独立开源大佬的疯狂实验：Claude Code蛮力出奇迹！40 分钟跑通 DeepSeek-OCR，我一行代码都没写 原创

编辑 | 听雨

出品 | 51CTO技术栈（微信号：blog51cto）

当 AI 不再只是“写代码”，而是开始自己装环境、跑模型、记笔记——那种感觉，像是它在学会独立思考。

最近，开源工具Datasette创建者、Django 框架联合创始人 Simon Willison 做了一个疯狂实验：他让 Claude Code 全权接管，把 DeepSeek-OCR 在 NVIDIA Spark 上跑了起来。听起来像是“让 AI 去安装另一个 AI”，但结果却令人震惊——部署成功、过程全自动、连错误都能自我修复。

这不仅是一场技术实验，更像是一次预演：

当 AI 学会自己安装 AI，自动化科研的时代，可能真的已经开始了。

他的实验是怎么做到的？话不多说，接着往下看！

1.让 AI 帮我搞定 CUDA 地狱

这几天，DeepSeek 发布了一个新模型：DeepSeek-OCR。这是一个大小约 6.6GB、专门针对 OCR（光学字符识别）微调的模型。官方发布的版本是 PyTorch + CUDA 权重文件。

我成功地在 NVIDIA Spark上跑起来了它——靠的是让 Claude Code全权接手、几乎“蛮力破解”整个部署过程。

这个小项目总共花了我 40 分钟（大部分时间是 Claude Code 在自动运行，我在吃早餐）。它串联起了我最近一直在探索的几个概念：我为这个问题设计了一个 agentic loop（自主智能体循环），给 Claude 在 Docker 沙箱中开了完全权限，采用了“多智能体并行工作”的方式，并复用了上周我在 Spark 上做的笔记。

我知道在 Spark 上运行PyTorch CUDA 模型可能会很折磨，于是我决定干脆把整个过程外包给 Claude Code，看看会发生什么。

结论：成功了。Claude 只用了 4 条提示（1 条长提示 + 3 条短提示），就搞定了运行 DeepSeek 模型的全部步骤，还帮我在 Spark 上执行 OCR，并自动生成了大量的过程笔记。

我从 Mac 通过 SSH 连接到 Spark，然后启动了一个新的 Docker 容器：

图片

接着安装 npm 并用它安装Claude Code：

图片

然后启动 Claude Code，并告诉它这是在安全的沙箱环境中运行，允许跳过权限验证：

图片

它生成了一个登录链接，让我通过 Anthropic 账户认证。

我先输入了第一条指令：

图片

然后又输入了第二条：

图片

我特别强调了要让 Claude 持续写入 notes.md 文件，这样我就能复盘整个过程。

2.Claude 的“自我求生”过程

Claude 运行了大约 13 分钟，逐步发现了平台兼容性和 PyTorch 运行的各种问题。最后，它报错并“认输”了：

图片

于是我鼓励它再想办法：

图片

Claude 执行了如下命令，去找PyTorch 官网中所有 ARM 架构的 wheel 文件：

图片

结果，这一步直接解锁了问题。

Claude 回答：

“太好了！我发现 PyTorch 2.9.0 有 ARM64 版本，并支持 CUDA 12.8、12.9 和 13.0！这正是我们需要的！”

于是 Claude 安装了这些wheel 文件，并报告：

“好消息！PyTorch 2.9.0 能检测到 GB10 GPU（CUDA 12.1，sm_121），虽然提示最高支持 12.0，但只是警告，不是错误！让我们尝试推理吧。”

然后它继续运行，忽略警告，成功执行了模型加载和 OCR 推理。Claude 使用的 prompt 是：

图片

输出结果开头如下：

图片

Claude 宣布任务完成，并指向输出文件 output/result.mmd。但当我打开文件时，内容全是空格——OCR 成功了，但输出写入失败。

于是我提示它：

图片

Claude 重新分析后发现问题出在prompt 的选择上。

3.Prompt 进化论：Claude 自动写出对比表

Claude 查阅了DeepSeek-OCR 的 README，发现不同的prompt 有不同作用：

图片

于是它重新尝试了全部prompt，并生成了一个详细的 PROMPTS_GUIDE.md 文件，还附带对比表：

图片

并测了性能基准（测试图像尺寸 3503×1668）：

图片

最终，我让它把所有结果、脚本和笔记打包成一个 zip 文件，排除 GitHub 和 Hugging Face 仓库。

我把zip 中的内容上传到了我的GitHub 仓库——

simonw/research 的 deepseek-ocr-nvidia-spark文件夹。

Github链接：https://github.com/simonw/research/tree/main/deepseek-ocr-nvidia-spark

Claude 真的非常喜欢写笔记——最终文件夹长这样：

图片

收获总结：

第一次提示发出时间：15:31:07 (UTC)最后一条消息收到时间：16:10:03 (UTC)全程不到 40 分钟，我本人只操作了 5~10分钟。剩下时间 Claude 全自动执行，我在吃早餐。

过去我多次尝试安装 PyTorch 失败，这次的体验可以说是巨大成功。我之后一定会多用这种方法。

4.经验总结：AI 驱动的“自动化科研”

这次实验的关键经验有三点：

• 输入足够清晰： 提供了目标硬件的 Docker 环境、代码和模型链接，以及明确的目标。  —— 这是我之前提出的 “agentic loop” 模式的又一次实践。
• 运行在沙箱中：使用 claude --dangerously-skip-permissions 让 Claude 自由执行，不用我手动批准每条命令。
• 关键时刻人工干预：当 Claude 卡在 CUDA 兼容性问题时，我凭经验指出 PyTorch 的 ARM CUDA wheel 版本存在，从而解锁全流程。

另外，DeepSeek-OCR 本身的效果也很不错——只要多试几种运行方式，就能得到非常干净的 OCR 结果。

5.Bonus：用 VS Code 远程监控容器

一个小技巧分享：我在远程 Spark 上通过 SSH 启动了 Docker 容器后，想实时查看 Claude 在生成的文件。

于是我问 Claude：

我在远程机器上通过 SSH 启动了一个Docker 容器，如何让本地 macOS 的 VS Code直接浏览那个容器的文件系统？

Claude 给出的方案非常精准：

• 安装 VS Code 插件：Remote SSH​和 Dev Containers
• 用命令“Remote-SSH: Connect to Host”​连接远程机器（比如 spark@100.113.1.114）
• 在连接成功的窗口中运行“Dev Containers: Attach to Running Container”，选择目标容器即可

搞定！VS Code 会打开一个新窗口，直接显示容器内的文件结构。我能实时打开 notes.md，看到 Claude 一行行往里追加内容，最后打包结果时，还能直接右键下载 zip 到本地 Mac。

一句话总结：Claude Code + Docker + 明确任务目标 = 让复杂的 AI 部署工作变成“吃早餐时的自动任务”。

6.写在最后

在小编看来，Simon的这次实验，证明了 AI 已经不止能“写代码”，它开始学会“执行科研”。

他只写了 4 条提示，剩下的 40 分钟 Claude 自动执行。

未来，研究者和工程师可能只需要定义任务目标，而不是亲自敲每一行命令，AI 能够帮你自动部署模型、自动记录实验过程、自动修复错误并总结经验。

这意味着科研与工程的门槛将进一步降低，“一个人 + 一个 AI” 就能完成过去一个团队的工作量。

当 Claude Code 能自己装 CUDA、跑模型、做笔记，我们距离“AI 自动化研发”真的只差一步。

那么，评论区的各位大佬们：

你觉得未来的开发者会变成什么样？

是“让 AI 写代码的人”，

还是“看 AI 写代码、自己喝咖啡的人”？

参考链接：https://simonwillison.net/2025/Oct/20/deepseek-ocr-claude-code/

本文转载自​​51CTO技术栈​​，作者：听雨