家人们，先来开个脑洞：
一款功能贼复杂、UI 巨精美的 macOS 应用，从一个空文件夹到上架 App Store，只花了一周。
这个项目总代码量超过 2 万行，95% 是 AI 写的。
这是不是听起来像某书上哪个人编的爽文？
但这确实是来自一位资深 Mac 开发者的亲身经历，刷新了我们对 AI 编程能力的上限。
这位开发者名叫 Indragie Karunaratne，从 2008 年开始就开始搞 Mac 软件开发。
最近，他用 AI 编程工具 Claude Code，从零撸了个叫“Context”的 App，并且都上架了。最后统计发现，他自己手写的代码，竟然不到 1000 行，95% 的开发工作，都是 Claude Code 完成的。
“整个过程几乎没怎么写代码，反而像是在给一个特别聪明的远程实习生发指令。”
听起来挺暴力的，Indragie 把整个过程写成了博客，直接在开发者圈子里炸了锅。
这已经不是单纯的“炫技”，而是他摸索出了一套“人机协作”的教科书式开发教程，教大家如何把“代码工具”调教成一个能扛起整个项目的“主力”，人全程只需要负责动嘴和审查。
下面一起看看他完整的开发历程，包括如何选择工具，这些工具的优缺点，以及最重要的，你该如何利用它们，最大限度地提升代码产出质量，特别是当你也想构建一款原生应用时。
AI 编程，究竟能做到什么地步？
这个“Context”的 App，是一款用于调试 MCP 服务器的原生 macOS 应用，基于苹果的 SwiftUI 框架。
作者 Indragie 察觉到目前构建和测试 MCP 服务器的体验相当繁琐，所以想要尝试构建一个原生应用来解决这个问题，“Context”便诞生了。
Indragie 摸索出的这套工作流，核心思想就是是：人类负责思考和决策，AI 负责执行和试错。
Indragie 只下达指令，不纠结代码细节；Claude 会根据指令，迅速生成一整块、甚至一整个文件的代码。Indragie 拿到代码后，几乎不审查逻辑。他只做一件事——全选、复制、粘贴到 Xcode 里，然后“编译”。Indragie 再把所有错误日志，原封不动地再“甩”回给 Claude。Claude 立刻理解错误道歉，然后提供修复后的新版本代码。
“下指令 -> AI 编码 -> 运行 -> 甩回错误 -> AI 修复”的循环，是整个项目的推进主轴。
Indragie 也给出了最直接的评价：
搭载了最新 Sonnet 4 和 Opus 4 模型的 Claude Code，代码能力极为出色。虽不及“顶尖 1%”的人类程序员，但其输出质量已“明显高于普通开发者”。
面对一个功能需求，Claude 能做到的事情，几乎覆盖了开发的完整闭环：
阅读理解： 自主定位并阅读项目源码，理解相关上下文和代码风格。 学习消化： “喂”给它外部文档或 API 规范，它能自己啃下来。 代码生成： 根据需求实现功能，生成配套的测试用例。 构建测试： 自主编译程序、运行测试。 自主修复： 遇到编译错误或测试失败能像人一样反复迭代、尝试修复，直到通过。 视觉调试： 通过分析截图或控制台日志，来定位并修复 Bug。
AI 最强大的地方在于能自主迭代，人类最大的功能是给 AI 建立反馈闭环。
最让 Indragie 感到不可思议的是，完成这一切所花的时间，仅仅是人类开发者的一小部分：
“这就像让一个对项目零背景的新员工，在短短几分钟内，就完整交付一个功能。”
一句“Make it more beautiful” 就能让 UI 升级
作者选择了最新的技术栈：Swift 6.1 和 SwiftUI。想看看在训练数据远少于 Python 或 JavaScript 的情况下，Claude 写 Swift 代码的表现如何。
好消息是，Claude 能胜任 Swift 5.5 之前的大部分语言特性。
但对于之后引入的 Swift Concurrency（并发），它就有点抓瞎，比如会固执地用老 API，或者第一次写的 UI 丑得不忍直视。
但好消息是，它的学习和纠错能力极强。你只需提点几句，经过几次迭代，它就能写出设计精良的现代化代码。
更惊人的是，它甚至在遇到 Swift 编译器那个著名的“类型检查超时”错误后：
The compiler is unable to type-check this expression in reasonable time
能够自主将复杂代码重构成了更小的部分，在不破坏原有逻辑的前提下，完美解决问题。
提升产出的核心：上下文工程
此外，Indragie 发现，AI 越聪明，瓶颈就越不是“怎么问”，而是“它能记住多少”。“上下文窗口”是有限的，高效利用这有限的“记忆”，才是关键。
他总结了三个核心技巧：
别直接派活！
在让 AI 开始工作前，先让它“预热”——阅读额外的上下文，以提高输出质量。比如，先抛给它这样的指令：
“阅读
文件A.swift,文件B.swift和这篇网页上的文档，然后总结你学到了什么。”
它会先去阅读和学习，这个“总结”的动作能强迫它思考，并将关键信息保留在上下文中，对后续任务的质量有极大提升。
Claude 还会贴心地显示剩余上下文容量的提示条，当 token 耗尽时系统会启动"对话压缩"机制。
Claude 有时会跳过充分思考，直接“莽”上去写代码，结果自然不理想。
Indragie 发现，Claude 有一个“隐藏技能”，你可以通过一些关键词让它进行更深度的思考。这些关键词是：think < think hard < think harder < ultrathink。
ultrathink 会消耗最多的 Token，但能产出最好的结果。在指令中加入这个词，它会先制定一个周密的计划，而不是直接动手写代码，这能有效避免走弯路。
“一句话造应用”的梦还没照进现实。想让 AI 构建真正可用的复杂功能，前提是你能给一份清晰的需求文档。
“花点时间把想法写清楚，绝对比后面花大把时间调试它写的烂代码要划算得多。”
垃圾进，垃圾出，这铁律在 AI 时代依然有效。
建立反馈循环
如果说以上三点是与 AI 相处的技巧，那下面这点，则是 Claude 最让 Indragie 震撼的“执行”能力。
它能够独立驱动一个“构建 -> 测试 -> 修复”的反馈循环。
这意味着，AI 可以自主地完成一个迭代周期：
全自动能力：
构建 (Build): Claude 能直接运行 swift build 来编译 Swift 包。对于复杂的 macOS 应用，开发者需要预先配置好 xcodebuild 等工具，AI 可以调用这些工具。 测试 (Test): 同样，它可以自主执行 swift test 来运行单元测试。
半自动化能力：
收集、修复 Bug: AI 知道通过日志进行调试，但它无法自行操作应用界面来复现一个特定的 Bug。因此，开发者需要手动操作应用，并将相关的控制台日志或错误信息粘贴给 AI，AI 才能进行分析和修复。 修复 UI 问题（迭代）: 对于 UI 的调整，也需要开发者先将应用运行到需要修改的界面，然后提供截图给 Claude。开发者通过在截图上标记或用文字描述，来指导 AI 进行界面元素的调整和优化。
让杂活变得“免费”
除了核心编码，AI 在干那些“吃力不讨好”的杂活上，同样表现惊人。
秒级生成模拟数据：手动创建高质量的模拟数据（Mock Data）足以扼杀许多 UI 探索的灵感。而 Claude 能在几秒内生成以假乱真的数据，让他能快速迭代 UI 原型。
“免费”的自动化发布流：对独立开发者来说，最痛苦的莫过于打包发布。代码签名、软件公证、生成更新日志、上传版本…一套流程下来，身心俱疲。过去 Indragie 只能勉强拼凑一个简陋脚本，而这次，他通过与 Claude 迭代，生成了一个近 2000 行的 Python 发布脚本。
这个脚本功能全面、界面美观，能自动完成从生成更新日志到打包签名、发布到 GitHub、上传调试符号等所有繁琐工作。这个过去需要花费数小时甚至数天的任务，现在成了“一次点击，喝杯咖啡”的享受 ～
结语
Indragie 算了一笔账：AI 带来了“每天凭空多出 5 个小时”的感觉，让他重新找回了将项目打磨并成功发布的掌控感和乐趣。
获得这种开发“超能力”的代价呢？仅仅是每月 200 美元。。。
Indragie 的实践并非个例。
最近，Reddit 上一个热帖《开发工作即将迎来彻底变革，而没有人做好准备》也引发了热议。发帖者激动地宣称，AI 让他一周内完成了拖延十年的项目。
当然，评论区的反响并非一边倒的赞歌。许多开发者在肯定 AI 潜力的同时，也一针见血地指出：
“AI 生成的代码依然存在大量冗余，上下文管理仍是巨大挑战，离真正高质量、可维护的大规模生产应用，还有很长的路要走。”
这让网友们联想起了传奇程序员肯特·贝克（Kent Beck）的观点。
“你 90% 的编码技巧正在迅速贬值，但你 10% 的架构远见、设计品味和复杂性管理能力，正被放大 1000 倍。”
这一点，奶茶我是非常认同的！
人类程序员的价值正在从“如何写”，转移到“写什么”和“为何写”。
所以，朋友们，真正的问题已经不是“AI 会替代我吗？”，也不是“我该去学哪门新语言？”。
而是：
你那 10% 不可替代的价值，究竟是什么？
以及，你准备好如何用 AI，将它放大 1000 倍了吗？
