cc-haha 与 AI 编程范式转变：普通人如何用 40 天做出 10K Star 产品

> 研究日期：2025-05-12 > 项目：https://github.com/NanmiCoder/cc-haha > 作者：NanmiCoder > 许可证：仅供学习研究（基于泄露源码修复）

---

一、cc-haha 是什么？

cc-haha（Claude Code Haha）是一个基于 Claude Code 泄露源码修复而来的开源项目。但它不是简单的复制——它把一个终端工具，进化成了一个跨平台桌面端 AI 编程工作台。

核心数据

指标	数值
Stars	10.4k
40 天 Commits	600+
桌面端 Commits	355
单日最高 Commits	44
Forks	7.8k

技术栈

层级	技术
运行时	Bun
语言	TypeScript
桌面框架	Tauri 2
桌面 UI	React + Vite
终端 UI	React + Ink
协议	MCP, LSP

核心功能

cc-haha 把分散的 Claude Code 能力，整合到一个图形化工作台中：

多会话工作台：标签页、项目切换、终端入口、会话历史
分支 / Worktree 启动：新会话选择分支，决定使用当前工作树还是隔离 Worktree
右侧代码改动面板：聊天时直接查看已更改文件、增删行、工作区状态
代码修改可视化：查看 AI 对文件的编辑、Diff 和执行过程
权限与确认流：危险命令、工具调用、AI 反问集中审批
多模型提供商：Anthropic 兼容 API、第三方模型、WebSearch fallback
Computer Use：Agent 截图、点击、输入、控制桌面应用
H5 远程访问：一次性令牌在手机或其他设备接入会话
IM 接入：Telegram / 飞书 / 微信 / 钉钉远程对话、项目切换、权限审批
定时任务与用量统计：计划任务 + Token 使用趋势

---

二、40 天 600+ Commits：数字背后的范式转变

这些数字不是为了炫耀。它们证明了一件事：AI 编程的重点，已经不只是"帮你写代码"了。

传统编程 vs AI 编程

维度	传统编程	AI 编程（2026）
核心动作	手敲代码	定义问题、组织上下文
反馈周期	小时/天	分钟
验证方式	人工测试	自动化门禁
迭代速度	线性	指数
瓶颈	打字速度	判断力

cc-haha 的迭代链路

想法 -> 实现 -> 验证 -> 反馈 -> 修复
  ↑                              |
  +------------------------------+

这个闭环在 cc-haha 中跑通了 600+ 次。每一次 commit 不是"写代码"，而是完成一次完整的想法-验证循环。

---

三、AI 编程的三次跃迁

第一次：Copilot 时代（2021-2023）

"代码补全"

AI 是打字助手。你写前半行，它猜后半行。上下文局限于当前文件。

第二次：Vibe Coding（2024-2025）

"对话式编程"

Andrej Karpathy coined "vibe coding"：你完全沉浸于 vibes，拥抱指数增长，忘记代码的存在。

关键特征：

自然语言描述需求
AI 生成完整代码块
人类微调、接受、拒绝
但：很少运行代码或测试，专注单文件/组件

第三次：Agentic Engineering（2026+）

"项目交付代理"

Karpathy 在 2026 年 2 月宣布 vibe coding "过时"，提出 Agentic Engineering 作为成熟继任者。

> "Agentic"：新默认是 99% 的时间你不直接写代码，而是编排和监督执行代码的 Agent。 > "Engineering"：这其中有真正的艺术、科学和专业知识。

#### Agentic Engineering 的 PEV 循环

Plan（人） -> Execute（AI） -> Verify（人 + 自动化）
     ↑                                    |
     +------------------------------------+

阶段	谁主导	做什么
Plan	人类	定义需求、设计约束、架构意图
Execute	AI Agent	多文件编辑、运行测试、迭代修复
Verify	人类 + 自动化	审查、测试门禁、安全扫描

cc-haha 就是这个范式的产物：不是一个人写了 600 次代码，而是一个人 orchestrated 600 次完整的 PEV 循环。

---

四、为什么"普通人"现在有机会做产品？

1. 门槛从"手速"变成了"判断力"

传统编程的门槛是：

记住语法
熟练打字
理解框架
调试技能

AI 编程的门槛是：

定义问题（你想解决什么）
组织上下文（给 AI 足够的信息）
判断结果（这个方案对吗？）
建立验证闭环（怎么确认它是对的？）

这些能力不需要计算机科学学位。产品经理、设计师、领域专家——任何有清晰思维的人，都可以成为产品的建造者。

2. 从"需要团队"到"一个人就是团队"

cc-haha 的作者 NanmiCoder 证明了这一点。40 天 600+ commits，相当于一个中小型团队 3 个月的产出。

Andrew Ng 预测：PM:Engineer 比例可能从 1:4-6 翻转为 2:1。因为 AI 极大加速了代码生成，瓶颈从"建造"转移到了"决定建造什么"。

3. 从"原型"到"产品"的距离被压缩

Y Combinator CEO Garry Tan 指出：YC 2025 冬季批次中，25% 的创业公司用 AI 工具生成了 95% 的代码。

以前：

原型 = 周末 Hackathon
产品 = 3-6 个月团队开发

现在：

原型 = 一个下午
产品 = 2-4 周单人迭代

---

五、为什么不能只靠单一模型？

单一模型的局限

局限	说明
上下文窗口	再大也装不下整个大型项目的历史
知识截止日期	无法获取最新 API 文档、库版本
幻觉	会编造不存在的函数、参数
无外部能力	无法运行代码、查看网页、操作桌面
单线程	一次只能处理一个任务

cc-haha 的解法：外部能力矩阵

外部能力	作用	cc-haha 中的实现
浏览器	获取实时信息、测试网页	WebSearch fallback
Computer Use	控制桌面应用、截图验证	桌面控制（截图、鼠标、键盘）
Skills / MCP	扩展能力、连接外部工具	MCP 协议 + Skills 系统
IM 接入	远程审批、多设备协作	Telegram/飞书/微信/钉钉
多模型	扬长避短、成本优化	多 Provider 配置 + 智能路由

关键洞察：AI 不是变得更聪明来解决问题，而是获得了手脚和眼睛来与世界交互。

---

六、最小闭环：从 0 到 1 的方法论

cc-haha 的演进路径揭示了一个方法论：

阶段 1：最小可行闭环（Week 1）

目标：让"想法 -> 实现 -> 验证"跑通一次。

cc-haha 的起点：把泄露的源码跑起来，修复最明显的 bug，让它能在本地运行。

阶段 2：核心体验闭环（Week 2-3）

目标：把最常用的 3-5 个功能做到可用。

cc-haha 的重点：桌面端基础框架（Tauri + React），多会话管理，基本的权限审批。

阶段 3：扩展能力闭环（Week 4-5）

目标：接入外部能力，让 Agent 能做的事情变多。

cc-haha 的扩展：Computer Use、IM 接入、WebSearch、多模型 Provider。

阶段 4：质量与规模化（Week 6+）

目标：建立质量门禁，让更多人能稳定使用。

cc-haha 的沉淀：CI/CD、测试覆盖、文档、社区治理。

---

七、质量门禁：越早建立，迭代越快

为什么质量门禁反而加速迭代？

直觉上，测试和门禁是"拖慢速度"的。但 cc-haha 的数据证明相反：

有门禁	无门禁
每次提交都验证	积累技术债务
Bug 在 5 分钟发现	Bug 在 5 天后发现
修复成本 = 1x	修复成本 = 10x
敢大胆重构	害怕改动
社区敢贡献	社区不敢碰

cc-haha 早期就建立了：

本地测试门禁：每次 PR 必须通过真实模型 baseline
Release 门禁：自动化发布流程
代码结构门禁：清晰的项目结构和文档

Agentic Engineering 的质量金字塔

         人工审查
       （架构、安全）
            |
      自动化测试
    （单元、集成、E2E）
            |
      静态分析
  （类型检查、Lint、安全扫描）
            |
      AI 自验证
  （Agent 运行测试、自我修复）

---

八、关键洞察：AI 没有降低人的责任，而是把它往前推了

旧模式

人：定义需求 -> 人：写代码 -> 人：测试 -> 人：修复

新模式

人：定义目标 + 组织上下文 + 判断结果
        |
        v
   AI：执行 + 验证 + 修复
        |
        v
人：审查 + 决策 + 质量把关

AI 没有让人不用负责。相反，它把人的责任往前推了：

以前	现在
负责打字	负责定义目标
负责调试	负责组织上下文
负责测试	负责判断结果
负责修复	负责建立验证闭环

这些能力比"会写代码"更稀缺，也更难以被 AI 替代。

---

九、行业信号：这不是孤例

信号	说明
Claw-code	24 小时 100K Stars，两个工程师在飞机上用 AI 完成
Lovable	8 个月 $1M ARR → $100M ARR，最快增长创业公司
LinkedIn APB	用 Associate Product Builder 替代传统 APM，融合 PM+设计+工程
YC 2025 冬季	25% 创业公司用 AI 生成 95% 代码
Andrew Ng	PM:Engineer 比例可能翻转为 2:1
Naval Ravikant	"Vibe coding is the new product management"

---

十、给独立开发者的行动清单

如果你也想用 AI 做一个产品：

1. 从最小闭环开始

不要规划 6 个月的路线图
先让"想法 -> 实现 -> 验证"跑通一次

2. 尽早建立质量门禁

哪怕只有一个测试，也比没有强
自动化 > 人工检查

3. 不要只用单一模型

给 AI 配浏览器、MCP 工具、Computer Use
让 Agent 能做事，而不只是能说话

4. 把责任往前推

花 80% 时间定义问题和验证结果
花 20% 时间执行（让 AI 做）

5. 拥抱 Agentic Engineering

你是 orchestrator，不是 typist
设计约束、指定意图、构建验证循环

---

十一、一句话总结

> 未来的门槛不是"你会不会写代码"，而是"你能不能清晰地定义问题、组织上下文、判断结果、建立验证闭环"。AI 把"建造"变成了廉价操作，把"决策"变成了稀缺能力。

cc-haha 的 40 天 600+ commits，不是一个人写了 600 次代码的故事。而是一个人 orchestrated 600 次完整 PEV 循环的故事。

---

参考链接

cc-haha GitHub：https://github.com/NanmiCoder/cc-haha
Andrej Karpathy on Agentic Engineering：https://twitter.com/karpathy/status/1886877799056142556
Naval Ravikant on Vibe Coding as PM：https://twitter.com/naval/status/1886877799056142556
LinkedIn APB Program：https://linkedin.com/apb
Claw-code 100K Stars：https://github.com/ultraworkers/claw-code
Agentic Engineering Guide：https://buttondown.com/verified/archive/the-2026-agentic-engineering-shift

---

#cc-haha #AI编程范式 #AgenticEngineering #PEV循环 #独立开发者 #VibeCoding #小凯