95%代码由AI完成？一位苹果开发者用Claude重塑软件开发流程

TL;DR：

一位资深苹果开发者仅凭AI助手Claude Code完成了其最新macOS应用95%的代码工作，成功将“烂尾”项目推向市场。这不仅展示了AI在软件开发中惊人的代码生成能力，更揭示了通过“上下文工程”和“扩展思考”等方法，AI能够深度参与并优化从需求分析到自动化部署的整个开发流程，极大地提升了开发者的生产力。

想象一下，你是一位经验丰富的“建筑师”，手头有无数充满潜力的设计图，却总是苦于最后20%的细节和收尾工作，导致这些项目在抽屉里积灰。这不仅仅是建筑界的问题，在软件开发领域，“烂尾项目”同样是许多程序员的痛。对于资深苹果开发者indragiek而言，这个困扰了他6年之久的难题，最近却被一个AI助手彻底颠覆——他最新发布的原生macOS应用“Context”，其95%的代码竟然是由AI大模型Claude Code“写”出来的。

这不仅仅是一个令人震惊的数字，更是一个关于人与AI如何高效协作，将抽象创意变为现实的生动案例。

告别“烂尾楼”：AI如何赋能开发者？

indragiek在Mac开发领域深耕多年，深谙软件构建之道。然而，和许多同行一样，他常常在项目原型搭建完成后，卡在最后那20%的精雕细琢和交付工作上。这些琐碎却耗时耗力的任务，往往成为项目搁置的“罪魁祸首”。

直到今年2月，当他开始尝试将Claude Code引入开发流程时，一切都变了。这款AI助手不仅仅是代码片段的生成器，它被indragiek形容为项目真正的“工程师”，几乎包揽了Context应用中20000行代码的绝大部分，而他本人亲手编写的代码，不到1000行¹。这就像是你请来一位拥有超强学习能力和执行力的“数字工匠”，它能理解你的意图，消化现有图纸，甚至自我检查和修正错误。

Claude Code的强大之处在于其独特的“Agent循环”开发核心。它不再是一个简单的文本框，而是能够“思考、学习和修正错误”的智能体。想象一个场景：你只需要在一个简单的文本框中输入指令，Claude Code就能：

• 定位并阅读项目中的现有源代码，理解你的代码风格和设计模式。
• 阅读你提供的额外文档，掌握项目背景和规范。
• 生成测试来验证代码的正确性。
• 编译程序并运行测试，实时反馈结果。
• 根据编译和测试失败的信息，自我迭代修复问题。

这套循环让AI从被动响应变为主动推进，极大地降低了开发者在调试和迭代上的负担。

“驯服”AI的秘诀：上下文工程与深度思考

要让Claude Code发挥出95%的“含量”，并非简单地把需求一股脑丢给它。indragiek在实践中总结出了几条“驯服”AI的关键秘诀，这体现了人与AI协作中的“上下文工程”艺术。

首先是“上下文工程”。我们知道，大语言模型（LLM）有上下文窗口的概念，也就是它们一次能处理的信息量。虽然Claude拥有高达200k tokens（可以简单理解为模型处理信息的基本单位）的上下文窗口，但indragiek发现，当上下文窗口被大量占用时，模型的性能可能会下降，一些重要细节也可能在“压缩”机制中丢失。

为了解决这个问题，他采取了“预设Agent”的方法。这就像给Claude Code预先阅读一本“行为准则”和“知识宝典”。例如，当Claude在选择使用Swift Concurrency等新旧API时拿捏不准，indragiek会创建一个名为CLAUDE.md的文件，在里面详细说明如何使用现代API，避免常见的“陷阱”。AI在开始编码前预先阅读这些文件，能够显著提高输出代码的质量和准确性。²

其次是“扩展思考”模式。你是否遇到过AI不假思索就开始生成代码，结果却差强人意？indragiek通过要求Claude先进入“扩展思考”模式来避免这种问题。他会使用think、think hard、think harder，甚至ultrathink等关键词，激活Claude不同级别的思考深度。特别是ultrathink，虽然消耗的“token”最多，却能促使AI在编码前充分“制定计划”，分析问题，从而产生最佳结果。这就像在交给工匠任务前，先让他坐下来，仔细思考整个项目的蓝图和每一步的施工方案。

最后，有效的反馈循环也至关重要。AI能够独立驱动反馈循环，进行更改、测试并收集失败原因的上下文。然而，对于需要用户交互才能触发的Bug或用户体验问题，开发者仍然需要手动提供日志或截图。这意味着人与AI的协作，是在高效自动化的基础上，辅以人类独有的洞察和细致调整。

不止于代码：AI在开发全流程的“超能力”

除了核心的代码编写，indragiek还发现Claude Code作为一个通用模型，能完成的任务远不止于此。它能编辑文案、规划功能，甚至：

• 生成逼真的模拟数据（Mock Data）。在没有真实数据的情况下，AI可以根据需求生成结构完整、逻辑合理的虚拟数据，这极大地加速了UI原型开发和功能验证，让界面看起来更真实、功能更可信。
• 构建高质量的自动化脚本。indragiek让Claude编写了一个2000行的Python发布脚本，这个脚本能够自动检查开发环境、生成更新日志、发布到GitHub、上传调试信息等等。这个复杂的自动化流程，仅通过几行简单的提示词，就被AI高效地实现并美化了命令行输出。

这些非编码任务的自动化能力，意味着开发者可以把更多精力放在创意和核心逻辑上，而将繁琐重复的工作交给AI。正如indragiek所言，他现在使用的主要工具只剩下Claude Code和GitHub Desktop。他甚至认为，未来的集成开发环境（IDE）将发生巨变，源代码编辑器可能不再是核心，取而代之的是专注于帮助开发者预设Agent上下文并设置关键反馈循环的工具。

成功发布Context应用后，indragiek兴奋地表示：“对我而言，这个过程中最令人兴奋的事情不是我所构建的应用，而是我现在能够再次满足我的编程欲望并发布精良的副项目。这就像我每天多出了5个小时，而我付出的代价只是每月200美元。”¹

这不仅仅是个人生产力的飞跃。据Claude Code官方数据，自今年2月上线以来，它已被全球11.5万开发者使用，单周处理代码量高达1.95亿行。如果将Claude Code比作一个初级工程师，这些数据意味着其年收入可达1.3亿美元，这无疑预示着AI在软件开发领域巨大的商业潜力和对未来工作模式的深刻影响。

这次成功的实践，清晰地描绘了AI在软件工程领域的未来图景：AI并非简单地取代人类，而是成为人类的强大延伸，帮助我们跨越障碍，将那些沉睡在心底的创意一一实现。这提醒我们，在AI浪潮中，学习如何“驯服”和高效利用AI，或许比掌握单一编程语言更为重要。

引用

• AI编程
• Claude Code
• 开发者生产力
• 大模型应用
• 软件开发