Claude Code 写了我 90% 的代码——但那不是它最重要的工作
所有人都在讨论 AI 写代码有多快。但运营一人公司 30 天后，我发现编码是 Claude Code 做的最不重要的事。真正的杠杆在别处。
Anthropic 的工程师说，Claude Code 自己的代码库里 90% 的代码由 Claude Code 编写。HN 上有人惊叹，Medium 上有人写 10x 生产力教程，Twitter 上有人拍桌子说”程序员要失业了”。
但这个故事有后半段，没人讲：对一个用 Claude Code 运营一人公司的人来说，编码是它做的最不重要的工作。
过去 30 天，我的公司产出了 13 篇深度博客、3 个 npm 开源工具、2 个产品、一套覆盖 5 个数据源的趋势雷达。真正让这些事发生的，不是 Claude Code 写代码的能力——而是水面之下那 6 份跟代码无关的工作。
转折点：两个产品，零用户
一个月前，我还是那种”AI 写代码很快”的信徒。10 天做了两个产品：一个 Chrome 插件（BuyOnce），一个竞品分析工具（Traction）。代码质量不差，功能也完整。
用户数：0。
复盘后我发现：代码根本不是瓶颈。我卡在需求验证、内容分发、品牌建设、趋势判断——所有跟”写代码”无关的事上。
这个认知让我重新看待 Claude Code。如果它能写 90% 的代码，那剩下的 90% 精力应该投在哪？
答案是：投在代码之外。
冰山下面的 6 份工作
这 6 份工作不是并列关系，而是一条链：发现需求 → 捕捉时机 → 生产内容 → 分发触达 → 维持连贯 → 质量兜底。每一环都不是写代码，但每一环断了，产品就卖不出去。
找到值得做的事
Claude Code 驱动的 demand-mining agent 爬 Reddit 和 HN 评论，用 LLM 提取痛点并聚类。第一轮跑出 38 个痛点，经过人工筛选和竞品分析，最终选出了 BuyOnce 的方向。
爬虫脚本本身很简单。真正的价值在于 LLM 对非结构化吐槽的理解——“我受够了每月付 X 钱”这种评论，我手动翻了 2 天 Reddit 才整理出第一版清单，用 LLM 几分钟就跑完了。
比别人早一步看见信号
每天，Claude Code 扫描 GitHub Trending、HN 首页、Product Hunt、Twitter 和两份 AI newsletter（Ben’s Bites + TLDR AI），按 4 个维度打分（传播速度 × 相关性 × 内容潜力 × 时效性），高分信号自动进入内容管线。
这确实有代码（Python 爬虫 + 评分脚本），但 Claude Code 的真正价值不在写这些代码——而在每天解读这些信号。“这个项目为什么突然涨了 500 star？""这条 HN 讨论背后有什么产品机会？“这些判断才是输出。
把判断力变成流水线
我的博客不是”写完发出去”。每篇经过三个阶段：选题验证（日历平衡 + Google Trends + 竞品扫描）→ 写作生产（叙事策略 + 中英双语独立创作 + 品味自检）→ 质量关卡（独立 subagent 对抗审查 + GEO 优化 + 社媒草稿）。
这套流程定义在一个 672 行的 Prompt 规范里（blog-writer agent）。Claude Code 读取规范后一步步执行，我只在关键节点审批。
结果：30 天产出 13 篇博客（中英双语）。我之前纯手写，一个月最多 3 篇。核心不是自动化——是判断。这个选题值不值得写？什么叙事策略最有效？标题够不够好？Claude Code 能执行判断规则，但规则本身需要人来定义和迭代。
写完只是开始
Claude Code 还负责把博客变成社媒弹药：
- 提取核心痛点、关键数字、信息差
- 搜索 Twitter 热点，从 8 种 Hook 战术中选择匹配的
- 组装中英文独立 thread（不是翻译，是独立创作）
- 验证每个 hashtag 的活跃度，找互动目标
一篇博客的分发产出约 5000 字的社媒内容，比博客本身还长。
说”继续”，从断点恢复
一人公司最大的隐性成本是上下文切换。今天做内容，明天做产品，后天调系统——每次切换都要重新加载”我在做什么、做到哪了、下一步是什么”。
Claude Code 通过 CLAUDE.md（277 行公司操作手册）+ memory/MEMORY.md（跨会话记忆）解决这个问题。每个新对话启动时，它已经知道：当前状态、进行中的任务、工作线路由表、跨域信号。
我说”继续”，它就知道从哪接着做。这个能力不是代码，是运营基础设施。
让没有上下文的人审查你
每篇博客写完后，Claude Code 会启动一个独立的 subagent 做对抗审查——这个 subagent 没有写作过程的上下文，只看成品，逐项检查：来源可靠性、注意力质量、结构递进性、反模式扫描。
写作者审查自己的作品，沉没成本偏见几乎不可避免。一个没有上下文的审查者能看到你看不到的问题。（这篇文章本身就经过了这道审查，你读到的是修改后的版本。）
你的 Claude Code 在做什么？
代码有明确的对错——能跑 / 不能跑，通过测试 / 不通过测试。但运营公司的大部分决策没有对错，只有好坏。Claude Code 在这些场景下的价值，不是替你做决策——而是帮你建立做决策的系统。你定义规则，它执行规则。无限次。
如果你只用它写代码，试试这三件事：
- 写一份 CLAUDE.md — 把你公司的运作规则、当前状态、决策标准写成一份操作手册。下次开新对话，它直接从断点恢复，不用你重复解释
- 让它挖需求 — 给它一个 subreddit 或 HN 帖子，让它提取用户痛点并按频次排序。你会发现 LLM 读评论比你快得多
- 让它审查你 — 写完任何重要内容后，启动一个新对话（没有写作上下文），让它纯粹以读者视角找问题
代码是冰山露出水面的尖角。这 6 份工作，才是水面之下推动一切的东西。
FAQ
Q: Claude Code 真的能替代 CTO 吗？
不能。Claude Code 能执行 CTO 定义的流程，但不能制定战略。它是一个优秀的执行者，不是决策者。你需要告诉它”什么时候该问我”，否则它会在不确定时继续猜。
Q: 用 Claude Code 运营公司的月成本是多少？
Claude Code 订阅 $200/月（Max plan）。加上 AI API 调用（radar 评分、demand-mining 的 LLM 分类）约 $20-30/月。总成本约 $220-230/月，大概是雇一个实习生的 1/10。
Q: 这种方式适合什么阶段的公司？
最适合 0-1 阶段的一人公司或极小团队。当你需要一个人同时做开发、内容、运营、分发时，Claude Code 的跨领域执行能力最有价值。团队超过 3 人后，协调成本可能超过收益。