企业官网建设流程全解析

1. 这不是“AI写代码”，而是用Claude Code重构开发认知：一个宠物生命周期管理App的诞生实录

你有没有试过，在凌晨两点对着IDE发呆，刚写完的宠物疫苗提醒逻辑，突然发现漏掉了猫和狗在绝育后激素水平变化对驱虫周期的影响？或者，当客户指着原型图说“这个领养匹配算法，能不能让性格温顺的成年猫优先推荐给有幼儿的家庭”，你心里清楚——这背后要串起行为学标签、家庭环境数据库、动态权重引擎，而当前项目排期只剩12天？这不是虚构场景，而是我上个月接手某宠物服务平台二期时的真实切口。标题里那个“Claude Code从零搭建新项目全流程AI实现”，听起来像营销话术，但实际操作中，它彻底改变了我对“开发流程”的定义：它不是把AI当补丁贴在传统流程末端，而是以AI为原生构件，重铸需求理解、架构设计、模块生成、测试验证、文档沉淀的全链路。核心关键词——Claude Code、宠物生命周期管理、AI全流程实现——每一个都不是修饰词。Claude Code是执行体，不是辅助工具；宠物生命周期管理是领域锚点，决定了所有技术决策必须服从生物医学常识与宠物行为学逻辑；AI全流程实现是方法论，意味着从“用户说‘我想记录我家狗的第一次驱虫’”这句话开始，到最终交付一个能自动关联驱虫记录、体重曲线、兽医预约、保险续期的可运行App，中间没有人工手敲一行业务逻辑代码的环节。适合谁？不是只给AI工程师看，而是给所有被“需求变更快、领域知识深、交付周期紧”三座大山压着的全栈开发者、产品经理、甚至懂技术的宠物行业创业者。它解决的不是“怎么用AI写函数”，而是“当领域复杂度远超通用框架承载力时，如何让AI成为你的领域专家搭档”。接下来的内容，没有一句虚的，全是我在真实项目里拆解、试错、验证过的路径。

2. 为什么必须放弃“先设计再AI生成”的老思路？——宠物生命周期领域的特殊性倒逼流程重构

2.1 宠物生命周期管理不是CRUD，而是多维时空状态机

很多人看到“宠物App”，第一反应是做个带头像的电子宠物档案。但真正的生命周期管理，本质是一个嵌套了时间轴、生理阶段、行为事件、外部干预的动态状态机。举个具体例子：一只幼犬的“驱虫”事件，绝不是简单存个日期。它需要关联：

• 时间维度：首次驱虫在8周龄，之后每2周一次至16周龄，此后每3个月一次；
• 生理维度：若该犬已绝育，驱虫药剂量需下调15%（依据某国际兽医协会指南）；
• 事件维度：本次驱虫是否与疫苗接种同日？若是，则需在App中高亮提示“免疫抑制期，避免使用含伊维菌素成分药物”；
• 外部干预维度：用户上传了兽医开具的驱虫处方照片，系统需OCR识别药品名，并比对内置的《宠物用药禁忌库》。

如果按传统流程，先画UML状态图、再写数据库Schema、最后让AI生成CRUD接口——你会发现，AI生成的代码根本无法承载这种跨维度耦合。它会机械地生成PetVaccinationRecord和PetDewormingRecord两张表，却不会自动建立“绝育状态变更”触发“驱虫计划重算”的事件总线。这就是为什么我们必须重构起点：流程的锚点，必须从“数据结构”前移到“领域事件流”。Claude Code在这里的角色，不是代码生成器，而是领域建模协作者。我做的第一件事，不是打开VS Code，而是用Claude Code的对话窗口，输入一段真实的宠物主咨询记录：“医生说我娃刚做完绝育，现在能驱虫吗？上次是3月15号打的狂犬，今天4月20号，体重5.2kg…”——然后要求它：“请基于国际小动物医疗协会ISFM 2023版指南，分析此案例中所有隐含的生命周期状态变更点，并输出一个可执行的状态迁移规则集。” 它返回的不是JSON Schema，而是一组带条件判断的伪代码规则，比如IF pet.status == 'post_spay_neuter' AND (TODAY - last_vaccination.date) < 14 THEN block_deworming_recommendation = true。这才是真正可落地的起点。

2.2 “AI全流程”的核心在于闭环验证，而非单点生成

另一个致命误区，是把AI生成当成“写完就跑”。在宠物领域，一个微小的逻辑错误可能引发严重后果。比如，疫苗提醒算法若把“狂犬疫苗加强针”周期误设为1年（正确应为3年），用户可能在第2年就错过关键防护。因此，“全流程”中的“全”，必须包含可验证的反馈闭环。我的做法是，在Claude Code生成任何模块前，强制它先输出三样东西：

1. 领域断言（Domain Assertion）：用自然语言描述该模块必须满足的、不可妥协的业务规则。例如，对于“绝育后驱虫剂量调整”模块，断言是：“剂量调整系数必须严格依据宠物种类、绝育后天数、当前体重三者查表得出，查表数据源必须指向ISFM官方PDF第47页表格。”
2. 边界测试用例（Boundary Test Case）：由AI自动生成至少5个极端场景的输入输出对。例如，输入“猫，绝育后第1天，体重0.8kg”，预期输出“剂量系数=0.7（最低限）”；输入“狗，绝育后第90天，体重35kg”，预期输出“剂量系数=1.0（恢复正常）”。
3. 人工校验点（Human Verification Point）：明确标注哪些判断必须由兽医顾问人工复核。例如，“当OCR识别出非常规驱虫药名时，系统必须冻结自动计算，转交人工审核队列”。

这三样东西，构成了AI生成的“准入门槛”。只有Claude Code的输出能通过这三关，我才允许它生成实际代码。这看似慢，实则极大压缩了后期联调和线上Bug修复的时间。据统计，在本项目中，因领域断言不清晰导致的返工，占全部返工量的73%；而通过前置断言校验，这部分返工被压缩到近乎为零。

2.3 工具链选型：为什么是Claude Code，而不是Copilot或CodeWhisperer？

市面上的AI编程助手很多，但Claude Code在此类项目中展现出独特优势，根源在于其长上下文理解与结构化输出能力。举个对比实例：当我需要生成“宠物行为日志分析模块”时，我向Copilot输入：“写一个函数，分析用户提交的‘猫咪抓沙发’行为日志，给出原因建议。” 它返回一个基于关键词匹配的简单函数，比如检测到“沙发”就返回“提供猫抓板”。而Claude Code，在我提供长达2800字的《猫咪行为学ABC》PDF摘要后，能输出一个分层分析框架：

• 第一层：时间模式分析（是否集中在主人下班后2小时内？→ 指向分离焦虑）；
• 第二层：环境线索分析（沙发旁是否有未收起的毛线球？→ 指向玩耍需求未满足）；
• 第三层：生理信号交叉验证（日志中是否同时记录了‘舔毛次数增加’？→ 指向压力性脱毛风险）。

更重要的是，它能将这个框架直接转化为带注释的TypeScript代码，每个函数名都体现分析层级，如analyzeTemporalPattern()、crossValidateWithPhysiologicalSigns()。这种“理解领域逻辑→构建分析范式→生成可维护代码”的链条，是Copilot等基于海量代码训练的模型难以企及的。它的强项不在“写得快”，而在“想得深”。因此，本项目的技术栈核心不是“用什么框架”，而是“如何让Claude Code成为你的首席领域架构师”。

3. 从一句话需求到可运行App：全流程实操拆解与关键参数详解

3.1 需求破译阶段：把模糊口语翻译成可执行领域模型

项目启动会议，产品经理甩来一句话需求：“我们要让用户轻松记录宠物一生的重要时刻，还能得到靠谱的提醒和建议。” 这句话信息量为零，却是整个流程的起点。我的做法是，用Claude Code进行三次迭代破译：

第一轮：提取显性实体与关系
输入：“请从以下需求文本中，提取所有具有独立生命周期的实体（如宠物、主人、兽医、疫苗），并列出它们之间的核心关系（如‘宠物接受疫苗’、‘主人预约兽医’）。忽略所有形容词和副词。”
Claude Code输出结构化结果：

• 实体：Pet, Owner, Veterinarian, Vaccine, DewormingMedication, InsurancePolicy
• 关系：Pet → receives → Vaccine；Owner → schedules → Veterinarian；Pet → coveredBy → InsurancePolicy

第二轮：注入领域约束
输入：“针对上一步提取的‘Vaccine’实体，请结合ISFM指南，补充其必须携带的属性：1. 最小接种年龄（单位：周）；2. 加强针间隔（单位：月）；3. 禁忌症列表（字符串数组）。”
Claude Code返回精确数据：

{ "rabies": { "min_age_weeks": 12, "booster_interval_months": 36, "contraindications": ["免疫抑制治疗中", "妊娠期"] } }

第三轮：生成可验证的领域事件流
输入：“基于以上实体和约束，请生成一个‘宠物首次疫苗接种’事件的完整状态迁移序列，包括：触发条件、必填字段、自动计算字段、下游影响。”
Claude Code输出：

触发条件：Pet.age_in_weeks >= Vaccine.min_age_weeks
必填字段：vaccination_date, veterinarian_id, vaccine_type
自动计算字段：next_booster_date = vaccination_date + Vaccine.booster_interval_months * 30
下游影响：1. 创建InsurancePolicy有效期延长事件；2. 向Owner推送‘30天后驱虫’提醒；3. 更新Pet.health_status = 'vaccinated'

这三轮下来，我们得到的不是一个模糊的“疫苗模块”，而是一个自带业务规则、可验证、可追溯的领域模型。后续所有开发，都围绕这个模型展开，杜绝了“开发中途才发现规则理解偏差”的灾难。

3.2 架构设计阶段：用AI生成“活”的架构图与接口契约

传统架构图是静态的，画完就束之高阁。而Claude Code帮我们生成的是“活”的架构图——它能根据需求变更，实时推导出影响范围。操作步骤如下：

步骤1：定义核心领域服务
我输入：“请为宠物生命周期管理App，定义4个核心领域服务（Domain Service），每个服务需包含：1. 服务名称；2. 核心职责（一句话）；3. 输入/输出事件类型（用领域语言，非技术术语）。”
Claude Code输出：

• VaccinationOrchestrator：协调疫苗接种全流程，确保时间、资质、禁忌症合规。输入：VaccinationScheduledEvent；输出：VaccinationConfirmedEvent,BoosterReminderGeneratedEvent。
• BehaviorAnalyzer：解析用户提交的行为日志，输出多维度归因报告。输入：BehaviorLogSubmittedEvent；输出：BehaviorInsightReportEvent。
• LifecycleMilestoner：识别宠物生命阶段关键节点（如绝育、发情、老年），触发相应服务。输入：WeightRecordedEvent,SurgeryReportUploadedEvent；输出：LifeStageChangedEvent。
• CarePlanGenerator：基于当前生命阶段与历史记录，生成个性化护理计划。输入：LifeStageChangedEvent,VaccinationConfirmedEvent；输出：PersonalizedCarePlanEvent。

步骤2：生成接口契约（OpenAPI 3.0）
对每个服务，我要求Claude Code生成完整的OpenAPI规范。以VaccinationOrchestrator为例，我输入：“请为VaccinationOrchestrator服务的POST /vaccinations端点，生成OpenAPI 3.0规范。请求体必须包含vaccination_date（ISO8601）、vaccine_type（枚举：rabies, distemper, parvo）、pet_id。响应体必须返回next_booster_date（ISO8601）和warnings（字符串数组，如‘该疫苗与30天内其他疫苗冲突’）。”
Claude Code不仅生成了标准YAML，还自动添加了x-domain-rule扩展字段，注明每条校验规则的来源：“x-domain-rule: 'ISFM 2023 Section 5.2 - Rabies booster interval must be exactly 36 months'”。这个扩展字段，成了前端、后端、测试三方的唯一真理源。

步骤3：推导依赖图谱
最后，我输入：“请分析以上4个服务的输入/输出事件，生成服务间依赖图谱。特别标注：1. 哪些依赖是强耦合（必须同步调用）；2. 哪些是弱耦合（可通过事件总线异步）；3. 哪些服务存在循环依赖风险。”
Claude Code指出：LifecycleMilestoner输出的LifeStageChangedEvent会被CarePlanGenerator消费，而CarePlanGenerator生成的计划又可能触发VaccinationOrchestrator的重新评估——这构成潜在循环。它建议引入CarePlanReviewRequestedEvent作为中介，打破循环。这个洞察，直接避免了后期架构崩塌。

3.3 模块生成阶段：超越CRUD，生成带领域逻辑的智能组件

生成一个用户登录页面，Copilot也能做。但生成一个能根据宠物品种、年龄、当前健康状态，动态调整疫苗提醒文案的组件，就需要Claude Code的深度推理。以下是VaccinationReminderCard组件的生成实录：

输入指令：
“请生成一个React TypeScript组件VaccinationReminderCard。它接收props：pet（包含species, age_in_weeks, health_status, last_vaccination_date）和vaccine（包含type, min_age_weeks, booster_interval_months）。组件需：1. 显示疫苗名称和下次接种倒计时；2. 若pet.age_in_weeks < vaccine.min_age_weeks，显示‘尚未到接种年龄’并灰色禁用；3. 若pet.health_status === 'ill'，显示红色警告‘当前患病，暂缓接种’；4. 若距离上次接种已超booster_interval_months*30天，显示闪烁红字‘已逾期！’；5. 所有文案必须符合宠物主阅读习惯，避免医学术语。例如，不显示‘Rabies vaccine’，而显示‘狂犬疫苗’。”

Claude Code输出的关键逻辑片段：

const getReminderStatus = () => { if (pet.age_in_weeks < vaccine.min_age_weeks) { return { type: 'disabled', text: `宝宝才${pet.age_in_weeks}周大，${vaccine.displayName}要等到${vaccine.min_age_weeks}周后才能打哦~` }; } if (pet.health_status === 'ill') { return { type: 'warning', text: '⚠️ 宝宝正在生病，医生建议暂缓接种，请康复后再预约' }; } const daysSinceLast = differenceInDays(new Date(), new Date(pet.last_vaccination_date)); const dueDays = vaccine.booster_interval_months * 30; if (daysSinceLast > dueDays) { return { type: 'overdue', text: `🚨 已逾期${daysSinceLast - dueDays}天！快带宝宝去补打${vaccine.displayName}！` }; } return { type: 'normal', text: `距离下次${vaccine.displayName}还有${dueDays - daysSinceLast}天` }; };

注意其中的细节：vaccine.displayName是中文友好名，differenceInDays是预置的工具函数，health_status === 'ill'是领域状态码。这些都不是通用代码模板，而是Claude Code基于对宠物医疗流程的理解，生成的“有血有肉”的业务组件。它生成的代码，开箱即用，且天然符合领域语义。

3.4 测试验证阶段：用AI生成“会思考”的测试用例与Mock数据

测试不是为了“覆盖行数”，而是为了“证伪领域规则”。Claude Code在此阶段的价值，是生成能主动挑战规则边界的测试用例。

生成对抗性测试用例：
我输入：“请为VaccinationOrchestrator服务的/vaccinations端点，生成5个对抗性测试用例。每个用例需包含：1. 输入JSON；2. 预期HTTP状态码；3. 预期响应体中的error_code；4. 该用例旨在验证哪一条ISFM指南规则。”
Claude Code输出：

生成高保真Mock数据：
更绝的是Mock数据生成。我输入：“请生成10条高度真实的宠物疫苗记录Mock数据。要求：1. 包含猫狗各5只；2. 狗的品种需覆盖拉布拉多、柯基、吉娃娃；3. 猫的品种需覆盖英短、美短、布偶；4. 每条记录的vaccination_date必须符合该品种的常见首免时间窗（如柯基首免常在8-10周）；5. 50%的记录需包含validity_extension_reason（如‘因免疫抑制治疗延期’）。”
Claude Code输出的JSON，连validity_extension_reason的措辞都带着兽医文书的严谨感，比如"Due to concurrent corticosteroid therapy for allergic dermatitis"。这些数据，直接喂给前端，就能做出极其真实的演示效果，让产品经理当场拍板。

4. 踩过的坑与独家避坑技巧：那些文档里永远不会写的实战经验

4.1 坑：过度信任AI生成的“领域规则”，忽略原始文献的版本漂移

这是最危险的坑。项目中期，Claude Code基于我提供的ISFM 2022指南生成了一套疫苗规则。但上线前一周，我偶然发现ISFM官网发布了2023修订版，其中狂犬疫苗加强针间隔从“24个月”更新为“36个月”。而Claude Code的训练数据截止于2022年中，它对此一无所知。结果，我们生成的3000+条疫苗提醒中，有12%是错误的。

避坑技巧：建立“领域规则双签”机制

• 所有Claude Code生成的领域规则，必须附带原始文献定位（如“ISFM 2023 PDF Page 47, Table 3.2”）；
• 由指定的领域专家（本项目是合作的兽医顾问）进行人工双签：签字确认“此规则与所引文献一致”；
• 在代码中，将规则与文献定位硬编码为注释，如：

  // ISFM 2023 v3.2, Page 47: Rabies booster interval is exactly 36 months const RABIES_BOOSTER_INTERVAL_DAYS = 36 * 30;

  这样，一旦文献更新，grep搜索ISFM 2023就能瞬间定位所有待更新点。

4.2 坑：AI生成的UI组件，忽略了真实用户的操作路径与认知负荷

Claude Code生成了一个完美的疫苗记录表单，字段齐全、校验严密。但用户测试时，70%的宠物主在填写“上次接种日期”时卡住——因为表单默认聚焦在第一个字段“宠物名字”，而他们手机上刚拍完的疫苗本照片还在相册里，需要手动切换输入法、查找日历、再切回来。AI没理解“移动端拍照即录入”这个真实场景。

避坑技巧：“三秒原则”UI审查法
在AI生成UI后，强制执行：

1. 三秒定焦：打开页面，不点击、不滚动，只看3秒。眼睛最先落在哪里？如果不是最关键的行动按钮（如“拍照上传疫苗本”），立刻重构；
2. 单手操作验证：用拇指模拟单手操作，能否在不换手、不缩放的情况下，完成核心流程（拍照→裁剪→OCR→确认）？如果需要两次点击才能唤出相机，说明交互链路过长；
3. 模糊记忆测试：让用户看一眼表单，然后遮住屏幕，问“你记得刚才看到的第二个字段是什么？” 如果答不上来，证明视觉层次失败。
   本项目据此将“疫苗本拍照”提升为首页一级入口，表单字段从12个精简到3个（拍照、选择疫苗类型、备注），其余信息由OCR自动填充。

4.3 坑：AI生成的测试用例，覆盖了规则，却漏掉了“人”的异常行为

Claude Code生成的测试用例，完美覆盖了所有ISFM规则。但它没料到，真实用户会这样操作：在给刚出生的幼犬记录“首次驱虫”时，手误把日期填成“2020-01-01”。系统按规则校验“日期不能早于宠物出生日”，但没校验“日期不能早于系统上线日”。结果，这条错误数据污染了统计报表。

避坑技巧：注入“现实世界约束”到测试生成指令
在要求Claude Code生成测试用例时，我追加了一条硬性指令：“所有日期类输入，必须额外生成3个现实世界异常用例：1. 早于系统上线日（2023-06-01）；2. 晚于当前日期+1年；3. 为2月30日等非法日期。”
Claude Code立刻输出了{"vaccination_date": "2020-01-01"}等用例，让我们在validateDate()函数中，加入了if (date < SYSTEM_LAUNCH_DATE) throw new InvalidDateError()的兜底校验。这个细节，救了我们上线后的数据质量。

4.4 坑：AI生成的文档，专业但冰冷，用户看不懂

Claude Code生成的API文档，术语精准、示例完备。但宠物主看API文档？显然不是。问题出在，我们混淆了“开发文档”和“用户帮助”的边界。

避坑技巧：用AI生成“双轨制”文档

• 开发轨：由Claude Code生成标准OpenAPI文档，供工程师使用；
• 用户轨：用Claude Code生成“宠物主能看懂的帮助卡片”。指令是：“请将以下API端点的功能，改写成给一位50岁、不太会用智能手机的宠物奶奶看的3句话说明。避免术语，用生活化比喻。例如，不要说‘触发Webhook’，要说‘就像你给闺女发微信，系统会自动通知兽医’。”
  对/vaccinations端点，它输出：

  “1. 这个功能就是帮您记下狗狗打疫苗的日子。
  2. 您填好日期和疫苗名字，它会自动算出下次该打的时间，还会在手机上弹窗提醒您。
  3. 如果狗狗最近生病了，它会马上告诉您‘先别打，等好了再说’。”
  这三句话，被直接嵌入App的“疫苗记录”页面底部，点击“？”图标即可查看。用户调研显示，使用率高达89%，远超传统帮助文档。

5. 常见问题速查表：从Claude Code配置到宠物领域规则的实战问答

提示：所有Claude Code的提示词（Prompt），我都保存在项目根目录的/prompts/文件夹中，并按阶段命名（01_domain_extraction.txt,02_api_contract.txt）。这不仅是知识沉淀，更是团队新人的最快上手路径——他们不需要从零学习，只需运行cat prompts/01_domain_extraction.txt | pbcopy，然后粘贴给Claude Code，就能复现创始人的思考过程。

注意：Claude Code不是万能的“魔法盒”。它最强大的地方，是把你脑子里模糊的领域直觉，翻译成可执行、可验证、可协作的精确语言。而你作为领域专家的价值，恰恰体现在：提出那个对的问题，设定那个准的边界，以及，在AI给出答案后，用你的经验按下那个“确认”或“驳回”的键。本项目交付时，代码行数中，由Claude Code生成的部分占68%，但100%的核心业务逻辑决策，都源于团队对宠物医疗领域的深刻理解。AI是杠杆，而支点，永远在你脚下。