我不会写代码。我还是把它做出来了。

Source: Dev.to

概览

坦白说，我并不是完全不懂代码。我在大学里学过一些编程，能阅读代码并理解它的作用。但从记忆中写代码？从零搭建东西？不行。

我坐不下来敲一个函数。我记不住语法。没有查资料，我说不出 Promise 和回调的区别。

在过去的几周里，我交付了以下内容：

• 包含 15+ 表的 SQLite 数据库
• 带 WebSocket 实时流的 FastAPI 后端
• 多视图的 React 仪表盘
• 包含 4 种 AI 人格的多代理协作系统
• 自动化测试套件
• 面向 macOS、Linux 和 Windows 的跨平台安装程序

全部都是通过指挥 AI 完成的。

问题所在

我每天都在使用 Claude Code。它很强大，但每次会话都是从零开始。你花一个小时调试某个问题，终于修好，关闭终端……下周 Claude 可能会犯同样的错误。它没有记忆，你只能一次又一次地重新解释项目的细节。

如果 Claude 能记住哪些方法有效、哪些无效会怎样？这正是我决定去实现的目标。

我构建的东西

ELF（Emergent Learning Framework）——Claude Code 的持久记忆。
它将失败和成功记录到本地数据库中，然后在每个任务之前把相关历史注入 Claude 的上下文。持续有效的模式会获得更高的置信度，最终成为 Claude 永远遵循的“黄金规则”。

这并不是 AI 魔法，而是带自动检索的结构化笔记。

实际工作原理

一次典型的会话如下：

我： 仪表盘应该显示带置信度分数的启发式信息。
Claude： 编写代码
我： 把置信度做成进度条，而不是单纯的数字。按最高分先排序。
Claude： 更新代码
我： 那导致另一个标签页坏了。修复它。
Claude： 调试并修复

把这种交流乘以数百次，持续几周。就是这个过程。

我不可能写出任何代码，但我可以：

• 看到某些东西看起来不对
• 知道“完成”应该是什么样子
• 捕捉到修复导致的其他问题
• 决定接下来要构建什么

实际需要的技能

• 阅读代码——不是编写，只要能跟上并发现明显的问题。
• 判断“完成”——AI 不知道你的标准，你必须识别出何时正确。
• 产品思维——决定构建什么、跳过什么以及顺序。
• 坚持——东西会不断出错，你要持续推进。
• 审美——知道何时过度设计或过于 hack。

难点

• 上下文限制是真实存在的。 长时间的会话会失去连贯性；Claude 会忘记两小时前构建的内容。我学会了把工作拆成聚焦的块。
• 在不理解的情况下调试。 当出现错误而你自己无法追踪代码时，只能依赖 AI 来解决。有时它会原地打转。
• 无法完全验证。 我必须信任测试、信任行为，并提出探查性的问题。我能读代码，但不一定能评估它是否好。
• 可能并不更快。 熟练的开发者会更快完成这件事，但这里的开发者并不是在构建它——是我在构建。

元转折

我构建的系统正好解决了我在构建它时一直碰到的同样问题。每当 Claude 忘记我们已经完成的工作，我就会想，“这正是我构建它的原因”。到最后，框架开始记录自己的开发过程。Claude 因为拥有历史可供参考而工作得更好。

项目

ELF（Emergent Learning Framework）

• 跨 Claude Code 会话的持久记忆
• 带置信度分数的模式追踪
• 用于可视化学习内容的 React 仪表盘
• 用于复杂任务的多代理协作

开源，MIT 许可证。

GitHub：

适合人群

如果你能读代码但写不出来，你比想象中更接近能够构建东西。“懂编程”和“能构建软件”之间的差距已经变小——虽未消失，但已经缩小。

我不是开发者，但我交付了真实的产品。使用 Claude Code 构建。我能读懂每一行代码——只是写不出来。