Claude Code黑客松六强揭晓：Opus 4.7五领域创新玩法

第一名：Medkit — 住院医师的“临床副本”

开发者：Bedirhan Keskin（土耳其·伊斯坦布尔）

Bedirhan原本是临床医生，后来转行做了软件工程师。他在黑客松期间用Claude Managed Agents搭了一个叫Medkit的工具：面向住院医师和青年医生的医学培训平台，在游戏化的虚拟诊所里，模拟“真人真病”的诊疗场景。借助Medkit，医学生可以在模拟病人身上练习问诊、开化验单、读影像、做出诊断并给出治疗方案。诊疗结束后，一个智能体考官会按照执业医师考试同款的临床指南，对整次接诊做完整评估。

为了保持上下文整洁，他干脆做了4个并行的Claude Code会话——语音引擎、内容生成、3D游戏层、核心应用，独立推进，互不干扰。他还把“用嘴讲、不用键盘”的语音优先工作流贯彻到底。Medkit已经在土耳其落地：伊斯坦布尔的3所医学院和1家药企，将在接下来几周启动试点。

给同行的建议：把Claude当作思想伙伴，而不是单纯的写代码工具。

Bedirhan一开始打算自托管语音引擎，Claude建议他改用云厂商、提速为先。“我最看重Claude的地方，是它不只是一个代码生成器，而是能帮我看到那些本来会错过的选项。”他这样说道。

第二名：Wrench Board — 修板师傅的“AI第二大脑”

开发者：Alexis Chapellier（法国·Reignier-Ésery）

Alexis修了好多年电子产品，之后创办了RepairMind——一个为维修门店打造的AI管理平台。这次黑客松他的作品Wrench Board，专门帮助独立维修师傅处理“疑难杂症”：用户上传一张电路原理图+一张点位图（boardview），再描述一下故障症状，智能体就会构建一张统一的电气图谱、推理信号走向、定位到具体要测的焊盘、读数并持续修正假设，直到给出诊断结论。

Alexis先在Claude Design里搭原型，把应用拆成设计、原理图解析、点位图、诊断智能体四块，并为每一块先写规格再写计划。落地时他启用Claude Code的多智能体模式，调试阶段同时跑5-6个智能体，每个领域派一个“专人”。

他的关键判断押在Opus 4.7新加的“看懂视觉化原理图”能力上。让他确信这条路走通的那一刻，是模型在主板上一笔一笔追出一条电源通路。Wrench Board的下一步是建立一个由维修师傅和专家组成的社区，让真正懂行的人来丰富工具的知识库。奖金中的Claude credits将投入RepairMind和早期用户运营。

给同行的建议：头脑风暴要深，并要敢于反驳模型。

Alexis借助Claude内置的Superpowers技能框架，把“先头脑风暴、再做计划”的工作流结构化，有时还会并行跑多场头脑风暴。他先在Claude Design起步，一键把项目交接给Claude Code，遇到模型说“做不到”时，他会坚持试试看。

第三名：Maieutic — 让学生“慢下来”的IDE

开发者：Paula Vásquez-Henríquez（智利·Concepción，Universidad del Desarrollo）

Paula在智利一所大学教计算机科学。过去两年她越来越明显地观察到一种现象：学生能通过考试，却说不清自己写的代码在做什么。正在攻读AI博士、研究“学生与AI互动模式”的Paula参加了这场黑客松，决心从学生和老师两侧一起解决这道题。

她的作品Maieutic是一个“让学生在关键节点必须慢下来”的IDE：写代码前，学生必须用自然语言讲清楚“程序应该做什么”。Claude会抛出针对性的追问，编辑器在规约足够具体、任何合格程序员都能照着实现之前，一直锁着不让动手。开始写Python时，自动补全是关掉的。侧边聊天面板对“参考类”问题直接回答；对“推理类”问题只用反问回应，拒绝替学生思考。核心是Intent-Diff Review（意图差异复审）：Claude把规约和最终代码对照，把每处偏离分成drift（漂移）、revision（修订）、bug（缺陷）三类，再抛出一个不带指责色彩的中性问题，让学生自己解释清楚。给老师的实时面板里，每个学生一行，配一句“认知摘要”（比如“规约已经改了三次，还没考虑空输入”）。老师点进去能看到该生与Claude的具体互动，Claude还会跨班分析，识别整届学生共同的误解。

黑客松结束以来，休斯顿大学的研究者主动联系她希望合作论文。Paula准备把奖金里的credits全部投入下一步开发。她说这次经历让她确信：理解一个问题和为它造一个工具之间的鸿沟，已经在快速消失。

给同行的建议：先想清楚，再动手做。

这是Paula自己身体力行的哲学。“Maieutic这个项目的存在，就是因为学生总是一头扎进代码。我自己能把这件事做对，恰恰是因为我决定不那样做。”她把整整两天留给了纯思考，先写设计规约、再写技术规约，一行代码都没碰。

最具创意奖：Virtual Puppet Theater — 浏览器里的木偶剧场

开发者：Rene Hangstrup Møller（独立全栈开发者）

Opus 4.7增强的空间推理能力让Rene灵机一动——他做出了Virtual Puppet Theater：一个浏览器应用，能把摄像头的画面和你的声音变成一场可实时互动的木偶剧。一个动画木偶跟着你的动作镜像同步，第二个AI木偶则和你插科打诨；你说出什么场景，舞台和3D道具就当场变出来。这一切，都装在浏览器里。

Rene让Claude跑完了整条流水线——概念讨论、规划、写代码——而他自己抓方向、架构、评审和决策。技术栈是Bun + Vite + TypeScript：MediaPipe手势识别（运行在WASM）配合Three.js，把木偶舞台以60fps渲染成3D。一个小型WebSocket服务通过Anthropic SDK接Claude Opus 4.7，驱动AI木偶的对话和实时3D道具；语音输入用Web Speech API，输出用ElevenLabs，浏览器原生语音合成作为兜底。整套视觉效果由Opus的空间推理能力支撑，并配了一个“截图—反馈—再生成”的循环来调优。

Virtual Puppet Theater没有目标、只有开放式玩耍，Rene也没打算把它做成产品，对他来说这是一件“既好玩又能学到东西”的事。源码已经在GitHub上以MIT协议开源，欢迎有兴趣的人继续做下去。

给同行的建议：参加黑客松，请专门留出时间拍demo视频。

“持续思考”特别奖：MaestrIA — 把师傅的30年手艺装进一个JSON

开发者：Benjamin Torralbo（智利·Chiloé）

Benjamin从小跟着父亲Juan Rodrigo Torralbo学手艺——他父亲是Chiloé当地一名有Maestro Mayor（大师级工匠）认证的木匠，修过列入UNESCO遗产名录的教堂。黑客松项目MaestrIA一次解决两边：用一款Web应用，给普通人“大师级”的家庭维修诊断，同时给真正有手艺的师傅一个展示专业能力的渠道。

使用流程：用户拍一张故障照片、用语音或文字描述问题、再分享位置——Claude实时输出推理过程，在照片上画出动画式边界框，然后给出结构化诊断：坏在哪里、用什么材料、严重程度1–5、预算和时间估算。之后智能体绘制一张按工种筛选的附近师傅地图，并让第二个智能体草拟一条WhatsApp消息发过去。

MaestrIA技术上的“心脏”是一个JSON文件，每次诊断都会注入到提示中——里面装着17条诊断规则、7种Chiloé本地木材、16个本地行话术语、19个基准价格和9个常见工艺失误，全部来自Benjamin对父亲的长时间访谈。不需要改系统提示，光这一个文件，就把他的评测分数拉高了7个百分点（74% → 81%，对照的是真人师傅的判断）——这就是MaestrIA能诊断“落叶松墙板的返潮”，而不是停留在“木质损坏”这种泛泛之词的原因。

没有任何编程经验的Benjamin说，自己的角色更像“现场工头”，盯着Claude的技术落地。他希望MaestrIA能扩展到新建项目、五金店对接、正式预算、合同、评价和认证体系。最终的目标是：每个工种都有自己的“Maestro Mayor”被编码进系统——木工、建筑师、水管工、电工、泥瓦匠。奖金中的credits会被用来继续开发产品、把父亲的公司作为真实试点完成数字化，以及他自己的技术成长。

给同行的建议：先做评测，再做功能。

最佳Claude Managed Agents应用：ARIA — 把老师傅的“听声辨故障”做成AI

开发者：Idriss Benguezzou & Adam Hnaien

大多数工厂里都有这么一位老师傅——听声音就知道哪台机器要坏了。把这种“凭直觉判断”的能力做成一个装得快、用得起的AI系统，实时盯住工厂设备、一有异常就生成定制化的诊断和维修方案——这就是ARIA（Adaptive Runtime Intelligence，自适应运行智能）的目标，它也是本届“最佳Claude Managed Agents应用”奖的获奖项目。

怎么用？ 维修工程师上传一份厂商PDF、回答4个白话校准问题，15分钟之内整个工厂就被“画像”完成。然后5个智能体开始盯实时信号：一旦检测到故障，或预测到故障迫在眉睫，就立刻生成一张工单，拆解故障部件、失效模式、紧急程度、所需零件、可介入的窗口期。

两位开发者都有车间一线经验，是在黑客松的“队友配对”Discord频道里认识的。Idriss Benguezzou是法国的工业软件工程师、数据/AI硕士，已经把ARIA的点子和大部分架构在脑子里打磨了一段时间。Adam Hnaien是自学的工程专业学生，熟练掌握Claude Code和多智能体工作流，第一眼就看出ARIA对工业维护的价值。他们把黑客松第二天整天都用在GitHub Project板上做规划，逐项敲定里程碑、任务和验收标准，才开始写第一行业务代码。

两人估计Claude Code写了大约80%的原始代码，而领域逻辑和设计决策由他们亲手把关：Idriss负责阈值评估、知识库schema、异常检测——“靠prompt是写不出‘维修师傅实际在看什么’这种行业知识的”。Adam负责UX、视觉语言和“ARIA星群”的概念设计——“靠prompt也写不出‘品味’”。至于智能体基础设施，完全交给Claude Managed Agents。

比赛结果公布后，已经在做同一类问题的公司主动找了过来。Idriss会把ARIA的智能体架构、知识库schema和信号管线并入他自己的工业IoT平台，奖金中的credits继续投入研发和实验；Adam则计划继续探索工业领域agentic AI的机会。

给同行的建议：让Claude来审计。

写在最后

六位获奖者，六种完全不同的背景——医生、修理工、大学老师、独立开发者、车间工程师、自学成才的工程学生。他们的共同点不是技术多强，而是每个人都在用Claude把“自己行业里最熟悉的真问题”做成一个能跑的产品。

• Bedirhan让住院医师在出诊前先练手
• Alexis让小店维修师傅多一双“AI第二大脑”
• Paula让大学生有机会重新学会“思考代码”
• Rene让他儿子多了一个会说话的木偶
• Benjamin把他父亲30年的手艺压缩进一个JSON
• Idriss和Adam让工厂老师傅的“听声辨故障”变成一套可复制的系统

这也是Claude Code这次最想展示的事：真正最了解问题的人，现在已经能直接为自己造工具了。