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？