大鹏 Claude Code 实战：二次开发开源 AI PPT 项目全流程

市面上讲 AI 编程的课，大多停在"让模型写个函数、生成个页面"这一步。真到公司里接手一个陌生仓库，很多人还是不知道从哪下手。这门课选了一个更硬的路子：拿一个真实开源项目做二次开发，全程用 Claude Code 驱动，看看 AI 到底能在多大程度上替你看代码、改代码、验证代码。

它解决的是哪个工作场景

目标项目是一个开源的 AI PPT 生成器，代码量在上万文件级别。这不是教学用的精简 Demo，而是一个架构、依赖、历史提交都很复杂的真实仓库。课程要处理的核心问题是：面对一个你没写过、也没人给你讲的项目，怎么借助 AI 在合理时间内建立起可操作的认知，然后动手改造它。

改造方向也很明确——把这个原本"AI 辅助"的工具，一步步推向"纯 AI 驱动"。这个目标决定了你不是在改样式、加按钮，而是要动到生成逻辑和数据流的层面。对做过几个 AI 小案例、想往真实工程走一步的人来说，这个难度梯度是合适的。

学完能做到什么

• 让 AI 帮你梳理一个大型陌生项目的整体结构，而不是自己一个目录一个目录地翻。
• 用代码地图类工具给 AI 喂上下文，减少它"看不懂项目就乱改"的情况。
• 建立一套可复用的协作规范：提交怎么做、改动怎么记录、和别人怎么配合。
• 把"读代码—定位改动点—实施—验证"这条链路，跑成 AI 参与的工作流，而不是零散地问几句。

需要说明的是，这门课的重心在工程方法和流程，不在"教会你写某个框架"。你带走的是处理陌生代码库的一套打法，换一个项目依然用得上。

资料适合什么基础

课程面向的是有一定编程基础的人。你需要看得懂主流语言的代码结构，知道 Git 的基本操作，最好自己跑通过至少一个 AI 相关的小项目。完全零基础的话，前期会很吃力——课程不会花时间补语言语法，节奏直接进入项目改造。

另一个隐性门槛是耐心。真实项目的代码阅读和调试本身就慢，加上要和 AI 反复对齐意图，过程中难免卡壳。如果你的预期是"跟着敲一遍就出成果"，可能会失望；如果你愿意花时间理解每一步为什么这么做，收获会实很多。

资料怎么用比较划算

建议按项目推进的顺序走，不要跳着看。开篇的架构理解和规范设定看着不刺激，但后面所有改动都建立在它上面，跳过就容易在中间迷路。遇到 AI 给出错误判断的段落，别急着找答案，先自己判断一下它错在哪——这类"AI 翻车"的片段往往比顺利的部分更有价值。

如果你手上正好有个类似的开源项目想改造，可以拿本课的方法对着自己的项目练一遍，效果比单纯跟做要好。至于值不值得投入，判断标准很简单：你近期有没有真的需要接手或改造一个大型代码库。有，这门课能省你不少摸索时间；没有，先收藏，等场景到了再回来。