[JS/TS] OpenClaw中文资源站搭建实战：4个AI并行开发Next.js全栈项目复盘

昨晚，一个由AI主导的协同开发实验悄然进行。任务目标明确：从零开始，为一个名为OpenClaw（俗称“龙虾”）的AI Agent构建一个功能完整的中文资源站。

项目规划、前端、后端、管理后台、部署配置，五个核心模块被拆解。令人意外的是，执行这些任务的并非不同的人类开发者，而是四个不同的大语言模型。本文将复盘这次独特的“多AI并行开发”实践，从项目构思、任务拆解、协同执行到最终的成果整合，为你揭示AI协作开发的可能与挑战。

项目缘起：为何需要这样一个资源站？

这个想法源于一个实际的用户需求。有用户询问，是否有一个集中式的网站，能够一站式解决所有关于OpenClaw的问题：去哪寻找好用的技能（Skill）、如何快速入门、有哪些实战案例可以参考？

深入调研后我们发现，尽管OpenClaw的生态在快速增长，但相关内容却散落在GitHub、技术博客、社交媒体和视频平台等各处。新手想要系统性地学习和使用，往往需要花费大量时间进行信息搜集和筛选。此前，一个专注于收录龙虾技能（Skill）的网站 skill.sightx.top 已经上线，但用户反馈表明，仅有技能库还不够，他们同样需要教程、案例、工具推荐等配套内容。

已有的技能库网站，但内容维度较为单一。

因此，构建一个更全面、更体系化的“龙虾中文资源站”被提上日程。这个站点不仅要聚合信息，更要提供良好的浏览、搜索和学习体验。

成功的关键：清晰的任务定义与拆解

在启动任何开发之前，最重要的一步并非写代码，而是编写清晰、无歧义的需求说明。这次实验的核心前提是：给AI的指令，就是项目的需求文档。 指令的清晰度直接决定了最终交付成果的质量。

项目负责人（人类）将整体愿景和功能范围告知了协调AI（Claude Code）后，便将“项目经理”的角色委派了出去。Claude Code需要根据总目标，为每个参与开发的AI撰写一份详细的“任务说明书”（Prompt）。

这四份说明书涵盖了：

1. 后端API（Claude Code 自己负责）：定义数据模型、API接口规范（共15个路由）、数据库操作逻辑。
2. 前端页面（Gemini CLI 负责）：定义页面路由、UI/UX设计规范、组件结构、与后端API的对接方式。
3. 后台管理系统（Antigravity 负责）：定义管理员功能模块、数据管理页面的CRUD操作逻辑。
4. 部署与配置（Codex 负责）：定义服务器环境、部署脚本、Nginx配置、PM2配置及初始化流程。

Claude Code为四个“开发成员”撰写的详细任务说明书。

撰写完毕后，协调员（人类）同时打开了四个对话窗口，将对应的任务书分别发送给指定的AI。一场多AI并行的开发协作就此开始。这种基于大语言模型的AI协作模式，正在改变传统项目的推进方式。

团队分工：四个AI各司其职

为何选择四个不同的AI？目的在于进行一场“能力基准测试”。在真实的项目压力下，不同模型在特定领域（如前端开发、后台逻辑、系统运维）的实际表现如何，将一目了然。

• Claude Code：后端开发与总协调
  作为项目的“大脑”兼项目经理，它负责构建网站的所有业务逻辑。包括用户认证、Skills/文章/案例/资源等核心内容的增删改查、复杂搜索与筛选、数据统计等，共计实现了15个API接口。此外，它还负责最终的代码整合与漏洞修补。

• Gemini CLI：前端页面开发
  负责用户直接交互的所有界面。基于Next.js 14 App Router，需完成首页、技能市场、教程文章、实战案例、资源导航、搜索页面等，并确保响应式设计和良好的用户体验。任务要求使用指定的配色方案，并预留API对接入口。

Gemini CLI 正在输出前端页面代码。

• Antigravity：后台管理系统开发
  为网站管理员提供内容管理入口。需要基于Next.js实现一个包含侧边栏导航的仪表盘，以及Skills、文章、资源、案例等核心内容的管理页面，支持列表、检索、编辑、删除等操作。

Antigravity 实现的后台管理界面Walkthrough文档。

• Codex：部署配置与DevOps
  负责项目的“基础设施”。任务包括编写生产环境部署脚本（deploy.sh）、首次服务器安装脚本（setup.sh）、Nginx反向代理配置、PM2进程管理配置、数据库（Prisma）种子数据初始化，以及环境变量模板等。

Codex 交付的配置与部署文件清单。

成果交付与评分：理想与现实的差距

经过约两小时的并行开发，四个AI陆续提交了代码。经过项目协调AI（Claude Code）的初步评审，各模块得分如下：

• Claude Code（后端API）：95分
  15个接口全部按质完成，复杂查询逻辑实现正确。扣分点在于对最新版数据库工具链的某些特性适配时出现了反复，经过几轮调试才修正。

• Codex（配置部署）：90分
  所有要求的配置文件、脚本均一次性交付，结构清晰，内容准确。扣分在于部分配置（如服务器路径）需要根据实际生产环境调整，但这属于预期之内。

• Gemini CLI（前端页面）：85分
  所有页面视觉实现完成，UI美观且符合设计规范。主要扣分项是：它使用了本地静态的模拟数据（Mock Data）来渲染页面，并未实际连接后端API；此外，代码中存在一些小的规范性问题。

• Antigravity（后台管理）：80分
  核心管理功能（如内容列表、编辑）已实现。但缺失了“分类管理”和“标签管理”两个次要页面，登录页面也未完成，且部分前端组件与后端API的数据结构存在不匹配。

四个AI在本次项目中的交付质量评分对比。

一个有趣的发现是，Gemini CLI 和 Antigravity 底层实际调用了同一型号的模型（Gemini 3.1 Pro），但交付质量却有差异。这反映出即使模型相同，不同的任务指令和上下文（一个专注用户界面，一个专注管理逻辑）也会导致最终输出的完成度不同。

整合阶段：缝合碎片，形成闭环

四个AI独立工作，完成了各自80%到95%的任务。然而，将它们拼凑成一个可运行的完整应用，中间的“缝隙”必须被填补。这个关键的整合工作，再次落在了担任“项目经理”的Claude Code身上。

主要整合工作包括：

1. 数据连通：将前端（Gemini CLI 产出）中硬编码的假数据，替换为真正调用后端API的动态数据。
2. 接口对齐：修正后台管理系统（Antigravity 产出）中与后端API数据结构或接口规范不一致的地方。
3. 功能补全：补全缺失的登录页面和次要管理页面。
4. 全局联调：确保所有页面路由、API调用、状态管理在集成后能正常工作。

最终，一个基于Next.js的全栈应用被打包成功，本地运行零报错。这标志着本次多AI协同开发的骨架已成功搭建。对于任何有志于参与开源实战或快速启动项目的开发者而言，这种协作模式提供了新的思路。

项目价值：超越实验的长期意义

构建这个资源站并非一次性的技术炫技，它承载着更实际的长期价值：

• 持续流量入口：针对“OpenClaw教程”、“龙虾技能推荐”等关键词进行SEO优化后，网站可成为稳定的自然流量来源。
• 信任与专业背书：一个维护良好、内容丰富的专项资源站，远比零散的文章更能建立专业形象和信任感。
• 内容资产沉淀：教程、案例、技能库等内容随时间积累，形成独有的知识库壁垒。
• 服务生态延伸：资源站可自然地作为窗口，引导有进一步需求的用户了解更深度的咨询或定制服务。

资源站首页Demo，采用极简设计，聚焦内容本身。

总结与展望

这次“四AI并行开发”的实践，验证了在人类清晰指挥下，利用多个大语言模型协作完成一个中型全栈项目的可行性。核心经验可总结为两点：

1. 前期设计重于后期编码：清晰、无歧义的任务拆解和接口定义，是AI能否正确执行的关键。人的核心价值在于“想清楚”和“说清楚”。
2. 整合者角色不可或缺：AI擅长在限定范围内完成高质量模块输出，但模块间的联调、数据对接和边界Case处理，仍需一个具备全局视角的“整合者”（可以是另一个AI，也可以是人）。

项目的骨架虽已建成，但后续工作依然繁重：正式部署上线、录入并迁移首批真实内容、持续进行SEO优化、添加数据分析等。这个站点也将作为OpenClaw生态中的一个活跃节点持续运营。

这次实验为我们展示了人机协同的一种新范式。在未来，熟练运用AI进行项目开源实战和管理，或许会成为开发者的必备技能。关于更多开发者的前沿探索与趋势讨论，欢迎在开发者广场交流。本次构建的OpenClaw中文资源站，正是这种探索的一次具体实践。它的后续进展，我们将在 云栈社区 持续分享。