一个人用Claude Opus 5.5打造24/7全AI像素新闻台PNN

从一个夜晚的荒诞念头开始

一位独立开发者在 Reddit 上分享了一个出人意料的项目：他用 Claude Code 搭配 Opus 5.5，从零构建了一个完全由 AI 运营、全程像素风绘制、永不停播的有线新闻网络，取名为 PNN（Pixel News Network）。

用他自己的话说，这最初只是"一个愚蠢的想法"——做一个彻底由 AI 运行、从不下线的电视台。他坦言自己完全不是电视行业的人，对这套东西的运作一无所知，打开 Claude Code 后"就这么一直没停下来"。如今 PNN 已经上线，可通过 www.pnn.watch 实时观看。

这个项目之所以值得关注，不仅因为它的脑洞，更因为它展示了单人借助最新一代编程助手，能把一个"玩票"想法推进到何种工程完整度。

PNN 到底是个什么样的电视台

从内容上看，PNN 覆盖约 70 个信息源，报道的全是真实新闻：世界局势、科技、体育、加密货币、NFT、meme 币，以及互联网上发生的各种怪事。

真正有意思的是节目里的 AI 角色。它们不是一次性生成的播报机器，而是"有记忆"的——角色之间存在关系、长期恩怨、内部笑话，对彼此有看法，有时甚至会当场发火、直接走下演播台。

随着项目推进，作者还给它排了一套完整的电视节目表：

• 早间节目：常规晨间新闻秀
• 监狱厨房：一个戏仿入狱加密货币创始人的角色，在"监狱厨房"里做真实菜谱
• 孤岛记者：一名被永久困在特里斯坦-达库尼亚岛的日间记者，从岛上报道真实新闻
• NFT 晨间秀 与 收藏品节目
• 复古游戏节目：最后演变成三个人坐在 90 年代地下室里像播客一样聊游戏
• 夜间节目 Up Late：有开场独白、驻场乐队、现场观众、沙发访谈嘉宾和音乐嘉宾
• Crypto After Hours：被作者形容为"彻底的混乱"

让 AI 乐队真正"演奏"音乐

作者说，音乐部分可能是他最喜欢的环节。他本身常用 Suno 制作歌曲，于是干脆"发明"了一堆乐队：南方摇滚乐队、动作像是轻微故障的暗黑艺术流行歌手、朋克乐队、弹班卓琴的创作歌手等等。

技术细节在这里尤其出彩。这些角色会真正"表演"歌曲——嘴型与人声对齐，吉他手按真实节拍弹奏，鼓手会一直等到歌曲里鼓声进来才开始打鼓。这种对时间轴的精细映射，正是把"AI 生成内容"升级为"可信演出"的关键，也是作者坦言比预想中更有成就感的部分。

Suno 是一款 AI 音乐生成工具，用户只需输入文字描述（风格、情绪、歌词等），即可生成带人声的完整歌曲音频。它的出现大幅降低了个人制作原创音乐的门槛。在 PNN 的架构里，Suno 负责生成实际的音频素材，而像素风角色的动画——嘴型同步、乐器演奏动作与节拍对齐——则需要额外的时间轴映射系统将音频事件（人声进入、鼓点起拍）与视觉帧精确绑定。这种"音频驱动动画"的思路在游戏和虚拟主播领域已有成熟实践（如 Live2D），但将其应用于全程 AI 生成的像素风直播，仍需大量自定义工程工作。

背后那套"认真到吓人"的系统

在这些荒诞内容之下，支撑 PNN 的其实是一套相当严肃的工程体系。

单一时间线广播。 Claude 把每一段节目都写成结构化脚本，每一句台词都被配音、计时并放入一条连续的广播流中。所有观众在同一时刻看到的是同一个画面——系统并不为每个观众单独生成节目，而是维持着一条不断向前推进的 PNN 时间线。这与常见的"千人千面"生成式内容截然不同。

严防幻觉。 作者对不让模型"编造真人信息"近乎偏执。只要台词里出现价格、数字或统计数据，就会与模型拿到的数据做比对，不一致就重写或删掉。戏仿类嘉宾被明确标注，且只能引用来源化的研究资料，每一句话还要再过一道"标准审查"。

庞大的事实库。 他为此建立了一个研究资料库，目前已有约 15,000 条带来源的事实，涵盖 NFT 项目、艺术家、meme 币、收藏品等网络话题；另有一个独立 agent 在事实入库前先做核查。

"幻觉"（Hallucination）是大语言模型的核心缺陷之一，指模型以高置信度生成看似合理却与事实不符的内容——尤其容易出现在具体数字、人名、引用来源等细节上。对于新闻播报场景，这一问题尤为致命，一旦播出虚假数据或捏造言论，法律与声誉风险极高。PNN 的防幻觉设计采用了典型的"RAG + 校验"思路：先将经过核查的事实存入结构化数据库（Retrieval-Augmented Generation 中的知识库），模型生成内容时必须从中检索，生成后再与原始数据做自动比对，不一致则触发重写或删除。独立 agent 在事实入库前预先核查，则相当于在数据源头再加一道过滤，构成双层防护。

成本控制与模型分工

为避免"破产"，作者给整个系统套上了预算机制：没人观看时就不写任何内容。模型使用也做了分层——Haiku 负责大部分常规对白，Sonnet 承担较大的节目和事实核查工作。

更令人意外的是，这整个"假电视台"竟然跑在他家里的一台 Mac Studio 上。为了避免再次搞挂直播，他还搭建了约 2,500 项自动化检查，在推送任何改动前运行——因为曾经有一次他把整个直播网络弄崩了，从此决定"再也不想经历那种事"。

Anthropic 的 Claude 系列提供多个能力与成本梯度的模型：Haiku 是轻量级版本，推理速度快、调用成本低，适合高频、重复性任务；Sonnet 能力居中，适合需要一定推理深度的内容生成与核查；Opus 则是旗舰版，能力最强但价格也最高。PNN 将不同任务路由到不同模型，是生产级 AI 系统中常见的"模型分层调度"策略——用昂贵模型处理少量关键决策，用廉价模型承担海量日常输出，在质量与成本之间取得平衡。"无人观看时停止生成"则是一种基于需求的按需计算思路，避免为零受众持续消耗 API 配额。

和 Opus 5.5 协作的真实体验

作者认为，整个项目最疯狂的部分其实是用 Opus 5.5 构建它的过程。他形容这"不太像在用 AI，更像身边坐着一个从不疲倦的优秀工程师"。

多数时候，他的指令非常口语化，比如"让她跳得怪一点，诡异、僵硬、有点机械感"，或者"那把吉他看着像班卓琴，修一下"。模型会直接构建、运行、把视频或草图展示给他，他再反馈哪里不行。

让他更惊讶的是，模型会"反驳"他——如果想法很蠢，它会解释为什么蠢。它还会把改动先跑在一个"时移副本"的 PNN 上，在碰正式直播前自己抓出大量 bug。这种"会推回"和"自验证"的协作模式，可能比任何单项功能都更能说明新一代编程助手的价值。

Claude Code 是 Anthropic 推出的 AI 编程助手，以代理（agent）模式运行，能够在终端环境中直接读写文件、执行命令、运行测试，并在多步骤任务中自主规划和纠错，而不仅仅是在对话框里输出代码片段。这与早期"补全式"代码助手（如早期 GitHub Copilot）有本质区别：后者是被动响应光标位置的上下文，前者更接近一个能接收高层目标、自主拆解子任务并持续执行的工程协作者。PNN 项目中"把改动先跑在时移副本上、自己抓 bug 再推正式直播"的工作流，正是 Claude Code 代理模式的典型应用——模型不只写代码，还负责运行和验证。

一个人能做到什么程度

PNN 的意义在于它是一个边界样本：一个非电视行业、自称一开始啥都不懂的人，靠 Claude Code 和 Opus 5.5，在大约一周内把一个"胡闹的点子"推进成一个有节目表、有事实核查、有成本控制、有自动化测试、能 7×24 不间断播出的完整系统。

作者表示打算至少让它运行一年，看看会演变成什么样，并欢迎感兴趣的人向他提问。这个项目本身就是对"AI 辅助开发天花板"的一次有趣压力测试。