一个小型制作团队借助Claude Opus 5.5开发了一款内部应用,将撰写脚本、附加媒体素材、与剪辑人员共享工作和收集创意集中在一起。其目的并不是复刻现有软件的全部功能,而是把团队真正依赖的少数功能放到同一个地方。

对于同时为多款SaaS(软件即服务,即通过网络提供的订阅制工具)付费、却只用到其中一小部分功能的团队来说,这一区别很关键。在这个案例中,团队计划替换5项付费订阅,其中包括原本由Notion、mymind、Typefully和Google Drive承担的工作。团队估算每年可节省约$4,000,但这一数字只适用于该案例,并不代表其他团队也能获得同样的结果。

围绕让工具难以替换的那项工作来构建

在使用这些产品两年后,团队估计自己只用到了其中约10%的功能。Notion之所以一直不可或缺,主要是因为剪辑人员需要的脚本必须带有与特定段落挂钩的评论,以及作为参考的图片或视频。团队发现,基于Google Docs的工作方式无法按需处理这类包含大量媒体的评论。与此同时,教新成员熟悉由数据库、区块和各种设置组成的庞大系统也要花费不少时间。

这款定制应用以脚本为中心。撰稿人可以针对某一行或某一段添加评论,并在评论中附上图片或可直接播放的视频片段。剪辑人员能在对应段落旁边看到素材,无需再把单独的文件与脚本逐一对照。团队还可以向外部剪辑人员发送只读链接,对方查看脚本后,可将所有附件打包成ZIP文件(一种压缩归档)一次性下载。

带有上下文评论面板、媒体缩略图和独立共享区域的文档工作空间

▲ 附加在脚本评论中的媒体

其他视图则把相关工作也纳入同一个工作空间。媒体库汇集上传到脚本评论中的素材,并把每一项都链接回原来的段落;例如,搜索“subscriptions”即可找到与该话题相关的一张图片。书签区汇集了为构思创意而收藏的X帖子。过去分散在不同工具和电子表格中的X帖子定时发布与赞助管理,如今也由这款应用处理。

这比重建一个Notion的目标要窄得多。团队并不需要通用产品中的每一种数据库结构、公式或边缘情况处理,而是需要脚本、结合上下文的反馈、随手可用的媒体素材,以及向剪辑人员交付成果的环节。范围如此有限,看来正是定制应用得以落地的主要原因。

让AI在应用内部工作

团队通过氛围编程(vibe coding)搭建了这个工作空间:用日常语言描述想要的功能,由AI编程工具编写并修改软件。整个开发过程大约进行了20轮提示词往来。在连续5天高强度使用Claude Opus 5.5期间,团队没有遇到任何用量限制,也没有出现功能实现请求失败的情况。不过,这些只是本次开发中的观察,并不能保证其他项目或订阅方案也会如此。

这款应用还被设计为智能体原生(agent-native),也就是说,AI智能体不仅能在对话中提出修改建议,还能直接更新应用的工作数据。Claude Code借助预先配置的技能(一组面向特定任务的操作),把创意直接写入应用的数据库。在一个例子中,这一流程生成了一个新的脚本条目,并附带格式规范的制作模板。撰稿人无需从其他工作空间复制大纲,便可直接打开该条目继续写作。

抽象的AI节点将创意卡片送入文档网格,并与旁边的媒体卡片相连

▲ AI对定制应用的更新

Claude的Projects工作空间帮助团队把编程任务和设计任务分到不同的线程中。Claude Code还生成了一个汇总界面组件的Figma风格看板,并为脚本列表给出了三种备选布局:状态看板、按列管理的看板(Kanban)和仪表盘表格。Claude Cowork则生成了一份介绍这款应用的14页演示文稿。这些产出并没有取代应用核心的编辑工作流,但让团队能够在同一个更大的工作环境中推敲布局,并记录已经完成的工作。

这种做法改变了什么,又没有改变什么

采购标准SaaS产品时,通常从现成的功能集合出发,要求团队让工作去适应产品。而这次开发则从团队反复进行的任务出发,只组装必要的部分。其优势看来在于减少了在不同工具之间切换的次数,也减少了围绕团队用不到的功能进行培训的负担。

这个例子并不能说明任何订阅都能被迅速替换,也不能说明定制应用无需维护。它展示的是针对特定制作工作流的聚焦式开发。团队对Claude Opus 5.5的积极评价,依据的是这次工作中观察到的速度、成本和可靠性,而不是对所有应用或AI模型的全面比较。

从一项反复进行的工作开始

实践中的启示是,在尝试替换整套软件之前,先确定一个小目标:

  1. 找出让团队一直离不开现有工具的那项功能,例如能把媒体素材附加到脚本具体段落上的评论。
  2. 梳理这项功能前后的工作环节。在本案例中,创意变成脚本,评论承载素材,只读链接再把成果交给剪辑人员。
  3. 先构建并评估这条连贯的工作流。如果需要AI在应用中创建记录,就为它提供明确的操作方式,并检查生成的条目是否符合团队的工作流程。

Claude Opus 5.5帮助这个团队把一组有限的需求变成了一款可用的应用。对其他团队而言,真正有价值的问题不是AI能否复刻整个SaaS产品,而是工作中哪个反复出现的小环节,换成量身打造的工具会更简单。