零代码20分钟用Claude Code搭建你的首个AI智能体

为什么Claude Code不只是开发者的工具

很多人看到"Claude Code"这个名字，第一反应是：这是给程序员用的编程助手。但一位自称完全不写代码的内容创作者，用Claude Code搭建了一个能自动生成动画轮播帖的AI智能体，而且全程只在Claude桌面应用里操作，没有打开过终端。

这个思路值得关注。聊天机器人回答问题，而智能体是把活儿从你手上接走。两者的区别不在模型本身，而在"判断力"——你给智能体一个目标，它自己决定先做什么、用什么工具、结果够不够好。

在这个案例里，创作者为自己的Instagram业务搭建了一个内容创作者智能体，把长视频和Newsletter转成品牌风格的轮播帖。具体做什么业务其实不重要，方法论可以迁移到任何场景。

智能体的五个组成部分

要做出好的判断，每个智能体都需要同样的五个部分：

• 大脑：负责思考的AI模型
• 上下文：它对你品牌了解多少
• 任务：它正在努力达成的目标
• 规则：它该怎么工作、绝不能做什么
• 工具：它被允许用什么来完成任务

这五个要素贯穿了后面所有搭建步骤，也是判断一个智能体是否"完整"的检查清单。

Level 0：先把工作空间建好（大多数人跳过的一步）

搭建智能体之前，先准备好它的"办公室"。在本地创建一个文件夹，比如命名为"business OS"，拖入品牌Logo、个人照片、几张真实的IG帖子作为参考。这是所有智能体生活和工作的中心位置。

打开Claude桌面应用，切换到Code标签页。Claude Code有两种运行模式：本地和云端，先从本地开始。选中刚建好的文件夹，权限模式建议从auto开始，让智能体不被打断地工作，同时仍会拦截有风险的操作。模型方面，创作者选择了Opus，理由是它对细节指令的遵循更精确，设计品味也更好。

关键动作：让Claude读取你的品牌网站和文件夹里的文件，生成两份东西——一份是Claude智能体每次启动都会先读的"入职指南"（CLAUDE.md文件），另一份是品牌上下文文件，覆盖业务、受众、语气和视觉风格。它会主动追问你用什么字体、为什么喜欢那些示例帖。

测试方法：新建会话，让它规划下周关于某话题的帖子。你会发现输出明显贴合你的品牌——配色、语言风格都对。同样的请求放到一个空文件夹里，同样的模型，结果天差地别。区别只在工作空间。

CLAUDE.md 文件与「入职指南」机制

CLAUDE.md 是 Claude Code 约定俗成的项目级说明文件：每次会话启动时，工具会自动读取它并注入到模型的上下文中，相当于给智能体的「第一天入职手册」。它通常记录项目结构、常用命令、代码风格、禁止事项等规则，让模型不必每次重新摸索。

在本案例中，Claude 通过阅读品牌网站和参考文件，自动生成了这份入职指南与品牌上下文文件，这解决了智能体常犯的「上下文失忆」问题——同一段提示词，放在空文件夹与放在带说明的文件夹里，输出质量差异巨大，原因就在于模型能否在启动时获得稳定的背景信息。写 CLAUDE.md 时应保持精炼：只放长期有效的规则与偏好，临时性的任务指令留在对话里，否则文件膨胀会稀释真正关键的约束。

Level 1：搭建第一个智能体

不需要自己写智能体。创作者用了一份现成的"智能体设计师"提示词，粘贴进去、描述任务，它就会反过来采访你、帮你设计。Claude会澄清需求，然后按五个组成部分总结出智能体方案，并创建对应的智能体文件夹。

对非技术用户来说，看不懂这个文件夹结构也没关系，跳过就行。更重要的是知道怎么用起来：使用时输入add选择你的内容创作者智能体，然后给它一段视频文稿，要求转成不超过10页的轮播帖。智能体会读取输入文件、做出判断、给出角度建议，再动手制作初稿。

第一版通常不太行——图片显示不出来、字号不对、整体看起来有点朴素。这很正常。第一版几乎从来不是你最终会用的版本，迭代才是常态。

Level 2：用技能（Skills）让输出稳定可靠

初版智能体每次运行都会在钩子、版式、设计上自己临时拍板，导致输出不稳定。解法是给智能体创建"技能"——相当于一份每次都必须照做的操作手册。

最有效的方式是让Claude反向采访你：哪些地方要改进？品牌的整体能量是什么？标志性的动效应该是什么样？创作者特别提到，让Claude"think hard"会明显提升提问质量。

技能建好后，还要把它分配给智能体，并在CLAUDE.md里注明"当我说轮播帖时就用这个智能体"。这样每次任务才会稳定复用同一套流程。

演示效果：智能体把之前的轮播帖逐页做成动画——封面人像动起来、环形图自己画出来、路线图从上往下绘制、还有一个玻璃罐作为移动元素贯穿全页。每一页都导出为独立视频文件，可以直接上传到社交媒体。

技能（Skills）与提示词的区别

技能（Skills）是 Claude 生态中的一种可复用能力封装，通常以文件夹形式存放，内含说明文档（SKILL.md）以及模板、脚本等资源。它和普通的提示词不同：提示词是一次性的对话输入，而技能是「按需加载」的持久资产，模型在判断任务相关时会主动调用其中定义的流程。

这正好解释了文中「输出不稳定」的成因——没有技能时，智能体每次都在钩子、版式、设计上临时决策，结果自然飘忽。把反复打磨过的做法固化成技能后，同一类任务就复用同一套检查清单和步骤，稳定性显著提升。技能还可以层层组合，让一个智能体同时掌握多种产出格式。对本例的轮播帖而言，技能相当于一份「品牌设计规范 + 操作步骤」的合订手册。

Level 3：加上记忆，让智能体自我进化

默认状态下，AI智能体每次都从零开始，你不得不反复给同样的反馈。解决办法是给它一份"记忆"——一本记录工作经验的学习笔记。

此时智能体要读三样东西：入职指南（第一天给它的手册）、技能手册（工作该怎么做）、记忆笔记（从合作中学到的经验）。

创建记忆时有个关键细节：明确告诉它只记录对未来帖子适用的反馈，而不是一次性修改。否则它会事无巨细全记下来，反而稀释了真正重要的信息。

实测过程：创作者逐条给出反馈——不要品牌色之外的棕色方块、内页背景要有变化。下一次用全新的Newsletter测试，输出明显更好：背景更多样、没有跑偏的品牌色。虽然仍有小问题（一个机器人图标想换成默认款、封面人像的黑边要去掉），但智能体会把这些反馈同样写进记忆文件，避免重犯。越用越聪明，这就是"自我进化"的含义。

记忆文件与上下文窗口的关系

大模型的上下文窗口是有限的，而且默认状态下每次新会话都不保留历史，这就是智能体「每次都从零开始」的根源。记忆文件的本质，是把跨会话仍然有效的信息写到磁盘上，在下次启动时像 CLAUDE.md 一样被读取回上下文，从而绕过窗口的限制。

因此记忆的管理原则与提示词工程一致：只保留高价值、可复用的条目，并定期合并或清理。文中强调「只记录对未来帖子适用的反馈」，正是为了避免记忆膨胀导致关键约束被淹没。可以把它理解为一个持续维护的经验库——写入越克制，命中越精准；如果什么都记，等于什么都没记住。

Level 4：搬到云端，让它自己跑

前三关已经能给你一个可用的智能体。第四关是大多数人不会碰的：把智能体放到云端，让它在你不看着的时候也工作。

先给它两个新工具。第一个是Notion连接器，让智能体把产出直接放进Notion，而不是留在本地。第二个是GitHub，把business OS文件夹同步成一个私有仓库——没注册过也很简单，建个免费账号就行。这一步让整个工作空间有了云端副本。

接着在Notion里建一个"内容收件箱"。出门在外时，用Claude手机应用新建会话、选中同一个仓库，让智能体检查收件箱里的待办想法并转成轮播帖。任务在后台跑，关掉手机屏幕也不影响。智能体完成后会回报结果，附上Notion链接，并自动把任务标记为完成。

最后一步是定时任务：设置一个"每日内容投放"，每天晚上检查收件箱新条目、生成轮播帖，甚至让它基于反馈提出技能手册的改进建议。白天往收件箱丢素材，第二天早上草稿就已经在等着你审阅。

连接器、仓库与定时任务的分工

云端运行依赖三个环节的配合：连接器（如 Notion）负责让智能体读写外部应用里的数据，私有 Git 仓库（如 GitHub）负责把本地工作空间变成可被云端读取的版本化副本，定时任务则负责在无人触发时按计划唤起智能体。

这三者缺一不可：没有仓库，云端就看不到你的品牌文件与技能手册；没有连接器，产出只能留在本地，无法在手机上收集和查看；没有定时任务，智能体仍是被动等待指令。把任务写成「检查收件箱→生成内容→回填链接→标记完成」的闭环，是无人值守自动化的典型形态。需要注意，云端运行意味着模型会自主执行操作，因此权限范围、仓库可见性和敏感信息的存放位置都应提前规划。

这套方法能复用到哪些场景

创作者强调，这套四层框架不限于内容创作。任何你希望AI接管判断的重复性工作——资料整理、数据汇总、客户回复初稿——都可以按"工作空间→智能体→技能→记忆→云端"的顺序搭起来。不必一次做完，一层一层来即可。

值得注意的取舍是：层级越高，自动化的收益越大，但前期的搭建投入和调试成本也越高。如果只是偶尔用一次，Level 1就够；如果每天都要处理同类任务，Level 3和4的回报才真正显现。

常见问题

完全不写代码真的可以吗？ 可以。整个流程都在Claude桌面应用内完成，通过自然语言指令操作文件夹和配置文件，不需要碰终端。

智能体第一版不理想怎么办？ 正常。把反馈明确告诉它，并让它写进记忆文件，下一轮就会改进。关键在于让反馈沉淀下来，而不是每次手动改完就算了。