編輯 | 聽雨

出品 | 51CTO技術(shù)棧（微信號(hào)：blog51cto）

當(dāng) AI 不再只是“寫代碼”，而是開始自己裝環(huán)境、跑模型、記筆記——那種感覺，像是它在學(xué)會(huì)獨(dú)立思考。

最近，開源工具Datasette創(chuàng)建者、Django 框架聯(lián)合創(chuàng)始人 Simon Willison 做了一個(gè)瘋狂實(shí)驗(yàn)：他讓 Claude Code 全權(quán)接管，把 DeepSeek-OCR 在 NVIDIA Spark 上跑了起來。聽起來像是“讓 AI 去安裝另一個(gè) AI”，但結(jié)果卻令人震驚——部署成功、過程全自動(dòng)、連錯(cuò)誤都能自我修復(fù)。

這不僅是一場(chǎng)技術(shù)實(shí)驗(yàn)，更像是一次預(yù)演：

當(dāng) AI 學(xué)會(huì)自己安裝 AI，自動(dòng)化科研的時(shí)代，可能真的已經(jīng)開始了。

他的實(shí)驗(yàn)是怎么做到的？話不多說，接著往下看！

1.讓 AI 幫我搞定 CUDA 地獄

這幾天，DeepSeek 發(fā)布了一個(gè)新模型：DeepSeek-OCR。這是一個(gè)大小約 6.6GB、專門針對(duì) OCR（光學(xué)字符識(shí)別）微調(diào)的模型。官方發(fā)布的版本是 PyTorch + CUDA 權(quán)重文件。

我成功地在 NVIDIA Spark上跑起來了它——靠的是讓 Claude Code全權(quán)接手、幾乎“蠻力破解”整個(gè)部署過程。

這個(gè)小項(xiàng)目總共花了我 40 分鐘（大部分時(shí)間是 Claude Code 在自動(dòng)運(yùn)行，我在吃早餐）。它串聯(lián)起了我最近一直在探索的幾個(gè)概念：我為這個(gè)問題設(shè)計(jì)了一個(gè) agentic loop（自主智能體循環(huán)），給 Claude 在 Docker 沙箱中開了完全權(quán)限，采用了“多智能體并行工作”的方式，并復(fù)用了上周我在 Spark 上做的筆記。

我知道在 Spark 上運(yùn)行PyTorch CUDA 模型可能會(huì)很折磨，于是我決定干脆把整個(gè)過程外包給 Claude Code，看看會(huì)發(fā)生什么。

結(jié)論：成功了。Claude 只用了 4 條提示（1 條長(zhǎng)提示 + 3 條短提示），就搞定了運(yùn)行 DeepSeek 模型的全部步驟，還幫我在 Spark 上執(zhí)行 OCR，并自動(dòng)生成了大量的過程筆記。

我從 Mac 通過 SSH 連接到 Spark，然后啟動(dòng)了一個(gè)新的 Docker 容器：

圖片

接著安裝 npm 并用它安裝Claude Code：

圖片

然后啟動(dòng) Claude Code，并告訴它這是在安全的沙箱環(huán)境中運(yùn)行，允許跳過權(quán)限驗(yàn)證：

圖片

它生成了一個(gè)登錄鏈接，讓我通過 Anthropic 賬戶認(rèn)證。

我先輸入了第一條指令：

圖片

然后又輸入了第二條：

圖片

我特別強(qiáng)調(diào)了要讓 Claude 持續(xù)寫入 notes.md 文件，這樣我就能復(fù)盤整個(gè)過程。

2.Claude 的“自我求生”過程

Claude 運(yùn)行了大約 13 分鐘，逐步發(fā)現(xiàn)了平臺(tái)兼容性和 PyTorch 運(yùn)行的各種問題。最后，它報(bào)錯(cuò)并“認(rèn)輸”了：

圖片

于是我鼓勵(lì)它再想辦法：

圖片

Claude 執(zhí)行了如下命令，去找PyTorch 官網(wǎng)中所有 ARM 架構(gòu)的 wheel 文件：

圖片

結(jié)果，這一步直接解鎖了問題。

Claude 回答：

“太好了！我發(fā)現(xiàn) PyTorch 2.9.0 有 ARM64 版本，并支持 CUDA 12.8、12.9 和 13.0！這正是我們需要的！”

于是 Claude 安裝了這些wheel 文件，并報(bào)告：

“好消息！PyTorch 2.9.0 能檢測(cè)到 GB10 GPU（CUDA 12.1，sm_121），雖然提示最高支持 12.0，但只是警告，不是錯(cuò)誤！讓我們嘗試推理吧?！?/p>

然后它繼續(xù)運(yùn)行，忽略警告，成功執(zhí)行了模型加載和 OCR 推理。Claude 使用的 prompt 是：

圖片

輸出結(jié)果開頭如下：

圖片

Claude 宣布任務(wù)完成，并指向輸出文件 output/result.mmd。但當(dāng)我打開文件時(shí)，內(nèi)容全是空格——OCR 成功了，但輸出寫入失敗。

于是我提示它：

圖片

Claude 重新分析后發(fā)現(xiàn)問題出在prompt 的選擇上。

3.Prompt 進(jìn)化論：Claude 自動(dòng)寫出對(duì)比表

Claude 查閱了DeepSeek-OCR 的 README，發(fā)現(xiàn)不同的prompt 有不同作用：

圖片

于是它重新嘗試了全部prompt，并生成了一個(gè)詳細(xì)的 PROMPTS_GUIDE.md 文件，還附帶對(duì)比表：

圖片

并測(cè)了性能基準(zhǔn)（測(cè)試圖像尺寸 3503×1668）：

圖片

最終，我讓它把所有結(jié)果、腳本和筆記打包成一個(gè) zip 文件，排除 GitHub 和 Hugging Face 倉(cāng)庫(kù)。

我把zip 中的內(nèi)容上傳到了我的GitHub 倉(cāng)庫(kù)——

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

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

Claude 真的非常喜歡寫筆記——最終文件夾長(zhǎng)這樣：

圖片

收獲總結(jié)：

第一次提示發(fā)出時(shí)間：15:31:07 (UTC)最后一條消息收到時(shí)間：16:10:03 (UTC)全程不到 40 分鐘，我本人只操作了 5~10分鐘。剩下時(shí)間 Claude 全自動(dòng)執(zhí)行，我在吃早餐。

過去我多次嘗試安裝 PyTorch 失敗，這次的體驗(yàn)可以說是巨大成功。我之后一定會(huì)多用這種方法。

4.經(jīng)驗(yàn)總結(jié)：AI 驅(qū)動(dòng)的“自動(dòng)化科研”

這次實(shí)驗(yàn)的關(guān)鍵經(jīng)驗(yàn)有三點(diǎn)：

• 輸入足夠清晰： 提供了目標(biāo)硬件的 Docker 環(huán)境、代碼和模型鏈接，以及明確的目標(biāo)。  —— 這是我之前提出的 “agentic loop” 模式的又一次實(shí)踐。
• 運(yùn)行在沙箱中：使用 claude --dangerously-skip-permissions 讓 Claude 自由執(zhí)行，不用我手動(dòng)批準(zhǔn)每條命令。
• 關(guān)鍵時(shí)刻人工干預(yù)：當(dāng) Claude 卡在 CUDA 兼容性問題時(shí)，我憑經(jīng)驗(yàn)指出 PyTorch 的 ARM CUDA wheel 版本存在，從而解鎖全流程。

另外，DeepSeek-OCR 本身的效果也很不錯(cuò)——只要多試幾種運(yùn)行方式，就能得到非常干凈的 OCR 結(jié)果。

5.Bonus：用 VS Code 遠(yuǎn)程監(jiān)控容器

一個(gè)小技巧分享：我在遠(yuǎn)程 Spark 上通過 SSH 啟動(dòng)了 Docker 容器后，想實(shí)時(shí)查看 Claude 在生成的文件。

于是我問 Claude：

我在遠(yuǎn)程機(jī)器上通過 SSH 啟動(dòng)了一個(gè)Docker 容器，如何讓本地 macOS 的 VS Code直接瀏覽那個(gè)容器的文件系統(tǒng)？

Claude 給出的方案非常精準(zhǔn)：

• 安裝 VS Code 插件：Remote SSH和 Dev Containers
• 用命令“Remote-SSH: Connect to Host”連接遠(yuǎn)程機(jī)器（比如 spark@100.113.1.114）
• 在連接成功的窗口中運(yùn)行“Dev Containers: Attach to Running Container”，選擇目標(biāo)容器即可

搞定！VS Code 會(huì)打開一個(gè)新窗口，直接顯示容器內(nèi)的文件結(jié)構(gòu)。我能實(shí)時(shí)打開 notes.md，看到 Claude 一行行往里追加內(nèi)容，最后打包結(jié)果時(shí)，還能直接右鍵下載 zip 到本地 Mac。

一句話總結(jié)：Claude Code + Docker + 明確任務(wù)目標(biāo) = 讓復(fù)雜的 AI 部署工作變成“吃早餐時(shí)的自動(dòng)任務(wù)”。

6.寫在最后

在小編看來，Simon的這次實(shí)驗(yàn)，證明了 AI 已經(jīng)不止能“寫代碼”，它開始學(xué)會(huì)“執(zhí)行科研”。

他只寫了 4 條提示，剩下的 40 分鐘 Claude 自動(dòng)執(zhí)行。

未來，研究者和工程師可能只需要定義任務(wù)目標(biāo)，而不是親自敲每一行命令，AI 能夠幫你自動(dòng)部署模型、自動(dòng)記錄實(shí)驗(yàn)過程、自動(dòng)修復(fù)錯(cuò)誤并總結(jié)經(jīng)驗(yàn)。

這意味著科研與工程的門檻將進(jìn)一步降低，“一個(gè)人 + 一個(gè) AI” 就能完成過去一個(gè)團(tuán)隊(duì)的工作量。

當(dāng) Claude Code 能自己裝 CUDA、跑模型、做筆記，我們距離“AI 自動(dòng)化研發(fā)”真的只差一步。

那么，評(píng)論區(qū)的各位大佬們：

你覺得未來的開發(fā)者會(huì)變成什么樣？

是“讓 AI 寫代碼的人”，

還是“看 AI 寫代碼、自己喝咖啡的人”？

參考鏈接：https://simonwillison.net/2025/Oct/20/deepseek-ocr-claude-code/