用 AI 写 iOS 代码写得越多，越会发现一个尴尬的现实：AI 的瓶颈不是写代码，而是 Xcode 的构建环境。
BeanLedger 的日常开发中，我经常同时开好几个 AI Agent 干活——一个在加新 feature，一个在修 bug，一个在跑测试。但 Xcode 的构建系统压根没为这种场景设计过。两个 Agent 同时 build，DerivedData 互相踩踏，模块缓存莫名损坏，SwiftPM 的 Package.resolved 被对方覆盖，模拟器被另一个任务抢走……结果就是一堆「在我这能跑啊」的灵异 bug，折腾半天发现根本不是代码的问题，是构建环境被污染了。
为了解决这个问题，我写了一个工具：VibeChard（简称 vch）。
BeanLedger 目前支持 17 种语言。半年前如果有人跟我说，一个独立开发者能把一个 App 做到 17 种语言上架全球市场——每种语言都有本地化的营销截图、App Store 文案和应用内翻译——我大概率会觉得他在吹牛。
但事实就是，我做到了。靠的是 AI。
最近两周，我一直在跟 AI 高强度「结对编程」，从早到晚，几乎把市面上所有顶尖的编程大模型都用了个遍。
先说结论：我大概率以后不会再手写任何一行代码了。
我知道这个结论听起来有点夸张，但请容我慢慢展开。
去年我就尝试过一些 AI 编程工具。坦率地说，感觉噱头大于实质。功能确实能跑起来，但代码质量和风格让我不敢苟同——倒不是说实现不了需求，而是那种「能用但你不敢长期维护」的代码。变量命名缺乏语义，架构设计随心所欲，一旦想到未来还需要自己亲手维护和迭代这些代码，效率其实不升反降。去年我的判断是：再等等，还不够成熟。
这两周高强度使用下来，我不得不承认一个让程序员自尊心有点受伤的事实：现在顶尖 AI 的编程能力和水平，已经在我之上了。不是「差不多」，不是「某些场景下还不错」，而是在代码质量、架构设计、技术选型等几乎每一个环节上的全面超越。偶尔 review 她写出来的代码，甚至会让我自惭形秽——「这个解法我怎么没想到？」
从效率上看就更夸张了。在代码质量差不多的前提下，AI 一天的产出效率基本等于我纯手写两周到一个月的效率。注意，这还是在我反复 review 她的产出、反复要求迭代优化、不断尝试不同分支方案的情况下。如果完全放手不管，速度还能翻几倍——当然代价是代码可能偏离我的预期。
最近写代码的过程中我发现，跟 AI 对话是一件极其容易让人「上瘾」的事。
这种上瘾并非来自廉价的多巴胺，而是一种高强度的脑力共振。尤其在你比较熟悉的专业领域 —— 比如某个复杂的代码任务 —— 你很清楚哪些地方可以做得更多、更好，于是你开始不断对 AI 提问，不断 push AI 的边界。
现在的 AI 能力，往往能给出令你眼前一亮的、甚至比你预想中更全面完整的解决方案。在软件开发领域，AI 的任务执行和落地能力，绝对已经在平均水平以上了。只要你有问题，尽管问，它基本都能接住。
在这种背景下，职业的分水岭变了：Know-How 正在变得不重要，而 Know-What 和 Know-Why 的价值正被无限放大。
继续拿开发代码举例。过去，相对于「Ctrl-C + Ctrl-V 工程师」，我们推崇「古法编程」的「手艺人」和「代码洁癖」，但在 AI 时代，你只需要了解代码里哪些地方、哪些功能存在改进空间，并能正确地发问，你能比「古法编程」的「手艺人」做得更好。这就是现在被神话化的「提示词工程（Prompt Engineering）」，但我认为它本质上还是程序员底层能力的体现 —— 如果你连好代码长什么样都没见过，你根本写不出像样的 Prompt。
在 2024 年甚至 2025 年初，大多数人对 AI 的认知还停留在「会聊天的搜索引擎」或「画得不太对劲的绘图工具」。彼时，自媒体热衷于用各种提示词测试 AI 的下限，以此作为社交筹码，而真正的产业界则抱着审慎的观望态度。当然，技术 Geek 和程序员们应该还是比较早地意识到了 AI 的潜力，并开始 Vibe Coding 来提高个人的工作效率，但大多数人应该还是持观望态度。
我之前也觉得 AI 能力固然很强，但市面上大多数的 AI 产品还只是噱头，并不能完整、高效地真正解决实际问题，更是没见到任何 AI 完全独立开发的优质产品上线。大部分自媒体都还抱着发社交媒体的目的是试用 AI，然后发几张 AI 生成的图片或视频、起一个耸人听闻的标题来吸引流量。
但时间来到 2026 年，随着 OpenClaw 的火爆，空气里的味道变了，似乎一切都不一样了。也是偶然听到「枫言枫语」的这期播客（《Vol. 161 从开发自己的🦞OpenClaw聊起》）受到启发，我对 AI 产生了一些与之前不同的思考。