企业官网建设流程全解析

“从零搭建新项目”，这几个字看着很爽，做完才知道真正难的从来不是写代码，而是决定“到底要做什么、怎么做”。最近我用Claude Code从空目录搭完了一个宠物生命周期管理App，从数据库建模到页面生成再到提醒逻辑，主力都是这个终端里的AI编程工具。这篇文章不聊宏大概念，就把一件事讲透：如果你手里也有一个类似的业务想法，怎么用Claude Code一步步变成能跑的App，以及路上哪些坑最值得绕开。适合刚接触Claude Code的开发者，也适合后端基础一般、想快速出Demo的产品同学。

1. 项目立项：为什么选中“宠物生命周期管理”这个切入口

1.1 从零搭项目的通病：不是语法难，是信息架构难

很多人打开编辑器面对空目录时，卡住的不是不会写某行代码，而是“不知道从哪下手”。宠物生命周期管理这个选题，表面看是个小工具，实际把一套标准业务系统的所有套路都覆盖了：从基础档案到关联记录，从时间计算到提醒触发，还有统计页面。核心实体是宠物，围绕它挂着疫苗、驱虫、体检、体重、就诊这些事件，每条事件又带着“下次应该什么时候做”的时间约束。这就是典型的“实体—关联—事件—提醒”结构，跟图书管理、社区活动、企业工单在底层一模一样。

所以我在立项时给自己划了明确边界：不做复杂权限，不做多用户协作，不做支付，单家庭场景下能把宠物从幼年到老年全生命周期管理好就算达标。范围越小，AI反而越好配合，因为你给它的每一句需求都能被精确翻译成代码。如果一开始就喊“帮我做个全功能宠物平台”，Claude Code大概率给你生成一套前后端分离的微服务大礼包，结果跑都跑不起来。这也是我想强调的第一条经验：AI编程工具最怕的不是笨，而是你需求描述得含混。

1.2 为什么选Claude Code当主力开发工具

Claude Code和普通聊天式AI编程最大的区别是它跑在终端里，能读写项目文件、执行shell命令、跨多个文件做修改，而且会在上下文里持续维护“我们正在做什么、改到哪一步了”。普通对话式AI帮你生成一段代码已经是极限，Claude Code可以直接把这段代码写进对应文件，然后顺手执行测试命令告诉你结果，改坏了还能自己回滚。

这个差异在做新项目时尤其明显。搭Django项目要先建工程、改配置、同步数据库，中间牵涉十几个文件的增删修改，用复制粘贴的方式跟AI对话会累死人，Claude Code则是全程自己动手。实际体验下来，它就像一个特别听话、但偶尔会自信过头的同事，你不需要提醒它“把代码贴到第几行”，它自己会处理好。

1.3 技术栈选定：Django + SQLite + 轻量前端的理由

本轮项目选的是Python 3.12加Django 5，数据库用SQLite，前端用Django模板加Bootstrap，图表用Chart.js。有人会问，既然都上AI了，为什么不直接React加Node全家桶？我的回答是：项目目标决定了复杂度上限。

Django自带ORM、Admin后台、表单处理和模板引擎，这意味着用户增删改查这类基础功能，几乎不用额外写接口，HTML直接渲染，天然适合快速出活。SQLite零配置，不需要单独装数据库服务，做完直接打包跑，对Demo阶段完全够用。前端没有强行拆成前后端分离，是因为单用户场景不需要，多一层Node工程反而增加了Claude Code跨项目改代码的负担。整套选型围绕“最快跑通全流程”服务，而不是“技术栈最时髦”。

2. Claude Code从零上手：安装、配置与编码环境

2.1 安装Claude Code的两种方式与前置检查

安装Claude Code之前，先确认电脑上有Node.js环境，版本建议18以上。终端里执行node -v看一眼，如果没有装，先去装一个Node版本管理工具，比如nvm，再装LTS版本的Node。这是最容易忽略的前置条件，很多人卡在安装脚本报错，其实不是工具的问题，是基础环境版本太老。

装好Node之后，安装Claude Code最简单的方式是npm全局安装：

npm install -g @anthropic-ai/claude-code

装完执行claude --version，能输出版本号就说明装好了。另一种方式是官方提供的自动安装脚本，一条命令搞定，但我个人更喜欢npm方式，后续版本升级直接再跑一遍npm命令就行。Windows用户如果遇到PowerShell禁止运行脚本的报错，可以用管理员身份执行Set-ExecutionPolicy -Scope CurrentUser RemoteSigned调整策略，这是本地开发环境常见操作，别在团队共用或服务器上随便改。

第一次执行claude命令会进入登录流程。终端里会生成一个一次性链接，用浏览器打开并授权，再把返回的验证码贴回终端即可。登录成功后，Claude Code会询问你是否允许它读取当前目录、执行命令，建议在个人项目目录里给足权限，一些命令执行前它还会再次确认，这是它的安全机制。

2.2 在VSCode里给Claude Code安排一个工作间

Claude Code可以不依赖编辑器单独使用，但我习惯在VSCode里配好环境一起开发。VSCode扩展市场里搜Claude Code，装上官方扩展，它会在侧边栏显示一个会话面板，同时能高亮当前被AI修改的文件。最有用的是调试场景：代码报错时，选中报错信息右键发送给Claude Code，它能直接拿到上下文去分析，省掉大量手动复制粘贴。

我同时还装了一个AI补全插件，也就是大家都在说的Fitten Code。很多人问两个AI工具是不是功能重叠，实际配合起来是互补的：Claude Code负责跨文件、跨模块的重构和功能实现，补全插件只在我手写代码时把重复样板补齐。你甚至可以再把Claude Code的某段输出贴到别的聊天AI里做二次探讨，形成多AI协作。我的心得是：每个模型都有自己的盲区，遇到Claude Code反复改不对的问题，换个模型问一嘴，往往能给你一个新角度。

2.3 第一次会话：给Claude Code一份能看懂的需求文档

我第一次尝试时直接说“帮我做一个宠物App”，结果Claude Code很兴奋地给我生成了前后端分离、Docker容器、微服务路由，项目膨胀得根本没法跑。后来改成结构化指令，效果天差地别。给你一条可以直接抄的开幕词：

你是我的结对编程伙伴。我们要从零开发一个“宠物生命周期管理App”。 技术栈：Python 3.12 + Django 5 + SQLite + Django Templates + Bootstrap。 业务目标：用户可以录入宠物档案，记录疫苗、驱虫、体检、体重等生命周期事件， 系统根据事件的下次执行日期生成提醒。 本期范围：单用户、无登录、无支付、无多端适配。 验收标准：本地 runserver 后，可以完成“新增宠物→添加疫苗记录→查看提醒→查看体重趋势”全流程。 请先说明你的理解，确认后再动手。

这段Prompt里有角色设定、技术栈、业务边界、验收标准和操作约束，Claude Code拿到后不会自由发挥。如果你对某个条件不满意，随时可以在会话里追加。同时，建议在项目根目录建一个CLAUDE.md文件，把技术栈、目录约定、代码风格、常用命令写进去，Claude Code每次启动会自动读取，相当于给了它一份长期记忆。我踩过这个坑：不写CLAUDE.md，每次开新会话都要重新交代背景，而且在项目中期有一次上下文被截断，重新开会话之后它连“我们在做什么项目”都忘了，非常耽误事。

3. 核心功能落地：宠物档案、生命周期事件与提醒

3.1 数据建模：先想清楚实体再让AI动手

好的项目骨架来自清晰的数据模型。我让Claude Code先生成项目的Django工程，利用django-admin startproject和python manage.py startapp两个命令。这一步按经验要拆开做，让它执行完一个命令停一下，看清输出再继续，因为Django的工程和App之间存在配置注册关系，AI一口气连跑一串命令，中间任何一步报错都会让它陷入混乱。

原始的模型结构是这样一个核心宠物表：

class Pet(models.Model): SPECIES_CHOICES = [ ('dog', '狗狗'), ('cat', '猫咪'), ('other', '其他'), ] GENDER_CHOICES = [ ('male', '公'), ('female', '母'), ] name = models.CharField(max_length=50, verbose_name='名字') species = models.CharField(max_length=10, choices=SPECIES_CHOICES, verbose_name='物种') breed = models.CharField(max_length=50, blank=True, verbose_name='品种') birth_date = models.DateField(verbose_name='出生日期') gender = models.CharField(max_length=10, choices=GENDER_CHOICES, verbose_name='性别') weight_kg = models.DecimalField(max_digits=5, decimal_places=2, verbose_name='当前体重') avatar = models.ImageField(upload_to='avatars/', blank=True, verbose_name='头像') created_at = models.DateTimeField(auto_now_add=True, verbose_name='建档时间')

宠物档案为什么单独建表？因为后面所有事件都通过外键关联到宠物ID，这样查询某只宠物的疫苗记录、体检记录时，一条pet.events.filter(...)就能搞定。Claude Code生成代码时，我会要求它同时把verbose_name写上中文，Django Admin后台能直接显示中文标签，方便后续在后台看数据。

生命周期事件表设计成通用事件表，而不是每类事件各建一张表：

class LifeEvent(models.Model): EVENT_TYPES = [ ('vaccine', '疫苗'), ('deworm', '驱虫'), ('checkup', '体检'), ('grooming', '美容'), ('surgery', '手术'), ('weight', '体重'), ('other', '其他'), ] pet = models.ForeignKey(Pet, on_delete=models.CASCADE, related_name='events') event_type = models.CharField(max_length=20, choices=EVENT_TYPES, verbose_name='事件类型') title = models.CharField(max_length=100, verbose_name='事件标题') event_date = models.DateField(verbose_name='发生日期') next_due_date = models.DateField(null=True, blank=True, verbose_name='下次日期') notes = models.TextField(blank=True, verbose_name='备注') created_at = models.DateTimeField(auto_now_add=True)

用一张通用事件表的好处是扩展性强，今后无论增加什么新类型，只要在EVENT_TYPES里加一个选项就行，不需要新开表；缺点是查询特定类型时要带event_type条件。对这个体量的项目来说，通用模型加外键关联是明显更优解。这里也体现出Claude Code做技术的思路：给它看场景，让它提出建模方案，我再判断，比直接让它无脑写代码可靠得多。

3.2 用Claude Code跑完迁移和Admin注册

模型定义好之后，接下来是逐步命令：

python manage.py makemigrations python manage.py migrate python manage.py createsuperuser

我习惯让Claude Code依次执行，并且每步都打印输出。实际遇到过一个坑：AI在makemigrations之后没有执行migrate就直接去写视图了，导致运行测试时报“表不存在”。所以我会明确要求它“执行完迁移命令后停顿，等我确认再继续”。如果你把操作权限完全交给Claude Code，它有时确实会自动跳过看起来与“写代码”无关的步骤——这是我用下来比较有感触的一点：AI写代码没错，但全流程把关还得人来做。

注册Admin也是容易被跳过的操作。注册之后能直接在/admin/路径下手工添加数据，相当于白拿一个后台管理界面，对早期数据验证非常有用。让Claude Code在admin.py里注册Pet和LifeEvent两个模型，然后启动runserver，打开后台确认能增删改查，这一步完成，项目的地基就算打牢了。

3.3 疫苗提醒和体重趋势：把业务逻辑讲给AI听

提醒功能是本项目的核心亮点。需求是这样的：每一条生命周期事件都带有可选的“下次日期”，系统需要告诉用户“哪只宠物在未来30天内有哪些事项要做”。为了让Claude Code写出正确逻辑，我用业务语言把规则描述得尽量精确：

提醒范围：从今天开始，未来30天内到期的事件；包括已经过期但还没完成的事件，因为过期不代表不做。 排序规则：按到期日从早到晚排列，过期的最靠前。 展示位置：首页顶部，用卡片形式展示，数量限制在10条以内。

Claude Code按这个规则实现后，核心查询逻辑类似这样：

from django.utils import timezone from datetime import timedelta from django.db.models import Q today = timezone.localdate() expired = Q(next_due_date__lt=today) within_days = Q(next_due_date__gte=today, next_due_date__lte=today + timedelta(days=30)) upcoming_events = LifeEvent.objects.filter( Q(pet__is_active=True), expired | within_days, next_due_date__isnull=False, ).order_by('next_due_date')[:10]

至于体重趋势，我单独建了一张体重记录表，记录日期和体重数值：

class WeightRecord(models.Model): pet = models.ForeignKey(Pet, on_delete=models.CASCADE, related_name='weight_records') date = models.DateField() weight_kg = models.DecimalField(max_digits=5, decimal_places=2) created_at = models.DateTimeField(auto_now_add=True)

然后在宠物详情页让Claude Code写一个视图，把体重数据序列化成JSON传给Chart.js画折线图。体重趋势展示的是一段时间内宠物健康状态的重要参考，比单单记录“当前体重”对用户有说服力得多。这里不建议在普通视图里硬编码图表数据，Claude Code生成一个返回JSON的接口再加一小段JS即可，逻辑清晰。

3.4 页面迭代：从Admin样板到客户能用的界面

数据模型和核心逻辑完成后，剩下就是页面。我的做法是先用Django模板做三个页面：宠物列表页、宠物详情页、事件新增页。列表页展示宠物名字、物种、年龄、下次待办数量；详情页展示档案信息、事件时间线、体重图表；新增页做疫苗和体重两个事件入口。样式直接用Bootstrap的CDN，让Claude Code按“卡片式布局”“移动优先”的要求改CSS。

这一段是Claude Code效率最高的时候。我给它一个描述，比如“宠物详情页要有时间线，按日期倒序显示所有生命周期事件，让用户一眼看出最近发生了什么”，它就能自己补完模板代码和对应的视图上下文。但我发现一个规律：AI生成的页面经常缺少空状态提示。当数据库空空如也时，页面直接白屏，用户不知道该做什么。所以我在每次页面迭代里都补一句“同时也指写义提示语，比如‘还没有任何疫苗记录，点击右上角添加’”。这种细节才是产品能否用起来的分水岭。

4. 实操要点：AI编程提示词怎么写，才能让Claude Code老实干活

4.1 用“背景+目标+约束+验收”四段式把话说全

在几次翻车后，我总结出一套固定的提示词模板，每次给Claude Code下任务前默念四段式：背景、目标、约束、验收。

背景告诉它现在项目处于什么阶段，比如“Django工程已建好，Pet模型已迁移，但LifeEvent模型还没有绑定视图”。目标说清楚这次要完成什么具体功能，比如“在Home页面显示未来30天内到期的LifeEvent列表，按到期时间排序”。约束是最关键的，比如“不要改动Pet模型的字段”“不要加新依赖”“沿用现有Bootstrap样式”。验收用一句话说明“做到什么样算完成”，比如“访问Home页面能看到5条测试数据，点击事件标题能跳转详情页”。

这四段里，约束是大家最容易漏掉的。我让Claude Code很多时候跑偏，就是因为只给了目标和背景，它自主决定重新建了一张表、改了一堆无关配置。有了约束，它的自由度就被框在了合理范围内。

4.2 把大任务拆成“一个指令干一件事”

Claude Code虽说是多文件操作工具，但它对复杂任务的理解也是有上限的。我试过一次性要求它“把宠物详情页做到完美”，结果它连续改了十几个文件，最后页面崩了，因为依赖了还没安装的前端库。后来改成一条指令干一件事：

• “给Pet模型增加is_active字段，并生成迁移。”
• “在Pet列表页卡片上显示年龄，按birth_date计算。”
• “新增一个视图，返回WeightRecord的JSON数据。”
• “在宠物详情页引入Chart.js，画体重折线图。”

每做完一步，我会快速验证或者看一眼代码，再给下一条指令。这样做的另一个好处是：如果某一步AI改错了，回滚成本很低，不用面对一团乱麻。真正高效的AI协作模式，不是把整个项目一次性甩给它，而是你当好架构师，它当好执行者，指令颗粒度越细产出越稳。

4.3 常见翻车点与恢复策略速查

语气说“你给我重做”，下面表格是我实际踩过的坑和修复手段。

我心里非常清楚的一点是：Claude Code不是不需要人，相反，它对人的要求变高了。你需要清楚自己在做什么、全局是什么样、每一步改动的目的是什么。它放大的是你的工程能力，而不是替你拥有工程能力。

5. 测试、联调与发布准备

5.1 让Claude Code生成自动化测试而不是人肉测试

很多新手做完功能就觉得完事了，实际上让Claude Code帮你写一版测试，能省掉后续反复改bug的无数个小时。我在项目里让它用Django的TestCase补了三个测试场景：

from django.test import TestCase from django.utils import timezone from datetime import timedelta from .models import Pet, LifeEvent class LifeCycleTestCase(TestCase): def setUp(self): self.pet = Pet.objects.create( name='旺财', species='dog', birth_date=timezone.localdate() - timedelta(days=365), gender='male', weight_kg='8.50', ) def test_create_vaccine_event(self): event = LifeEvent.objects.create( pet=self.pet, event_type='vaccine', title='狂犬疫苗', event_date=timezone.localdate(), next_due_date=timezone.localdate() + timedelta(days=365), ) self.assertEqual(self.pet.events.count(), 1) self.assertEqual(event.next_due_date, timezone.localdate() + timedelta(days=365)) def test_upcoming_events_include_overdue(self): LifeEvent.objects.create( pet=self.pet, event_type='deworm', title='体内驱虫', event_date=timezone.localdate() - timedelta(days=60), next_due_date=timezone.localdate() - timedelta(days=30), ) today = timezone.localdate() upcoming = LifeEvent.objects.filter( next_due_date__lt=today ) | LifeEvent.objects.filter( next_due_date__gte=today, next_due_date__lte=today + timedelta(days=30), ) self.assertEqual(upcoming.count(), 1)

让AI生成测试的时候尤其要说一句“测试数据用setUp方法准备，不要依赖外部数据库”，这样测试可重复性才有保障。跑python manage.py test确认全绿后，才算这个功能闭环了。测试一方面验证逻辑，另一方面也倒逼Claude Code解释它的实现思路，等于多一道审查。

5.2 全流程验收：用真实数据踩一遍用户路径

自动化测试过了不代表能交付，因为页面交互和数据库字段之间的衔接，测试未必覆盖得到。我按“用户真实路径”做了一遍手工验收：

• 新增宠物“旺财”，填写出生日期1岁、体重8.5公斤，确认列表页出现正确年龄和体重。
• 给旺财添加一条狂犬疫苗记录，下次日期设为今天加7天，回首页确认提醒卡片出现。
• 再添加一条疫苗记录，下次日期设为昨天，确认过期提醒排在未过期提醒之前。
• 连续添加4条体重记录，确认详情页Chart.js折线图按日期正确显示上升趋势。
• 编辑宠物档案修改体重，确认详情页的当前体重同步更新。

这套验收跑下来发现过两个问题：一是年龄计算在生日尚未到来的情况下多算了1岁，二是提醒卡片没有处理空数据的场景。都是小问题，但真用户一定会遇到。所以我的建议是：AI生成的代码，一定按用户视角把所有路径走一遍再上线。

5.3 部署方案选择的个人建议

单用户Demo阶段的宠物App，部署不用上K8s那套重型方案。最简单的方式是把项目跑在一台有Python环境的轻量云服务器上，使用manage.py runserver确实够做演示，但不能长久，正规一点用Gunicorn加Nginx，把静态文件收集到STATIC_ROOT，再配置一下转发。另一个省心路线是用PaaS平台直接部署Django应用，连数据库迁移都能在启动命令里自动执行，适合不想折腾运维的场景。

部署阶段Claude Code依然能帮忙：让它生成Dockerfile或者平台配置模板，还可以让它核对settings.py里的ALLOWED_HOSTS和DEBUG开关。这里有个重要的坑：生产环境一定记得把DEBUG设为False，否则访问出错页会直接暴露源码路径，这是基础安全问题。Claude Code生成部署配置时我特别强调了这一点，它就会在启动命令里自动做环境变量切换。

6. 多AI协作与后续扩展

6.1 Claude Code不是唯一工具，组合拳效率更高

我实际工作中把Claude Code当成主力，但并不是唯一。遇到Claude Code解决不了的具体问题，比如某个Django模板过滤器的写法细节，我会把片段贴给DeepSeek或者Kimi这类对话式AI，换个模型往往有不同思路。用补全插件做行级补齐，用Claude Code做项目级重构，再用聊天式AI做方案探讨——这就是我目前总结出的“多AI协作”模式。

多AI协作的底线是版本管理。我要求Claude Code每完成一个功能就提示我提交一次git,这样可以任意回滚。两个AI工具不要同时改同一个小范围文件，否则一版乱改一版没改，最后很难判断谁是谁非。AI工具越多，人越要当好“把关人”角色，别把自己的代码仓拱手交给一堆模型乱炖。

6.2 从宠物App提炼“AI从零搭项目”的通用方法论

做完这个项目，我最大的感受是：Claude Code让我把精力从“体力活”里解放了出来，但前期的需求分析和信息架构反而变得更重要。宠物生命周期管理的背后，是“核心实体—事件记录—时间提醒—统计展示”四层结构。这套东西完全可以套在其他项目中：实体会员卡，事件是消费记录，提醒是余额不足，统计是月度账单；实体是书，事件是借阅，提醒是还书日期，统计是阅读偏好。模板一旦打通，后续换实体只是换字段而已。

所以如果你想用Claude Code做自己的项目，别急着问“它能不能帮我写这个App”，先问“我能不能把一个模糊想法拆成数据模型、事件流、提醒规则、展示页四块”。如果能，剩下的事情交给Claude Code，你只需要当好那个说清需求和把关质量的人。

最后再分享一个小技巧：项目做完后，我会花十分钟让Claude Code把整个项目的目录结构和关键代码逻辑写进CLAUDE.md。别小看这一步，你过两周再打开这个项目，AI可以通过这份文档快速恢复状态，你自己也不会对着满屏代码怀疑人生。工具在迭代，但“先把问题想清楚再动手”这件事，永远值得多花时间。