从代码到视频:AI 自动化教程生成实战
最终目标是打通从'生成代码'到'生成教程视频'的完整闭环。简单来说,就是让 AI 既能动手写代码,又能动口录屏讲解。
整体思路可以拆解为两个核心环节:
- 内容生产:利用 Claude Code 在终端自动编写代码、运行测试并生成文档,为视频准备素材。
- 自动化录制:利用 OpenClaw 操控电脑,模拟人工操作(打开终端、运行脚本、录制屏幕),最终输出教学视频。
下面我们先跑通基础环境,再进入具体的实操环节。
第一部分:跑通 Claude Code,实现'自动编码'
这是整个流程的基础。我们需要确保 Claude Code 能在指定项目中自主完成编码任务。
1. 安装与认证
Claude Code 是 Anthropic 官方推出的终端 Agent 工具,安装相对简单。
- 前置条件:系统需安装 Node.js 18.0 或更高版本,并准备好一个 Git 仓库用于测试。
- 首次认证:在项目目录下输入
claude,终端会弹出浏览器窗口登录授权,之后即可在终端对话。
一键安装命令:
# macOS / Linux / WSL
curl -fsSL https://claude.ai/install.sh | bash
# Windows PowerShell
irm https://claude.ai/install.ps1 | iex
或者使用 npm 全局安装:
npm install -g @anthropic-ai/claude-code
2. 核心实操:自动完成编码任务
为了制作教学视频,你需要一个'自动编码'的演示案例。以下是一个标准的安全工作流,可直接作为视频素材。
启动会话后,给 Claude Code 一个清晰具体的任务。例如:'请在这个项目中,创建一个新的 Python 脚本 data_cleaner.py,它能够读取当前目录下的 raw_data.csv,删除空行,并将清洗后的数据保存为 clean_data.csv。请先展示修改计划。'
Claude Code 会先给出修改计划,显示它将如何修改文件。仔细审查计划无误后,告诉它:'好的,请执行。'它会自行创建文件、写入代码,甚至提示安装依赖(如 pandas)。
验证成功后,可以让它提交代码:
git add . && git commit -m "feat: 添加数据清洗脚本"
随后立即运行验证:
python data_cleaner.py
如果遇到错误,直接把错误信息复制粘贴回会话中让它修复。建议在项目中创建一个新分支,确保所有操作可逆:
git checkout -b tutorial/claude-automation
💡 进阶技巧:
- Plan 模式:复杂任务可用
claude --permission-mode plan启动,仅生成计划不修改文件,更安全。 - 文件引用:对话中使用
@符号快速引用项目文件,例如帮我重构一下 @src/utils.py。 - 记忆规范:运行
/init命令创建CLAUDE.md,写入项目编码规范,后续它将自动遵循。

