导语
这篇 Claude Blog 文章复盘 Built with Opus 4.7 hackathon 的获奖项目。它表面上是获奖名单，实际呈现了一个更重要的变化：AI 编程工具正在让医生、修理工、教师、手艺人和工业维护工程师，把自己熟悉的问题直接做成可运行的软件。
1. 这次获奖项目覆盖了哪些问题
文章开头提到，Claude 团队上周在 San Francisco 举办 Claude Build Day，让开发者用 Claude Opus 4.8 做新项目；同时，他们回访 Built with Opus 4.7 hackathon 的获奖者。获奖项目覆盖医疗训练、电子维修、计算机教育、互动游戏、家庭维修和工厂维护。
这些项目的共同点是：获奖者并不只是让 Claude 写代码，而是把自己的领域经验、评估标准、产品判断和执行节奏嵌入 AI 协作流程。每个案例都在回答同一个问题：当 Claude Code、Claude Design、Managed Agents 和多代理工作流可用时，非传统软件团队能把什么现实问题变成产品？
2. 第一名 Medkit：把急诊训练做成模拟诊所
2.1 问题来自真实医疗现场
- Istanbul 的 Bedirhan Keskin 原本是医生，后来成为软件工程师。他用 Claude Managed Agents 做出 Medkit，一个面向住院医师和初级医生的学习工具，用游戏化医疗诊所模拟真实患者遭遇。Bedirhan 说，急诊室里如果一个人面对 50 个等待患者，才发现有些病例在医学院从未练过，就只能在真实患者身上实时练习。
2.2 产品如何训练诊断链条
- 在 Medkit 中，医学生练习问病史、开化验、读影像、诊断和给出治疗方案。结束时，agentic grader 会根据公开临床指南评估整场遭遇，标准类似 board examiner。它不是单纯问答工具，而是在模拟完整临床决策链。
2.3 Claude 的角色是思想伙伴
- Bedirhan 把 Medkit 分成四个 Claude Code 会话：voice engine、content generation、3D game layer 和 core app，保持上下文干净并行推进。他几乎全程用语音工作，称为 “talk, don’t type”。最初他想自托管语音引擎，Claude 建议改用云服务以加快速度。Medkit 已吸引 Istanbul 三所医学院和一家制药公司准备试点。给其他 builders 的建议是：把 Claude 当思想伙伴，而不只是代码代理。
3. 第二名 Wrench Board：让维修技师看懂复杂电路
3.1 从维修经验到诊断平台
- Alexis Chapellier 来自 France 的 Reignier-Ésery，曾多年维修电子设备，并创建 RepairMind 维修店 AI 管理平台。Hackathon 项目 Wrench Board 帮独立技师处理复杂维修：用户放入 schematic（原理图）和 boardview（板图），描述症状，agent 会创建统一 electrical graph（电气图），推理后指出要探测的 pad，读取测量值并更新假设，直到诊断故障。
3.2 多代理和视觉理解是关键
- Alexis 先在 Claude Design 中拆分职责：设计、原理图导入、boardview、诊断 agent，并为每一部分生成 spec 和 plan；随后在 Claude Code 多代理模式中执行，调试时并行运行五六个 agent，每个领域一个专用 agent。他押注 Opus 4.7 对视觉原理图的新理解能力，真正确认可行的时刻，是模型能在主板上追踪 power path，让 boardview 一步步亮起、箭头出现、组件名称浮现。
3.3 给 builders 的建议是深度 brainstorm
- Wrench Board 下一步是建立电子维修者社区，让专家用现场经验丰富工具。Alexis 说，这次 hackathon 证明自学出身、来自维修店的人，也能在 5 天内交付复杂系统。他使用 Superpowers 框架组织 brainstorm-then-plan，有时并行 brainstorm，多线推进；他也提醒开发者要能反驳模型，因为 Claude 曾多次说某些功能时间不够，他仍决定试。
4. 第三名 Maieutic：让学生在 AI 时代重新学会思考代码
4.1 教师看到的症状
- Paula Vásquez-Henríquez 在 Chile Concepción 的 Universidad del Desarrollo 教计算机科学，并攻读 AI 方向 PhD，研究学生与 AI 互动。她观察到过去两年越来越多学生能通过测试，却不了解自己的代码。她认为学生用 AI 制造代码，却没有学会精确定义问题、先写计划、批判性阅读自己的代码，也没有形成 metacognitive loop（关于自己思考的思考）。
4.2 Maieutic 的设计是“先说清楚，再写代码”
- Maieutic 是一个 IDE，故意让学生在关键时刻慢下来。学生必须先用自然语言描述程序要做什么，Claude 提问澄清，直到 spec 详细到一个合格程序员无需猜测即可实现，编辑器才解锁。之后学生可以写 Python，但 autocomplete 关闭；聊天面板回答参考问题，但遇到推理问题会反问而不是直接给修复。
4.3 Intent-Diff Review 和教师仪表盘
- 工具核心是 Intent-Diff Review：Claude 对比 spec 和最终代码，把差异分类为 drift、revision 或 bug，再提出中性、不指责的问题，促使学生自己解释。教师端 live dashboard 每个学生一行，用一句话总结认知状态，例如“spec 写了三次，仍未考虑空输入”；教师可查看单个学生与 Claude 的互动，也能看到全班共同误解。Paula 的建议是 Think before you build；她自己花两天纯思考，先写设计 spec 和技术 spec，再开始编码。
5. Virtual Puppet Theater：把空间推理变成开放式游戏
Rene Hangstrup Møller 做出 Virtual Puppet Theater，这是浏览器应用，把 webcam 视频和语音变成互动 puppet show。实时动画 puppet 模仿用户动作，第二个 AI companion puppet 与用户对话；用户语音可改变场景并即时生成 3D props。
技术栈包括 Bun、Vite、TypeScript、MediaPipe hand tracking（WASM）、Three.js 以 60 fps 渲染 3D 舞台，小型 WebSocket server 连接 Claude Opus 4.7 与 Anthropic SDK 驱动 AI puppet 对话和生成道具，语音输入用 Web Speech API，输出用 ElevenLabs 或浏览器语音合成。Rene 用 Claude 做概念讨论、规划和写代码，自己负责方向、架构、审查和决策。他没有产品化目标，最重要的验证来自小儿子玩得开心。建议是给 demo 视频预留一整天，因为 3 分钟视频比想象中耗时。
6. MaestrIA：把 Chile 木工经验编码进家庭维修诊断
6.1 问题来自父亲的隐形技艺
- Benjamin Torralbo 从小跟着父亲 Juan Rodrigo Torralbo 学木工。父亲是 Chiloé 的认证 Maestro Mayor carpenter，有 30 年经验，修复过 UNESCO listed churches，却像许多 tradespeople 一样在智利系统中不可见。普通用户遇到家修问题，也不知道坏在哪里、多少钱、该找谁、是否被乱收费。
6.2 产品把普通人和手艺人连接起来
- MaestrIA 让用户拍照、语音或文字描述问题并分享位置。Claude 实时展示推理，用 animated bounding boxes 标出照片中的问题，再给出结构化诊断：哪里坏了、材料、严重程度 1-5、预算和时间估计。agent 随后显示附近按工种筛选的 maestros 地图，第二个 agent 起草 WhatsApp 消息。
6.3 评估和本地知识才是核心
- MaestrIA 的技术核心是注入每次诊断的 JSON 文件，包含 17 条诊断规则、7 种 Chiloé 本地木材、16 个本地工匠术语、19 个基准价格和 9 个常见错误，全部来自 Benjamin 对父亲的采访。不改 system prompt，仅这份文件就让 eval 从 74% 提升到 81%，使系统能诊断 “rising damp on alerce wood siding” 而不是泛泛的 “wood damage”。Benjamin 无编程经验，自称像工地监工一样监督 Claude 技术执行：先让 Claude Code 设计 spec、阶段计划和安全模型，再逐个 diff 审查。他的建议是 Eval first, features later。
7. ARIA：把老维修工程师的直觉做成工厂智能体
7.1 目标是让机器故障更早被看见
- ARIA（Adaptive Runtime Intelligence）获得 Best Use of Claude Managed Agents。它把有经验维修工程师凭声音判断机器故障的直觉，变成便宜、快速部署的 AI 系统，持续观察工厂机器，并在出现问题时生成定制诊断和维修计划。
7.2 五个 agent 和 15 分钟工厂画像
- 维护工程师上传制造商 PDF，回答四个自然语言校准问题，15 分钟内工厂画像完成。之后五个 agent 监控实时信号；如果检测到故障或预测即将故障，就生成 work order，分析组件、故障模式、紧急程度、零件和干预窗口。
7.3 规划、领域判断和托管基础设施
- Idriss Benguezzou 是法国工业软件工程师，有 data/AI 硕士；Adam Hnaien 是自学工程学生，熟悉 Claude Code 和多代理工作流。他们在 Discord 组队，第二天全部用于 planning mode 和 GitHub Project board，界定里程碑、issue 和验收标准。两人估计 Claude Code 写了约 80% 原始代码，但领域逻辑和设计判断由他们负责：Idriss 处理阈值评估、KB schema、异常检测，因为不能靠 prompt 学会维护技师真正看什么；Adam 负责 UX、视觉语言和 constellation concept，因为不能靠 prompt 获得品味。Managed Agents 则托管 sandboxed Python、secure execution、session persistence 和 MCP dispatching，让他们把一周用在产品上而不是基础设施上。建议是让 Claude 审计已有内容，再建下一步。
思想框架
文章按获奖名单展开，但每个项目都在证明 AI 编程的新分工：Medkit 把医生训练流程和 board examiner 标准放进模拟诊所；Wrench Board 把维修经验、原理图视觉理解和多代理调试结合；Maieutic 把教育者对“AI 时代学生不会思考代码”的担忧转成 IDE 约束；Virtual Puppet Theater 用空间推理和 3D 技术做开放式玩具；MaestrIA 把父亲 30 年木工经验、17 条规则、7 种木材和 9 个常见错误编码进诊断；ARIA 则把工业维护现场经验、五个 agent 和 Managed Agents 基础设施结合。最终线索是：Claude Code 放大的不是抽象“会写代码”的人，而是那些真正理解某个现场问题、愿意先规划、建立评估并审查输出的人。
