🤖 如何用 3 成本，靠 AI “嘴撸” 一个全自动 LP 机器人 昨天提到一个《自动 LP 策略思路》，虽然原始文档有些漏洞百出，但一点不妨碍给我们提供一个很好的思路，值得深入探究。 于是乎，开弓搭箭，代码嘴撸起来。 由于这不是那种“一次性”代码，功能较多、内容较新，无法通过一两句话，让某个 AI 帮你一次性生成完整可用的系统。 所以，我的流程如下： 1️⃣ O3 产出 PRD 第一步，不是直接告诉 AI，你需要一个什么软件，实现什么功能。 而且先跟一个高智商 AI 沟通需求，在这个基础上，让 AI 帮你生成一个软件的 PRD（Product requriement document），也就是 产品需求文档。 注意，先沟通需求，再让 AI 给你生成一份详尽的 PRD 文档。 我选择了 OpenAI O3 帮我完成。 2️⃣ 准备素材 所谓巧妇难为无米之炊。对于比较新的领域，AI 的知识库可能没有最新内容，所以需要你做一些准备工作。 比如，我找到 Meteora 官方文档，把有关 DAMM V2 的介绍文档、SDK 文档，下载为 Markdown 文本，留作备用（对于 AI，处理和理解 markdown 更容易，如果是 PDF 则更费劲，且容易出错） 3️⃣ Claude Code 开撸 我选择了 Claude Code, 一款运行在命令行的 AI 编程工具（为此还特地重新开通了 Claude Pro会员）。 在你选择的脚本目录下，把准备的文档放入 docs/ 并告知 Claude，然后再引用你第一步准备好的 PRD 文档。 让 Claude Code 根据 docs 文档信息（确保知晓 SDK 的具体使用方式），以及 PRD 文档，开始构建整个软件的框架。 昨晚我用 API 接入的方式使用 Claude Code，整个架构搭建完毕，花费的费用只有 3，写了大概 2600 行代码。 4️⃣ Cursor 缝缝补补 第一次生成的代码，99% 的情况下是无法成功运行的，肯定有 BUG 等待你（的 AI）修复。 本来这一步可以直接在 Claude Code 内完成，但某些报错的定位，用命令行不好描述。 所以，我打开 Cursor ，选择 Claude 4 Sonnet ，开始指哪儿打哪儿，修复 BUG。 几个回合下来，程序已经可以欢快的跑起来了（完成了 Jupiter Swap 接入并测试成功）。 DAMM V2 接入功能，仍需进一步测试。 5️⃣ GitHub 集成 对于一个相对较大的项目，务必将代码集成到 GitHub（或者类似代码托管平台），启用隐私仓库（别人看不见）。 这样最大的好处是，每次新增或修复一个功能，及时提交（commit）。 这样一来，不但对代码的每一次修改都清清楚楚，最重要的是可以在发现问题时，及时回滚到之前任意一个可用版本。 而且，有了 git 信息， IDE 工具（比如 Cursor, VS Code) 可以快速比对最新的修改都有哪些。 有了以上五个步骤，在当前 O3、Claude 4、Gemini 2.5 Pro 这些地表最强编程 AI 的加持下，基本上能“嘴撸”一个完全可用的工具。 哪怕是一个帮你全自动参与 @MeteoraAG LP 的工具，也不在话下。 下面附几张截图供大家参考