APP 是入口,Claude Code 才是主战场

我最近越来越确定一件事：很多 APP，包括我自己做的 VoiceDrop，本质上应该是 agent native 的。

这话什么意思呢？就是说，APP 负责收集，agent 负责加工。两件事拆开，才顺畅。

我自己做 VoiceDrop，就碰到了这个问题。APP 里面我能做的功能，说实话已经不少了。录音、转写、生成文章，跑得通。但每次文章生成出来之后，我想再微调——比如这一段语气不对、那一段逻辑顺序要换一下——在 APP 里面再来回跟他说话，让他调，效果一直差强人意。

原因我想清楚了：APP 里面的交互界面，天然有局限。屏幕小，上下文看不全，改了这里忘了那里，总有点像在一张小纸条上做精密工作。但如果把「深度加工」这个动作，放到 Claude Code 里面来做，局面完全不一样。我可以在 Claude Code 里面把文章翻出来，逐段检查，细微调整措辞，然后直接推到微信发布，整个流程一气呵成，不卡。

所以我现在想的架构是这样的：

• APP 端：录音、随时记录口述、多段声音存档——这些是 APP 擅长的事，随手可做。
• Claude Code 端：把录音转成的文字拉过来，合并多段素材，精修文章，排版发布——这些是 Claude Code 顺手的事。

两边分工，APP 是前端入口，Claude Code 是后端主战场。

为了让这两边能打通，我在 APP 里面内置了一个机制：每个用户有自己的用户名和 TOKEN。TOKEN 就是你的密码。你只要把这个 TOKEN 告诉 Claude Code，他就可以用你的身份，访问你在 APP 里面的所有素材，然后替你做后续的一切安排。

这个逻辑其实不复杂，但我觉得它代表了一类很重要的产品思路——agent native。

以前做 APP，我们想的是把所有功能都塞进去，做成一个完整闭环。用户在 APP 里面从头走到尾，出不来也不用出来。这个思路现在开始动摇了。因为有一类操作，天然适合在 agent 的环境里做，你非要把它压缩进 APP 界面，只会做得别扭。

正确的做法是：承认 APP 有它的边界，然后把边界那一侧的事情，干脆交给 agent 来做，两边用 TOKEN 打通，让他以你的身份继续干活。

我自己现在写这些公众号文章，用的就是这套流程：拿手机随时录口述，存在 APP 里，然后回到 Claude Code，把素材拉出来，加工成文，发出去。中间那道「以我的身份操作」的 TOKEN 机制，就是让这两端能顺滑衔接的那根线。

现在已经可以用下面指令在 Claude Code 安装：

安装 https://github.com/jianshuo/claude-skills/blob/main/wjs-voicedrop/SKILL.md

然后经过一个简单的 login 过程，就可以在 Claude Code 里面继续文字的工作了，而 VoiceDrop 的所有服务器端功能都可以使用。

我在尝试，这或许是未来的 App 的样子。