背景
先介绍一下背景。我的主业是后端程序员，在此之前我是专职前端程序员，在 2023 年 7 月份，我开始用 React Native 写一个 side project, 那时候 AI 的能力还比较弱，所以那个 app 绝大多数代码都是我自己写的，这是我个人的背景。今年下半年，我试用了公司内部和外部的代码生成工具，这时候的 AI 已经不仅仅是更强大的补全功能了，而是更像是一个 agent 了，我很兴奋，玩了一整天。上周五，我突发奇想，有了一个 idea ，于是我就想尝试一下尽可能地用 AI 去实现这个小项目，试试到底能做到什么程度。
介绍一下这个项目
这个 App 是一个 iOS App ，Life Progress, 很简单，用户输入预期年龄和生日，然后生成一个图表来展示用户的生命进程，最重要的是，支持 widget 。
技术栈是 swiftUI ，虽然我对 swift 一无所知，但是 AI 会。
除了这个 App 本身，我还制作了 App 的 icon 和落地页。这两个也是 AI 生成的。
时间上整个项目我花了三天时间，不过中间要工作、带娃、看剧、玩游戏，所以当然不是 72 小时，按小时计的话，我只能给一个估计，可能是十几个小时左右。
App:
https://apps.apple.com/us/app/life-progress-with-widget/id6740145361
落地页：
https://lifeprogress.vercel.app/
Logo:
https://i.imgur.com/hcgEiNh.png
我用到的 AI 工具：
Windsurf
ChatGPT-4o
Claude 3.5 Sonnet
Gemini 2.0 Flash
V0
开发
我是直接在 windsurf 上起项目，刚开始非常顺利，代码很快生成，文件结构也还 OK ，但是 iOS 项目的 .xcodeproj 工程文件没有生成，所以我需要手动在 xcode 中创建，这是一个小卡顿，但是不太影响。然后我就开始优化项目，提出新的需求和代码结构的优化，包括代码结构的优化、year/month 视图的创建、新增 tab 路由、新增 settings 页面。这一切都很顺利，几次迭代后，项目已经颇具雏形。当然这期间我也不断修改需求，好在这只是一个 AI ，不是真正的程序员，否则面对一天内改四五次需求的 PM 肯定早就暴走了。
不过这期间也有磕磕绊绊，主要是对需求的理解上，不过这怪我，没有表述清楚，AI 毕竟无法共情。
然后，我让 AI 开始实现 widget 部分，这部分出现了很多问题。主要是 1. 代码复用, 2. 新的 target 和项目配置
- widget 和主 app 需要代码复用这部分问题倒还好，但是由于代码复用，所以很多改动需要联动修改，AI 经常出现改了 A 处忘记改 B 处的情况，需要在 prompt 中主动 @ 。
- 新的 target 带来了新的项目配置问题，比如 iCloud 在两个 target 直接同步需要的配置、两个 target 需要配置 group ，以及复用的代码的配置等等，其实我目前仍然搞不明白这些配置到底要怎么做。但是 AI 更不明白，ChatGPT 和 Claude 都给不出来合理的解决方案，遇到错误给出的排查思路也没有什么帮助。但是 Gemini 2.0 Flash 给我很大的惊喜，能够给出一步一步的详细的指导，包括点击 xcode 的哪个菜单、修改具体哪一个配置项等等。所以到了后期我对几个 AI 的分工就变成了编码部分让 IDE 里的 Claude/ChatGPT 来做，debug 部分/配置问题部分让 Gemini 来做。
最后快要上线的时候，发现需要一个 logo 和落地页，于是我用 AI 来做这两部分。logo 部分我优先想到是一些 AI 生成 logo 的工具，但是发现生成效果都很烂，基本上跟我几年前用的套模版的那些 logo 工具差不多，还要收费。于是我又尝试用 ChatGPT 直接出图，但是 ChatGPT 的效果我不太满意，而且生成的图不能直接用，不是纯粹的 logo 尺寸和格式。于是我又转而用 Gemini 生成，但是我用的那个套壳工具 Gemini 貌似不能直接出图，我只好让 Gemini 给我生成 svg 代码，最终几次调教后，生成了一个我觉得超出平均分的 logo 。
落地页部分我直接用了 V0 ，效果很惊艳，但是不知道是网络问题还是什么，后续的修改失败了，用完了我的免费额度，于是我只好用 Gemini 生成了最后一个 page ，手动改了一部分代码。
感受
如我标题所说，整个过程里充满了惊喜、失望，整体而言，我的感觉就是“未来已来”。
整体而言，这个项目大约 90%+ 的代码是 AI 完成的，编码部分可能只占用了整个项目的 10% 的时间，但是在项目的构建、配置、debug 部分，可能花了我大概 90% 的时间，但是 AI 能给到的帮助可能只有 50%，主要原因是我对 iOS 开发所知甚少，但是 AI 可能预设了我应该有一些背景知识了，所以能给到的帮助不大。关于这一点在很多其他文章也都提到，就是 AI 编程的 “The 70% problem”，相信未来模型和工程都会更好地解决这个问题。
但是 AI 面对复杂项目仍然有很大的问题，这个项目已经很简单了，但是 AI 仍然会偷懒，会忘记项目的 context ，代码之间的关联关系等等，导致出现很多问题，所以在公司里的生产项目里，我仍然不太敢过于相信 AI 。
正确合理的 prompt 可以极大地提高 AI 的效率，比如说有时 AI 会丢失上下文，所以保证在 prompt 时提及正确的文件、目的很重要。清晰的思路、指令、方案拆解等有有助于提高 Ai 的效率。
未来
LLM 才出现两年，就已经有如此大的影响，所以我觉得未来，软件工程一定会有巨大的变化，目前所有的 copilot 、IDE 、agent 都只不过是这个变化过程中的探索产物。过去我们所有的软件工程原则，都是面向人的，我们需要追求代码可读性、需要代码易于理解，服务划分、代码仓库、文件结构等等，都是以人的可读性为目的的，我们的 IDE 、仓库、构建工具、CI/CD 也都是面向开发者设计的，那么未来，这些软件工程的基础设施，是否会在设计时就考虑到 AI 的接入？我相信一定会的。
LLM AI 会替代程序员么？我觉得不会，LLM 目前的能力仍然不足以应对复杂项目，我觉得未来也不能，但是 LLM 会大幅提高程序员的效率，这一点是毋庸置疑的，但是 LLM 也会制造更多的工作岗位，我们要做的就是 be water ，学习这个新的工具，适应这个新的时代。
| 
