Ad copy

很多人問我：用 Claude Code 真的能蓋出完整產品嗎？ 我的回答是：能。但前提是，你要先學會「丟掉自己寫好的架構」。 很多工程師最大的問題， 不是不會寫。 而是： 太相信自己第一次想到的答案。 你會開始對很多東西產生依賴： 「現在也能跑啊。」 「先不要動。」 「這段當初花很多時間。」 「之後再整理。」 然後 AI 時代最危險的事情就發生了： 你開始用最新的 AI， 重複昨天的思維。 --- 附圖是我目前正在跑的字幕產線後端。 Vercel + Supabase + AWS Lambda + ECS Fargate + Stripe + OpenAI + Anthropic。 七個服務、四個資料表、三條 distributor pass、一條 Stripe webhook。 整套系統是我用 Claude Code 從零蓋出來的。 但這張圖真正重要的地方，不是字幕系統。 而是： 這其實是一套可以複製到任何 AI Product 的 production template。 --- 第一版：本地 Docker + distributor.py 在我筆電上 polling Supabase。 → 筆電一關，整條產線停。 第二版：搬上 AWS EC2 + distributor + worker 都跑在同一台。 → 24 小時開機，閒置也在燒錢；後來被迫 downsize 到 t3.micro 省成本，但這只是延後問題。 第三版：EC2 + ECS Fargate per-job container，distributor 還是 EC2。 → Fargate 解決了 worker scaling，但 distributor 那台 EC2 還在那邊閒著。 第四版（現在）：AWS Lambda distributor + ECS Fargate per-job container。 EventBridge 每分鐘觸發 Lambda → Lambda 掃 Supabase pending jobs → 每個 job 開一個 Fargate container。 → stateless、scales to zero、atomic claim 防搶單、閒置零成本。 每一次重寫，Claude Code 都是我的 co-architect。 它不是「打字機」，是「會吵架的同事」，會擋下我自以為聰明的決定。 --- 我從這個過程學到三件事： 1️⃣ AI 不會幫你選對架構，但它會逼你把每個設計 decision 講清楚 但它會逼你把每一個錯的架構解釋清楚—— 而當你解釋第三次的時候，你自己就知道該怎麼改了。 2️⃣ 一張好的系統圖，是 debug 時最便宜的工具。 我這張圖是跟 Claude Code 對話「審圖」迭代出來的。 它會抓出我以為對、但代碼裡其實是錯的箭頭。 3️⃣ 真正的瓶頸不是「會不會用 AI」。 是你能不能跟 AI 一起設計可以承受 production 流量的系統。 --- Claude Code 幫我做到的不是「快」。 是「敢」。 敢把一個跑在筆電上的 prototype， 改寫成可以收信用卡的真產品。 敢在週五晚上把 production database 的 schema 整段重畫。 敢把跑了半年的 EC2 server 整台關掉，搬到 Lambda。 敢把自己過去引以為傲的 code， 看一眼，然後說：「這段已經不適合了，重來。」 如果你也是工程師，你應該懂—— 最難的從來不是「我不會寫」。 是「我寫了，但我不敢動」。 Claude Code 真正改變的， 是這一格。 --- 如果你也想看看 我現在每天怎麼用 Claude Code 蓋產品， 私訊我： Claude Code 我會把我目前在用的 AI 工作流 + 這套字幕產線的架構細節 直接給你。