我並非全職開發者。過去幾天,我進行了一項實驗:我用簡單的韓文描述我的需求,然後由一個 AI 程式碼代理(Claude Code)負責規劃、編碼、部署、除錯、圖片和短影片的製作。
成果是一個約有 1,300 個靜態頁面的韓文資訊網站,它每小時會自動重建。除了網域和 AI 訂閱費用外,伺服器和 API 的費用皆為零。
一位非全職開發者利用 AI 程式碼代理 Claude Code,成功建立了一個擁有約 1,300 個靜態頁面的韓文資訊網站。這個網站每小時自動重建,並且除了網域和 AI 訂閱費用外,伺服器和 API 費用皆為零。這項實驗展示了 AI 在自動化網站開發和內容管理方面的潛力。

我並非全職開發者。過去幾天,我進行了一項實驗:我用簡單的韓文描述我的需求,然後由一個 AI 程式碼代理(Claude Code)負責規劃、編碼、部署、除錯、圖片和短影片的製作。
成果是一個約有 1,300 個靜態頁面的韓文資訊網站,它每小時會自動重建。除了網域和 AI 訂閱費用外,伺服器和 API 的費用皆為零。
零成本的限制:
網站託管:GitHub Pages(靜態 HTML),免費。
登入、書籤、訪客計數器、網路推播訂閱:Cloudflare Workers + D1 免費方案。
「冰箱有什麼能煮」工具的圖片轉食材辨識:Workers AI 上的公開視覺模型,每日有上限以維持在免費額度內。
資料來源:發布商的公開 RSS 訂閱源(僅限 robots.txt 允許的情況)、Upbit 的公開加密貨幣 API、Google 趨勢 RSS。
角色藝術:在我自己的 GPU 上執行開源模型。
自動化:我的個人電腦上的 Windows 工作排程器,每小時執行一次:收集 → 處理 → 建置 → git push。
我發現的有趣之處:
將來自 15 個新聞媒體的相同報導進行分組。第一個版本以鏈狀方式連結文章(A≈B, B≈C),這導致完全不同的報導 A 和 C 被合併。改為「將所有內容與一篇種子文章進行比較」後,問題就解決了。
一個「驗證訊號」分數,而非事實查核結論。每篇文章會根據交叉報導、具名(而非匿名或社群媒體)來源、標題中的數字和雙引號引文是否確實出現在內文中,以及不同媒體報導同一事件的傷亡人數是否不同來獲得分數。頁面始終聲明這是一個閱讀輔助工具,而非最終判斷。
分析師報告作為節點。一篇券商報告文章就是一個節點(公司、方向、舊 → 新目標價、原因標籤)。這些節點會匯總成每個股票的「上漲原因/下跌原因」樹狀結構。
AI 出錯的地方:
一篇沒有日期的舊文章(一年前)混入了 RSS 訂閱源,並顯示為「今日報導」。解決方法:從 RSS → URL → 頁面中解析日期,刪除任何超過 7 天的內容,並標記不合理的目標價跳升。
韓文標題中用於強調的單引號被視為引文並受到懲罰。解決方法:只比較雙引號文字。
生成的角色手部異常。解決方法:只使用經過人工檢查的圖片。
完整的成本表、架構和我給出的實際指令,都可以在建置日誌頁面(韓文)上找到:https://sungprofile.cloud/ailog/?src=devto
覺得值得一看?分享給朋友。
以上為 AI 自動翻譯導讀。原文版權歸 DEV Community (Claude Code) 所有, 建議透過「閱讀原文」前往原始網站,以取得最完整資訊並支持原作者。
43 個來源、每 2 小時更新,太多看不完。電子報每週挑最值得看的幾則,附上 Max 的看法。