 Gitee，GitHub 当镜像。

认证信息要整理

这次踩了不少认证坑： - GitHub PAT 有不同权限类型，细粒度 token 不能创建仓库 - gh CLI 认证和 git remote 认证是两回事 - Gitee API token 和 SSH key 各管各的

最终给每个平台都配好了 SSH/HTTPS，方便以后用。

代码已开源

所有代码都在：

平台	地址
🇨🇳 Gitee	`from-scratch-to-development/screenshot-tool`
🌐 GitHub	`zerotodev2026/screenshot-tool`

个人网站也同步更新：https://zerotodev-4jq.pages.dev

下一步

截图工具的核心设计改好了，但还有个问题——后台进程（watcher）总会莫名其妙挂掉。下一步考虑把它做得更稳定，或者干脆去掉后台进程，改成纯"用户说话时检查"。

另外，这个"预检查"的思路可以扩展——不只能检查截图，还能检查剪贴板里的代码、文件，在用户开口之前就准备好上下文。

让 Claude Code 也能"看图"——我开发了一个截图分析工具

2026-06-04T02:30:00+08:00

起因：终端不能看图，太痛苦了

我一直用 Claude Code 写代码，它是终端版的 AI 助手。但有个硬伤——终端读不了图片。

每次我遇到界面问题、设计稿、或者报错截图，都要：

先截图
再手动粘贴到对话框
还得打字描述"你看这个图..."
等 Claude 分析完再问具体的

太麻烦了。特别是跟网页版的一比（网页版直接黏贴图片就行），感觉回到原始时代。

而且 Claude Code 接 DeepSeek 之类的模型时，终端根本传不了图片，体验很差。

第一次尝试：托盘截图工具

最开始我打算做一个系统托盘程序，常驻后台，一键截图自动分析。

方案设计

想法很简单： - 系统托盘里放个蓝色图标 - 按 Ctrl+Shift+Z 调出截图选框 - 选完区域自动发到 MiMo API 分析 - 结果弹窗显示，能复制、能追问

踩坑记录

第一个坑：托盘图标不显示

我用 Python 的 pystray 库做了托盘图标，结果： - 双击启动后啥也没看到 - 调试发现进程确实在跑 - 原来图标藏在系统托盘折叠区（^ 箭头下面） - 而且还启动了多个重复进程，托盘区出现了好几个蓝色 M 图标

第二个坑：最大化窗口闪退

中间有次我点终端最大化，结果 PowerShell 直接崩溃了。

查日志发现是 conhost.exe 的 BEX64 缓冲区溢出 bug：

应用程序: conhost.exe
异常类型: BEX64 (0xc0000409)

最后通过设置 Windows Terminal 为默认终端解决了，也不用担心再崩溃了。

第三个坑：热键冲突

设置 Ctrl+Shift+Z 做截图快捷键，结果半天没反应—— 原来这个组合键被输入法占用了，根本触发不到我的程序。

换了 Ctrl+Shift+F1、Ctrl+Shift+F2，还把热键库从 pynput 换成 keyboard 又换成 Windows API RegisterHotKey。

第四个坑：弹窗闪退循环

好不容易能截图分析了，结果弹窗关了又自动弹——

原因：分析完后清除剪贴板的逻辑没写好，剪贴板里的图又被检测到了，陷入无限循环 "分析→弹窗→关→分析→弹窗→关..."

最终方案是分析完后 echo off | clip 清掉剪贴板 + 3 秒冷却时间。

第二次尝试：去托盘化

托盘程序太折腾了，干脆去掉 pystray，改成纯后台热键监听。

用 keyboard 库注册全局热键，控制台窗口显示"就绪"状态。

结果 keyboard 库在 Windows 后台也时不时掉线，热键监听不稳。

最后换成 Windows 原生 API GetAsyncKeyState 轮询 + RegisterHotKey 消息循环，终于稳定了。

第三次尝试：剪贴板监听模式（最终版）

我突然想通了——既然用户截图就是为了给我看，为什么还要多此一举按热键？

改成这样：

用户按 Win+Shift+S（或设好的截图快捷键）
后台程序自动检测到剪贴板有新图片
保存到固定位置 ~/.claude/screenshot/last_screenshot.png
用户直接来对话框问我
我读图分析，回答，删除截图

没有弹窗，没有多余的步骤，没有要用户复制粘贴。

最终的架构

用户截图 (Ctrl+Shift+X)
      ↓
watcher.py (后台监听剪贴板)
      ↓
保存到 last_screenshot.png
      ↓
用户来对话框问问题
      ↓
Claude 检测到新截图
      ↓
analyze.py 通过 API 分析
      ↓
回答用户，删除截图

只需要 pip install pillow requests 两个依赖，不需要托盘、不需要 X11、不需要任何额外服务。

做成 Skill，分享给更多人

这个工具不只能我自己用——所有用终端 Claude Code 的人都有这个痛点。

所以我把它做成了 ECC Skill（/screenshot-tool），并且改造成通用多 API 支持：

支持的多模态 API

服务商	接入方式
小米 MiMo	provider=mimo，原生支持
硅基流动	provider=openai
阿里 Qwen	provider=openai
智谱 GLM	provider=openai
DeepSeek	provider=openai
OpenAI GPT-4o	provider=openai
Anthropic Claude	provider=anthropic

安装方式

# 1. 装依赖
pip install pillow requests

# 2. 复制配置文件
cp ~/.claude/screenshot/config.sh.template ~/.claude/screenshot/config.sh

# 3. 编辑配置文件，填自己的 API Key
vim ~/.claude/screenshot/config.sh

# 4. 启动监听器
pythonw ~/.claude/screenshot/watcher.py &

# 5. 截图，来问 Claude

核心代码

watcher.py — 剪贴板监听器（约 50 行）：

import PIL.ImageGrab, subprocess, time
while True:
    img = PIL.ImageGrab.grabclipboard()
    if img and not seen:
        img.save("last_screenshot.png")
        subprocess.run(["cmd.exe", "/c", "echo off|clip"])
        time.sleep(1)

analyze.py — 通用视觉 API 调用器（支持 MiMo/OpenAI/Anthropic）：

if provider == "mimo" or provider == "openai":
    # OpenAI 格式调用
    requests.post(f"{base}/chat/completions", json={"model": ...})
elif provider == "anthropic":
    # Anthropic 格式调用
    requests.post(f"{base}/messages", headers={"x-api-key": ...})

自动启动

为了让每个新对话都能自动使用，我把配置写进了 CLAUDE.md：

每次新会话自动检查 watcher 是否在运行，不在则启动。用户不需要手动点任何东西。

遇到的坑总结

Windows 终端崩溃

点最大化按钮时 PowerShell 崩了，查日志确认是 conhost.exe 的 BEX64 异常。这是 Windows 10 传统控制台宿主的历史 bug。安装 Windows Terminal 后解决。

Python 后台进程管理

用 pythonw.exe 可以无窗口运行 Python 脚本。但调试时进程容易重复启动，退出清理也不干净。需要 taskkill 手动杀。

热键方案演变

从 pynput → keyboard → GetAsyncKeyState 轮询 → RegisterHotKey Windows API。最终结论：在 Windows 上做全局热键，用原生 API 最靠谱。

剪贴板循环

分析完后不清剪贴板 → 又被检测到 → 死循环。解决：分析完后执行 echo off | clip 清空剪贴板，再加冷却时间。

API 适配

MiMo 和 OpenAI 的接口格式几乎一样，但 Anthropic 的 Claude API 格式完全不同（用 x-api-key 头 + 不同的 request body）。analyze.py 里做了分支处理，让用户切换 provider 只需改配置文件。

总结

从崩溃前的托盘程序，到最终的剪贴板监听器，虽然绕了不少路，但学到了很多东西：

Windows 终端编程的坑 — conhost.exe 崩溃、热键冲突、后台进程管理
Python GUI 编程 — tkinter 选框、pystray 托盘
Windows API — RegisterHotKey、GetAsyncKeyState、消息循环
多 API 适配 — OpenAI 格式 vs Anthropic 格式的差异
产品思维 — 从"我做了一个功能给你用"到"让用户在不知不觉中用完"

最重要的是想清楚了一个道理：工具应该适配人的习惯，而不是让人去适配工具。

所有的代码都在 GitHub 和 Gitee 上，欢迎围观和吐槽。

下一期预告：这个工具的思路还可以扩展——不仅是截图，能不能监听剪贴板里的文件、代码片段？做一个小型的"剪贴板 AI 管家"？敬请期待。

部署个人网站：从 Pelican 到 Cloudflare Pages

2026-06-03T22:45:00+08:00

前两篇文章是在本地写的，网站一直只有我自己能看到。今天的目标很明确：让这个网站上线。

选型：为什么是 Pelican + Cloudflare Pages？

之前试过不少方案：

Hexo / Next.js — 需要 Node.js 环境，对我这个 Python 初学者不太友好
WordPress — 太重了，还要维护数据库
GitHub Pages — 访问速度在国内不太理想

最后选了 Pelican（Python 静态站点生成器）+ Cloudflare Pages（免费托管）。

Pelican 最大的好处是：用 Markdown 写文章，一个命令生成静态 HTML。Python 生态对我这种刚入门的人也更友好。

Cloudflare Pages 的好处： - 免费额度很慷慨 - 全球 CDN 加速 - 支持自定义域名 - 国内访问速度比 GitHub Pages 好

主题设计

既然是自己做，就不想用现成的模板。用了一晚上写了个自定义主题：

简洁的卡片式设计
支持亮色/暗色模式（跟随系统）
响应式布局，手机也能看
紫色系 accent 配色

CSS 直接手写，没上框架，因为站点结构简单，犯不着为了一个博客引一堆依赖。

部署踩坑记

第一步：修复配置

第一次构建时发现 publishconf.py 里的 SITEURL 还是 example.com，赶紧改成了实际域名。

第二步：安装 wrangler

用 Cloudflare Pages 需要 wrangler CLI 来上传文件：

npm install -g wrangler
npx wrangler login

第三步：一键部署脚本

不想每次打字敲长长的命令，写了个 deploy.sh：

# 先构建静态站点
pelican content -o output -s publishconf.py

# 再上传到 Cloudflare Pages
npx wrangler pages deploy output --project-name zerotodev --branch main

以后更新网站只需要：

bash deploy.sh

第四步：自动部署的计划

本来想搞 GitHub + Cloudflare Pages 自动同步——推送代码就自动构建部署。但国内连 GitHub 实在太慢了，连 CLI 都装不上。

退而求其次，目前在等 Gitee Pages 的实名认证审核。通过后，连 deploy.sh 都不用跑，git push 完 Gitee 自动帮我构建部署。

成果

网站已上线：https://zerotodev-4jq.pages.dev

从零搭建到部署完成，用了一晚上加一个傍晚。说麻烦也不算太麻烦，但踩的坑确实不少——网络问题、配置问题、工具链问题，一个一个解决过来。

感想

做这个网站本身就是一个学习过程：

静态网站生成器 — 理解了 Markdown → HTML 的转换流程
CSS 主题设计 — 手写了一套还算能看的样式
云部署 — 接触了 CDN 和 CI/CD 的基本概念
Git 工作流 — 日常使用 commit、push、pull

作为一个从零开始的人，每次搞定一个技术问题都挺有成就感的。虽然都是些基础操作，但能亲手把东西做出来放到网上让全世界看到，这感觉不错。

下一步计划： - 写更多文章记录学习过程 - 完善网站样式和功能 - 做点小工具放上来

继续加油 🚀

Day 2：折腾 Codex CLI、EchoBird 和一堆 API Key 的一天

2026-06-02T23:50:00+08:00

前言

Day 1 搭好了网站，Day 2 决定搞点硬核的——装 OpenAI 的 Codex CLI，再找个好用的 GUI 工具来管理 AI 模型。

结果一天下来，收获不少，坑也踩了不少。

一、装 Codex CLI

什么是 Codex CLI

Codex CLI 是 OpenAI 官方出的一个命令行 AI 编程助手，类似 Claude Code，但它是 OpenAI 家的。装了它就能在终端里跟 AI 对话、让它帮你写代码。

安装过程

npm install -g @openai/codex

一行命令，装上了 v0.136.0。过程很顺利，下载速度还行。

⚠️ 问题来了：登录墙

装完一跑 codex doctor，傻眼了：

✗ auth         stored credentials are incomplete
✗ reachability one or more required provider endpoints are unreachable

Codex 启动后弹出三个登录选项： 1. Sign in with ChatGPT — 需要 ChatGPT 账号 2. Sign in with Azure — 需要 Azure 账号 3. Use API Key — 需要 OpenAI API Key

三个都要花钱，三个在国内网络下都不好使。

ChatGPT 和 OpenAI 的 API 端点（chatgpt.com）在国内根本连不上，连 DNS 都解析不出来。

尝试接入 DeepSeek

不死心，试了用环境变量的方式接入 DeepSeek：

[System.Environment]::SetEnvironmentVariable("OPENAI_API_KEY", "你的DeepSeek Key", "User")
[System.Environment]::SetEnvironmentVariable("OPENAI_BASE_URL", "https://api.deepseek.com/v1", "User")

Codex 确实连上了 DeepSeek，显示 model: deepseek-chat, provider: openai，看起来没问题。但等了半天没有回复，最后超时了。

原因： Codex 用的是 OpenAI 的 Responses API，而 DeepSeek 支持的是 Chat Completions API，接口格式不兼容。

结论

Codex CLI 目前无法直接使用国产模型（DeepSeek、GLM 等）。

它的 --oss 模式只支持本地的 Ollama 和 LMStudio，不支持在线 API 中转。

最后决定暂时放弃 Codex，先把 Claude Code 用好。

二、下载 EchoBird

什么是 EchoBird

EchoBird 是一个桌面端的 AI Agent 管理工具，可以配置各种模型（包括国产模型），提供 GUI 界面来使用 Claude Code、Codex 等工具。简单说就是一个"AI 工具的控制面板"。

下载过程

GitHub 地址：https://github.com/edison7009/EchoBird

下载 v5.1.5 Windows x64 安装包，8MB 左右。GitHub 下载速度一般，但还能接受。

体验

装好之后接入国产模型确实不错，DeepSeek、GLM 都能用。Claude Code 在小窗口里运行正常。

三、⚠️ 重大发现：终端最大化闪退

现象

EchoBird 里启动 Claude Code 时，会弹出一个黑色终端窗口（类似 cmd 的小窗口）。在小窗口状态下一切正常，但只要点最大化按钮，窗口就闪退。

闪退之后对话丢失，找了半天不知道去哪恢复。

排查过程

先怀疑是 EchoBird 的 bug，去 GitHub Issues 搜了一圈，没找到相关报告
打开 Windows 事件查看器，发现了关键线索：

事件名称: BEX64
P1: conhost.exe
P8: c0000409    ← 栈缓冲区溢出

崩溃的不是 EchoBird，是 conhost.exe！

conhost.exe 是 Windows 的控制台主机进程，所有终端窗口（cmd、PowerShell、以及 EchoBird 里嵌入的终端）都靠它来渲染。

根本原因

我的 Windows 10 版本是 10.0.19041（2004 版），这个版本的 conhost.exe 有已知的窗口大小调整崩溃 bug。当终端窗口从小尺寸突然变为最大化时，触发了缓冲区溢出，直接崩掉。

解决办法

方案	操作
最佳	更新 Windows 10 到最新版本，微软已修复此 bug
临时	不用最大化按钮，用 `Win + ←/→` 分屏，或拖拽窗口边框
进阶	安装 Windows Terminal 替代 conhost

恢复丢失的对话

好消息是 Claude Code 的对话历史保存在本地：

C:\Users\asus\.claude\projects\

恢复命令：

claude --resume              # 选择恢复哪个对话
claude --resume <session-id> # 恢复指定对话

四、更新 DeepSeek API Key

问题

之前的 DeepSeek API Key 过期了，Claude Code 连不上 DeepSeek。

解决

去 https://platform.deepseek.com/api_keys 新建了一个 Key，然后更新了三个地方：

1. Hermes 配置文件

# C:\Users\asus\.hermes\config.yaml
- name: deepseek
  api_key: sk-新Key

2. 系统环境变量

[System.Environment]::SetEnvironmentVariable("DEEPSEEK_API_KEY", "新Key", "User")

3. VS Code Cline 插件

Cline 的 API Key 存在 VS Code 的加密存储里，需要在插件设置界面手动更新。

⚠️ 教训：换 Key 的时候要记得所有用到这个 Key 的地方都要改，不然就会出现"这边能用那边不能用"的诡异问题。

五、今天踩的坑总结

#	问题	原因	解决
1	Codex 连不上	国内网络无法访问 chatgpt.com	暂时无解，等网络环境改善
2	Codex 接 DeepSeek 无响应	Responses API 和 Chat Completions API 不兼容	放弃 Codex，用 Claude Code
3	终端最大化闪退	conhost.exe 栈溢出（Win10 旧版本 bug）	更新系统或不点最大化
4	Claude Code 连不上 DeepSeek	API Key 过期	新建 Key，更新所有配置
5	换 Key 后 Cline 还是不能用	只改了部分配置，遗漏了 VS Code 插件	手动在插件设置里更新

六、花了多少钱

项目	花费
DeepSeek API	充值中（旧 Key 过期）
Codex CLI	免费（但用不了）
EchoBird	免费
Claude Code	免费（接 DeepSeek 用）
其他工具	免费

今天的花费：基本为零，主要花的是时间和耐心。

七、接下来的计划

[ ] 测试 EchoBird + Codex 接国产模型的效果
[ ] 更新 Windows 系统，修复 conhost 闪退问题
[ ] 把博客自动部署到 Cloudflare Pages
[ ] 继续学 Python

感想

今天最大的收获不是装了什么工具，而是学会了排查问题的方法。

终端闪退的时候，第一反应是"EchoBird 有 bug"。但实际去事件查看器一查，发现是 Windows 系统的问题。不要凭感觉猜，要看日志。

还有就是：换 API Key 的时候，一定要把所有用到的地方都找出来一起改。 这个教训值一顿火锅。

ZeroToDev，Day 2 完成 ✅

Day 1：从不知道博客是什么，到拥有自己的网站

2026-06-01T22:49:00+08:00

起因

说实话，今天之前我连"博客"是什么都不太清楚。就知道别人老说"写个博客"，心想那是个啥？

最近 AI 火了，装了个 Claude 试了试，一用就上瘾了。然后又搞了 VS Code、OpenClaw、DeepSeek API、小米 API，前前后后花了几十块钱。还用 Python 做了一个 C 盘清理工具叫 CleanBuddy。

做了东西总得有个地方放吧？于是就有了这个网站。

今天干了啥

1. 装了 Pelican

Pelican 是一个用 Python 写的静态网站生成器。你只需要写 Markdown 文件，它帮你生成整个网站。对我这种小白太友好了。

pip install pelican markdown

一行命令搞定。

2. 选了名字

想了很久，最后选了 ZeroToDev —— 从零到开发者。因为这就是我的故事。

3. 写了第一篇博客

其实就是把我的经历写下来：怎么装的 Claude，怎么上瘾的，怎么做出来的 CleanBuddy。写 Markdown 比想象中简单多了。

4. 注册了 Gitee

本来想用 GitHub，结果网络不稳定连不上。改用 Gitee（码云），国内的，速度快，中文界面。

5. 上传了 CleanBuddy 源码

用 Git 把代码传到了 Gitee，第一次用 Git，踩了不少坑： - 跑错目录，差点把整个电脑的文件都传上去 - 密码认证失败，改用 SSH 密钥 - 仓库地址末尾多了个 + 号，死活传不上去

但最后都解决了。

6. 网站部署

把网站代码也传到了 Gitee，准备用 Gitee Pages 部署上线。

花了多少钱

项目	花费
DeepSeek API	几十块
小米 API	几十块
Claude Code	免费试用
VS Code	免费
OpenClaw	免费
Gitee	免费
Pelican	免费

总花费：几十块。比一顿火锅便宜，但学到的东西比火锅多。

踩的坑

Git 跑错目录 — 在用户根目录初始化了仓库，差点把所有个人文件都传上去。教训：cd 到项目目录再操作！
Gitee 密码认证失败 — 现在 Gitee 不让用密码推送代码了，要用 SSH 密钥或者私人令牌。
仓库地址多了个 + 号 — 一个小符号导致 404 错误，排查了半天。

接下来的计划

完善 CleanBuddy 的功能
做一个小游戏
继续学 Python
把网站设计得好看一点

感想

一天前我还不知道博客是什么，现在已经有了自己的网站、自己的代码仓库、自己的第一篇博客。

技术这东西，真的不用等"准备好了"再开始。边做边学，遇到问题解决问题，这就是编程的乐趣。

ZeroToDev，Day 1 完成 ✅

从零开始：一个编程小白的折腾记录

2026-06-01T20:30:00+08:00

嗨，我是 ZeroToDev。

起因

最近 AI 很火，我装了个 Claude 试了试，没想到一用就上瘾了。

从一个完全不懂代码的小白，一路折腾到现在，我已经搞了不少东西：

Claude Code — AI 编程助手，装了
VS Code — 代码编辑器，装了
OpenClaw — AI 助手平台，也装了
DeepSeek API — 买了
小米 API — 也买了
还用 Python 做了第一个程序 CleanBuddy，已经打包好了

前前后后花了几十块钱，但比起学到的东西，太值了。

为什么要做这个网站

做出来的东西总得有个地方放吧？而且我也想记录下整个过程——从啥都不会，到能做出东西来。

这个网站就是我的实验基地：

放我做的软件和小工具
记录学习过程中的坑和收获
看看一年后我能走到哪

接下来的计划

把 CleanBuddy 完善一下
做一个小游戏
继续学 Python 和 Web 开发

欢迎围观一个编程小白的逆袭之路 🚀