用 Claude Code 做出第一个 Windows 客户端：一次'不敢想'的尝试

AI 给你的最大礼物，不是它能帮你做什么，而是它让你敢于尝试以前想都不敢想的事。

🎯 事情的起点

作为一个 Java 后端开发者，Windows 客户端开发对我来说一直是”别人的领域”。

直到有一天，我盯着屏幕上那个自己做出来的 Windows 客户端窗口，问了自己一个问题：

“这东西，真的是我做的吗？”

在 AI Agent 时代之前，这个问题答案是肯定的：”不是我做的，我不懂 Windows 开发。”

在 AI Agent 时代之后，答案变成了：”是我做的，虽然我之前不懂，但现在我懂了。”

🤔 “不敢想”的三个原因

原因 1：技术栈完全陌生

在此之前我的认知：

1
2
3
Windows 客户端 = C# / .NET / WPF / WinForms
               = 完全陌生的生态
               = "这不是我的领域"

传统解决思路：

• 找个会 C# 的朋友帮忙
• 用 Java Swing/JavaFX 写一个（然后被 UI 丑哭）
• 找个外包
• 最诚实的回答：”我不会”

AI Agent 时代的思路：

• 直接说需求
• 让 AI 推荐技术栈
• 边做边学
• “不会”变成”可以学”

原因 2：学习成本太高

传统学习路径的时间账：

大部分人（包括我）在第一步就放弃了。

AI Agent 学习路径：

总耗时：约 1 周 vs 传统 3-6 月

但这不是重点，重点是心理门槛。

原因 3：未知的坑太多

Windows 客户端开发的坑，只有做过的人才知道：

• 打包后没有图标
• 没有版本信息
• 被 Windows Defender 报毒
• 依赖缺失
• 兼容性问题
• 权限问题

传统方式： 每个坑都要自己踩一遍，然后在 Stack Overflow 泡三天。

AI 方式： 提前预警 + 直接给解决方案。

🏗️ 实际开发过程

第一阶段：从”我不会”到”试试呗”

传统心态：

“我不会 Windows 开发，这个需求做不了。”

AI 时代心态：

“我没做过 Windows 开发，但可以让 Claude Code 带我学。”

实际对话：

1
2
3
4
5
6
7
8
9
我：我需要一个 Windows 客户端工具，选什么技术栈？

Claude Code: 给你几个选项：
  - C#/.NET: 生态成熟，但需要运行时
  - Java: 你熟悉，但启动慢、体积大
  - Rust: 单 exe、原生启动、CLI 友好
  - Electron: Web 技术栈，但体积大

  综合考虑，推荐 Rust。

一个 Java 开发者，被推荐学 Rust。

放在以前，我会觉得这人不正常。

放在现在，我觉得 AI 说得对。

第二阶段：从”试试呗”到”好像能做”

项目启动后的对话流：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
我：创建 Rust 项目
→ cargo init nobt-client 完成

我：怎么读 YAML 配置？
→ serde + serde_yaml 示例代码生成

我：CLI 命令怎么处理？
→ clap 库推荐 + 完整示例

我：打包成 exe 没有图标怎么办？
→ winres 配置 + build.rs 脚本生成

我：这个编译错误什么意思？
→ 所有权/借用问题解释 + 修复方案

学习曲线的变化：

效率提升不是 2 倍，是 10 倍以上。

但更重要的是正反馈循环。

第三阶段：从”好像能做”到”真的做出来了”

当第一个可运行的 exe 出现在面前时：

继续用过claude code优化

那种感觉：

• 不是抄的，是一行一行写出来的
• 不是别人教的，是边做边学学会的
• 不是碰巧跑通的，是理解了原理的

但如果没有 AI，我根本不会开始。

🔍 核心洞察

洞察 1：AI 降低的不是成本，是门槛

有一种误解： “AI 让学习变得太容易，自己学不到东西。”

我的体验：恰恰相反。

AI 省去的不是学习时间，是无效摸索时间。

学到的东西一点没少，反而更多——因为能走得更远。

洞察 2：”准备好再开始”的时代结束了

传统学习观：

1
2
3
4
1. 先学基础语法
2. 再看核心概念
3. 然后做练习项目
4. 最后才能做真需求

这个路径的问题： 90% 的人在第 2 步就放弃了。

AI 时代的学习观：

1
2
3
4
1. 有个想法/需求
2. 直接开始做
3. 遇到问题问 AI
4. 做完项目，技能也学会了

最好的学习，不是准备好了再开始，而是开始了自然就准备好了。

洞察 3：勇气比能力更重要

在 AI 时代之前：

• 勇气 = “明知有坑也要踩”
• 能力 = “避开所有已知的坑”

在 AI 时代之后：

• 勇气 = “愿意尝试未知领域”
• 能力 = “会用 AI 填平未知的坑”

这个变化的本质： 从”个人能力竞争”转向”人机协作能力竞争”。

📊 实际效果对比

但时间效率不是重点。

重点是：如果没有 AI，这个项目的启动概率是 0%。

📝 给实践者的建议

如果你有”不敢想”的想法

传统建议：

• 先评估可行性
• 再评估风险
• 最后评估能力

AI 时代的建议：

1. 直接开始做：AI 会告诉你第一步怎么走
2. 小步验证：每个功能点快速试错
3. 遇到问题就问：AI 是你的私人教练
4. 不要怕暴露无知：AI 不会笑话你

如何克服”我不配”的心态

“我不配”的来源：

• 我没学过这个技术栈
• 我没有相关经验
• 我做不了这么复杂的东西

AI 的解法：

最大的底气： 你知道无论如何，都有个随叫随到的专家帮你。

选择技术栈的原则

我的经验：

🌅 尾声

AI Agent 时代，最大的风险不是”尝试了失败”，而是”因为害怕而不敢尝试”。

纸上谈兵一万次，不如真正动手做一次。

当我盯着那个自己做出来的 Windows 客户端窗口时，我意识到一件事：

这不是什么技术奇迹，这是 AI 给普通人的勇气。

在 AI 时代之前，这种”不敢想”的事情还有很多：

• 一个人做一个完整的产品
• 一周学会一门新语言
• 一天搞定从未接触过的领域
• 边做边学而不是先学再做

在 AI 时代之后，这些”不敢想”正在变成”试试看”。

而你，有什么”不敢想”的事情？

也许是一门新技术，也许是一个新项目，也许是一次职业转型。

不管是什么，开始吧。

因为最好的开始时间，永远是现在。

而且这一次，你不需要一个人。

• Previous
  AI Agent 时代的大胆尝试：用 Rust 写 Windows 客户端，从 0 到 1 的踩坑记录
• Next
  Claude Code 技巧：禁用 Git 提交中的 Co-Authored-By 署名