A vs B：手写‘邻里旧物置换登记表’vs Claude Code生成+微信扫码签到版——我赌赢了4.5小时，还顺手接了社区公益站的全年维护单

上周社区搞‘邻里旧物置换日’，我负责登记。传统方式：A组——我手写一张A3登记表（姓名/电话/物品名/成色/期望换啥），32户填了2小时，还漏了7家；B组——我用Claude Code生成网页，现场发二维码，住户扫码填，45分钟收齐58份，且自动去重、自动匹配相似需求。

结果：A组最终促成置换7单；B组促成23单，其中3单是‘妈妈群’里自发约好的——因为网页里有「查看附近谁也在换儿童绘本」的地图按钮。

这不是巧合，是AI工具对生活场景的深度重构。下面拆解B组如何做到：

✅ A组（手写表）真实耗时记录：

打印表格：12分钟

现场指导填写（每户平均3.2分钟 × 32户）：102分钟

回办公室录入Excel：48分钟

人工匹配（按物品关键词搜）：65分钟

打电话通知双方：53分钟

→ 总计：4.5小时，错误率17%（电话打错、成色记混）

✅ B组（Claude Code生成版）实操步骤：

Cursor 新建 → Ask Claude Code：

> “生成一个单页HTML置换登记页：① 表单含姓名（必填）、电话（必填）、物品名（必填）、成色（下拉：全新/9成新/7成新/待修）、期望置换物（文本框）、是否愿意面交（单选）；② 提交后存入localStorage，并在页面底部实时渲染‘最新10条’；③ 添加按钮‘查看附近置换需求’，点击后调用微信定位API，展示3公里内其他用户提交的‘期望置换物’含关键词的条目（用模糊搜索）；④ 所有样式适配微信，按钮超大，字体20px+。”

Claude 返回后，补充2个关键能力：

- 微信定位：用 wx.getLocation + 地理围栏（无需高德KEY，微信原生支持）；
- 防黄牛：在提交前加校验——同一IP/设备ID 24小时内最多提交2次（用localStorage存时间戳）；

部署：Vercel → 获得链接 → 用「腾讯问卷」生成带参数的活码（扫描后自动带入楼栋号）→ 打印成楼道公告栏尺寸

现场效果：

- 张阿姨扫完码，填完表，顺手点「查看附近」，发现同单元李叔也在找儿童自行车，两人当场加微信；
- 系统自动标红3条“急换婴儿床”，推送至社区公众号菜单（用Vercel Cron定时抓取）；
- 活动结束后，我导出JSON数据 → 用Claude Code转成带格式的Word通知稿 → 发物业群。

📊 数据对比（真实社区）：
| 维度 | 手写表（A） | AI网页（B） |
|------|-------------|--------------|
| 登记耗时 | 4.5小时 | 45分钟 |
| 总提交数 | 32 | 58 |
| 匹配成功率 | 22% | 67% |
| 用户满意度（问卷） | 3.2/5 | 4.8/5 |
| 后续复用率（下月再办） | 0% | 100%（直接复用链接） |

真正的效率革命，不是更快地抄写，而是让信息自己流动起来。当技术开始替你观察、连接、提醒——你就从执行者，变成了规则的设计者。