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。
