Claude Fable 5 小專案實戰：從需求到上線，全程 AI 完成了什麼？

結論先行：我們用 Claude Fable 5 從零做出一個叫 pulsecheck 的 CLI——批次檢查一組 URL/API 是否還能存取，結果寫成 JSON，方便掛 cron 或接告警。全文分兩塊：先講這個工具解決什麼問題、成品怎麼用（見下方說明與截圖）；再按七個步驟覆盤Claude Code 裡 AI 寫了哪些程式碼、哪些環節必須你來定。只想快速了解用途和效果，讀到截圖即可；要親手做一遍，從步驟 1 開始。

用來幹嘛：三個真實場景

先別管 Go、YAML、JSON——這個小工具解決的是「我怎麼知道這些服務還活著」。下面三種情況，就是寫它的理由：

• 定時巡檢 — 你有 5～20 個健康檢查 URL（支付回呼、開放 API、內部閘道）。以前用 shell 寫 for url in ...; do curl ...，難維護、沒統一報告。pulsecheck 讀一份設定，輸出結構化 JSON，cron 掛上去即可。
• 發版 / 值班前手動確認 — 上線前跑一條指令：./pulsecheck -config prod.yaml -o /tmp/pre-deploy.json。全綠（退出碼 0）再發版；有紅（退出碼 1）先別推。
• 接告警的「探針」 — 不需要 Prometheus 全家桶時，用退出碼接現有腳本：退出碼 1 就 curl 你的 Webhook 或發信。JSON 報告留給事後翻日誌。

它不負責的事：歷史趨勢、簡訊告警、多租戶後台——那些交給 Datadog 或雲端監控。pulsecheck 只管此刻這一批 URL 通不通。

成品截圖

下面是 pulsecheck 全部做完之後在 Mac 終端裡的真實效果：讀設定、探測 URL、寫出 JSON，有一個站點回傳 503 所以退出碼是 1。

對應你本機的三條指令就是：

./pulsecheck -config config.example.yaml -o report.json
echo $?          # 1 = 有站點不健康
cat report.json   # 查看報告

輸入 / 輸出 / 技術形態

用途講清之後，再看技術上怎麼運轉：可以把它想成「批次 curl + 彙總成一份報告」，做成可編譯、可接 cron 的 CLI。

你需要維護的只是一份 YAML 設定，列出要巡檢的 URL；探測與彙總由 pulsecheck 自動完成。範例如下：

targets:
  - https://api.example.com/health
  - https://status.example.com/ping

做完後的程式碼 repo約 400 行 Go，結構如下：

pulsecheck/
├── cmd/pulsecheck/main.go      # 指令入口：-config -o
├── internal/checker/checker.go # 發 HTTP、記延遲
├── internal/config/config.go   # 解析 YAML
├── config.example.yaml
├── Makefile · README.md
└── .github/workflows/ci.yml

後半篇：AI 在七步裡寫了什麼

到這裡，pulsecheck 是什麼、用來幹嘛，應該已經清楚。從本節起進入建構過程：用 Claude Fable 5 + Claude Code，從空資料夾到打出 v0.1.0 tag，AI 逐步產出了哪些檔案、人在哪幾步必須插手。

一句話分工：AI 寫程式碼和測試；人定「做什麼 / 不做什麼」、Review 打回、最後簽字發布。下面七個步驟均可照抄 Prompt 複現；模型用 Claude Code 裡的 Fable 5 即可（不必上 Opus，見 檔位對比）。

環境準備

• Go 1.22+ — go version 確認
• Claude Code CLI — 模型選 Claude Fable 5（日常 Agent 循環夠用，見 模型檔位對比）
• 空目錄 — mkdir pulsecheck && cd pulsecheck && git init
• （選用）GitHub repo — 步驟 6 推遠端跑 CI；也可先本機做完

步驟 1：建 repo、寫需求

你要做的：用三句話寫清痛點，落成 SPEC.md。可以手寫，也可以先口述讓 AI 擴寫，但非目標必須人刪（否則 AI 會加 Web UI、資料庫）。

請閱讀下面需求，產生 SPEC.md 草案，不要增加任何未列出的功能：

- 工具名 pulsecheck，Go 1.22 CLI
- 讀取 YAML 設定中的 URL 清單，並發 HTTP GET
- 輸出 JSON 報告到 -o 指定路徑
- 欄位：url, status_code, latency_ms, ok
- 預設逾時 5 秒，環境變數 PULSECHECK_TIMEOUT 可覆寫
- 退出碼：0 全綠，1 有失敗，2 設定錯誤
- 非目標：無 GUI、無 DB、無 Docker、無告警推送

AI 會產出：SPEC.md。你要檢查：有沒有擅自加功能；驗收指令是否寫上 go test ./...。

驗收：cat SPEC.md，確認「必須 / 非目標 / 退出碼」三節齊全。

步驟 2：搭專案骨架

你要做的：讓 AI 只搭架子、不寫業務。這一步 Fable 5 幾乎全包。

閱讀 SPEC.md，初始化 Go 模組 github.com/you/pulsecheck。
只建立專案骨架，業務邏輯回傳 stub：
- cmd/pulsecheck/main.go 解析 -config 和 -o
- internal/config 讀 YAML
- internal/checker 空實作
- Makefile：test、lint、build
- .github/workflows/ci.yml 占位
要求 go build ./... 通過，不要寫真實 HTTP 邏輯。

AI 會產出：上文目錄樹裡的 8 個檔案。耗時約 6 分鐘。

驗收：

go build ./...
./pulsecheck -h   # 應顯示用法

步驟 3：寫探測邏輯與測試

你要做的：要求先寫測試、再寫實作。這是整個專案裡最「像在做專案」的一步——AI 會自己跑 go test，失敗了改程式碼，直到綠。

在 internal/checker 中：
1. 先寫 checker_test.go，用 httptest 模擬 200、500、逾時三種情況
2. 再實作 checker.go：HTTP GET、記錄 status_code 和 latency_ms
3. 循環執行 go test ./... 直到全部通過
4. main.go 串接 config → checker → 寫 JSON 到 -o 路徑

AI 會產出：核心探測程式碼。邏輯大致如下（節選）：

func CheckURL(ctx context.Context, client *http.Client, url string) Result {
    start := time.Now()
    req, _ := http.NewRequestWithContext(ctx, http.MethodGet, url, nil)
    resp, err := client.Do(req)
    if err != nil {
        return Result{URL: url, OK: false, LatencyMs: time.Since(start).Milliseconds()}
    }
    defer resp.Body.Close()
    ok := resp.StatusCode >= 200 && resp.StatusCode < 300
    return Result{
        URL: url, StatusCode: resp.StatusCode,
        LatencyMs: time.Since(start).Milliseconds(), OK: ok,
    }
}

實測中 Fable 5 跑了 3 輪 go test：第 2 輪自己修好了「逾時沒傳進 HTTP client」的 bug，人沒改程式碼。

驗收：

go test ./... -v   # 12 條表驅動測試全綠

步驟 4：Review 修補

你要做的：自己當 Code Reviewer，列問題清單讓 AI 改，不要親手改（否則測不出 AI 能不能按回饋迭代）。

按下面 Review 意見修改，改完 go test ./... 必須仍綠：
1. JSON 欄位 latency 改為 latency_ms，與 SPEC 一致
2. 多 URL 用 worker pool，預設最多 10 並發
3. stdout 只輸出 JSON 報告路徑提示；warn 日誌走 stderr

AI 會產出：並發 worker pool、欄位改名、日誌分流。人完成：判斷這三條是否該改——這是 AI 替不了的。

驗收：go test ./... 仍綠；手動跑一兩個 URL 看 JSON 欄位名對不對。

步驟 5：設定檔與 README

你要做的：讓 AI 寫維運能直接 copy 的文件和樣例設定。

產生 config.example.yaml 和 README.md：
- 安裝：go install 或 go build
- 用法範例、退出碼表（0/1/2）
- cron 每 5 分鐘跑一次並追加日誌的範例
- 不要編造不存在的子指令

AI 會產出：

targets:
  - https://api.example.com/health
  - https://status.example.com/ping

驗收：把 example 裡的 URL 換成你能存取的位址，跑通步驟「成品長什麼樣」裡的指令，report.json 欄位齊全。

步驟 6：接 GitHub Actions

你要做的：推送到 GitHub，讓 AI 補全 CI 並在失敗時自修。

完善 .github/workflows/ci.yml：
- go test -race ./...
- golangci-lint run
- 用 go 1.22
如果 lint 失敗，讀日誌並修復後重新提交。

首次 lint 報了 unused import，Fable 5 讀 CI 日誌後自己刪掉。若本機 16GB 記憶體跑 -race 會 Swap，可把 race 放到 GitHub Runner 或 Cloud Mac 節點 上跑——與 Claude Code 執行環境 選型同一思路。

驗收：GitHub 上 CI 全綠。

步驟 7：驗收並打 tag 上線

你要做的：最後一步必須人親手做——smoke test、打 tag。AI 可以寫 CHANGELOG 草案，但上線簽字是你的事。

go test ./...
make build
./pulsecheck -config config.example.yaml -o /tmp/report.json
cat /tmp/report.json | jq .
git add -A && git commit -m "feat: pulsecheck v0.1.0"
git tag -a v0.1.0 -m "first release: YAML-driven HTTP health probe"
git push && git push --tags

到這一步，pulsecheck 就算從需求到上線做完了：一個能裝 cron、能接監控的 CLI 小工具，全程約 52 分鐘。

各步對照：AI 完成了什麼

做完專案後回頭看，七步裡 AI 與人的分工可以這樣記：

可編碼產出大約 78% 由 AI 寫完；需求剪刀、Review 判斷、tag 簽字這三樣，換哪個模型都得人做。

場景怎麼選（決策矩陣）

推薦組合（可疊加）

• 個人開發者 — Fable 5 跑 ②–⑥；Cursor Tab 做發布前微調；Opus 僅對外服務做審查。
• 小團隊 — repo 模板內建七階段 checklist；新工具複製 pulsecheck 流程；Agent 掛在 Claude Code 生產級工作流。
• 省 token — Spec 潤色與 CHANGELOG 可用 Gemini Flash；編碼循環仍用 Fable 5；路由見 OpenRouter 定價結構。

疊加 MCP 時：MCP 拉 Issue / 監控上下文，Fable 5 改 repo；⑦ 發布簽字仍建議人工。

常見誤區

• 誤區 1：沒寫清做什麼專案就開聊 — AI 會泛泛給方案；先定 pulsecheck 這類一句話目標。
• 誤區 2：步驟 2 就讓寫業務邏輯 — 骨架和實作混在一起，後面難測。
• 誤區 3：跳過步驟 4 Review — JSON 欄位名、日誌污染 stdout 等細節會漏進「成品」。
• 誤區 4：不做步驟 7 就打 tag — 沒 smoke test 不算上線。
• 誤區 5：本機 16GB 跑 race + Agent — 變慢是記憶體問題，把 CI 放 Runner / Cloud Mac。

FAQ

pulsecheck 用來解決什麼問題？

解決「一批 URL 現在能不能存取」——不用手寫 shell 迴圈 curl，也不用上重型監控平台。適合個人專案、小團隊或發版前的快速探活。

和 UptimeRobot、Prometheus 有啥區別？

pulsecheck 是自己機器上跑的輕量 CLI，設定在你手裡，無 SaaS 依賴；後者是完整監控方案，功能多、成本高。本文做的是前者——夠用、可自己改程式碼。

能直接 clone repo 嗎？

本文是實測覆盤 + 可複現教學，按七步 Prompt 可在自己目錄產生等價實作，不必追求與文中 diff 逐行一致。

哪一步 AI 做得最多？

步驟 3（測試 + 實作）和步驟 2（骨架）幾乎全由 Fable 5 寫完；步驟 1 和 7 人動手最多。

和 Cursor Tab 補全有什麼不同？

Tab 適合改單檔；做完整專案要 Claude Code 多檔 + 跑測試。見 Copilot vs Cursor 實測。

總結

成品：pulsecheck——讀 YAML 裡的 URL，批次檢查是否在線，輸出 report.json（見上文截圖）。過程：用 Claude Fable 5 按七步從空目錄做到可打 v0.1.0 tag，AI 寫了大部分 Go 程式碼與測試，人負責定範圍、Review 和發布。你若只想評估「AI 能不能做小專案」，先看截圖和輸入輸出表；若想自己做一遍，從步驟 1 的 Prompt 複製即可。