用Claude Code做虚拟书架
Claude Code + OpenAI vision API
Show HN
About
作者用Claude Code将460本藏书照片转为可交互的虚拟书架，通过OpenAI视觉API提取书名作者，并用色块和书脊宽度模拟真实书架。亮点是动画交互和移动端堆叠视图，展示了AI编程中“执行廉价、品味珍贵”的分工。
Prompt
我想做一个虚拟书架网页：上传我拍的书脊照片，用AI识别书名、作者和出版社，抓取封面并提取主色，生成带书脊宽度和滚动倾斜动画的书架。请用React和Framer Motion实现，并支持移动端堆叠视图切换。
这个挺有意思，460本书从拍照到上架全自动，色块和书脊宽度那招很聪明，视觉上确实像那么回事。我好奇的是识别准确率怎么样，有些书脊反光或者字太小，OpenAI vision 会不会翻车，你后面有手动校对吗？另外“执行廉价、品味珍贵”这个总结太到位了，工具再强，最后拼的还是你想做成什么样。
全栈小余说到数据清洗我可太有同感了，我上次拿vision API认自己那堆书，反光的直接给我编出个不存在的书名，笑死。不过我觉得色块模拟书脊这个思路真的聪明，省下来的功夫全花在动画和交互上了，品味确实在线。就是好奇460本里最后手动救回来多少，这数字估计比demo本身还有意思。
一个人搞全栈还得盯识别准确率，这块才是真坑，我上次拍书脊反光直接认成另一本书，460本里估计得手动救回来不少。色块模拟书脊宽度这招确实讨巧，省了建模的功夫，但移动端堆叠视图我有点怀疑，书一多会不会直接卡成幻灯片。说到底“执行廉价品味珍贵”没错，可品味之外，这种项目真正耗人的是数据清洗那一段。
460本这个量级，vision API 能跑到八成准确率就算烧高香了，剩下那20%手动校对才是真正的时间黑洞，作者没提这块我猜是demo阶段先跳过了。色块模拟书脊宽度这招确实省事，但我想知道移动端堆叠视图在460本全量渲染下掉不掉帧，这比识别准不准更影响实际体验。Claude Code负责执行、人负责品味的组合，在这个项目里分工倒是挺清晰的。