近年来，生成式人工智能和大型语言模型（LLM）的兴起带来了软件开发领域的深刻变革。像ChatGPT和Claude Code这样的工具，凭借其对自然语言的强大理解能力，开始被越来越多的程序员尝试用于辅助代码编写、项目分析和功能设计。作为一名iOS开发者，我曾经对这些人工智能工具持有强烈的怀疑态度，认为它们很大程度上只是“胡说八道生成器”，会不断凭空“编造”信息以迎合用户需求。然而，经过多次尝试和深入体验，我逐渐意识到事情并非如此简单。 一开始，我对LlM工具的使用抱有很大的戒备。毕竟这些工具的核心机理是基于大量文本中的模式匹配，从现有数据中“猜测”用户想要的答案，在信息的准确性与可靠性方面并不能保证百分百无误。
特别是在创意领域，例如艺术作品的生成，我对于那些直接剽窃现有作品风格的AI表现出明显的抵触，因为这有违对原创性的尊重与保护。我更倾向于把技术当成实现自动化、减轻重复性劳动的助手，而非把AI作为复制创造的机器。正如我曾经看到的一句推文所表达的：我不需要AI复制艺术作品，我需要的是“帮我洗碗和熨衣服”的AI，让我有时间去创造真正属于我自己的艺术。 作为开发者，我最熟悉的领域是Swift编程及iOS生态中的各种框架。软件开发往往包含大量冗长的学习、测试、阅读文档、查找资料的过程，那些重复且枯燥的编码环节一旦能被AI部分替代，无疑能极大地提升开发效率。 我认识的一些开发同行，包括在苹果社区活跃的朋友，以及通过Mastodon、技术博客、播客等渠道了解的业界声音，普遍对大型语言模型表现出热情和肯定。
我虽然还没达到“大胆使用AI”的境界，但在几位朋友的推荐下，我决定尝试Anthropic推出的Claude Code。安装环境、充值实验后，我开始以一个自己开发的复杂iOS健康和健身应用项目作为测试对象。 Claude Code的第一个亮点，是它可以自动分析整个代码库，生成一份名叫CLAUDE.md的分析文档，详细描述项目结构、关键架构模式、核心模块及第三方依赖。它不仅涵盖了SwiftUI的使用方式，还包括了状态管理、依赖注入模式、HealthKit集成、Firebase服务、Shopify电商SDK的作用等，还有测试方法和配置细节。凭借这份文档，外部人员或新进开发者能够快速入门项目环境，这无疑降低了团队沟通门槛，节省了大量介绍和理解时间。 接下来，我尝试让Claude Code对项目中的某个界面DeviceDetails.swift提出改进方案，目标是实现多图水平滚动和完整产品描述的展示。
它给出的方案详细且专业，包含多个文件的变更方案，甚至提出缓存加载的机制。再让它“直接实现”，它写出的SwiftUI代码真可谓几乎完美，无论是水平滚动视图的TabView、分页指示器，还是使用@State和@Binding实现“阅读更多”按钮，都符合我对iOS开发的最佳实践。 尽管细节上仍需稍作格式调整，例如价格显示位置，我要求把价格定位固定在屏幕右下角，Claude能迅速响应并做出正确改动。这样的交互体验让人倍感欣慰，AI辅助编程不再是天边的云彩，而是真正落地的工具。 然而，当我将需求升级到购物车和支付流程构建时，问题开始显现。AI对复杂业务逻辑和SDK调用的理解开始出现偏差，它在使用Shopify Buy SDK时错误地引用了不存在的类型Checkout，而该版本实际上以Cart类型为核心。
导致最初生成的代码充斥20多个编译错误。好在Claude能够按照我提供的文档链接重新学习SDK规范并进行修正，最终完成了正确的类型调用和功能实现。尽管如此，在处理GraphQL查询时它的代码结构仍显杂乱，需要我逐段指出错误才得以修复。 这次合作体验显示了大型语言模型辅助编码的双重面貌。一方面，它能快速产出符合逻辑的代码框架，大大节省开发起步时间；另一方面，它也容易陷入对API文档细节理解不够深入导致的错误，需要开发者具备扎实的领域知识及调试能力来甄别并修正。换言之，AI是一个加速器，绝非全能救星。
就支付了五美元试用费和一百多美元订阅费的价值而言，我觉得物有所值，毕竟它所带来的生产力提升和省力效果是显而易见的。对我个人而言，能将过去困扰我的重复性琐事用自动化工具解决，腾出更多精力去思考创意和架构方案，这是巨大的进步。 在项目之外，我还尝试利用Claude生成个人博客的归档功能。博客基于Hugo静态站点生成器，之前一直没有时间钻研生成按年份归档的配置和代码，它只需简单描述需求，稍加指引，很快帮我完成了令人满意的成果，甚至修复了之前困扰多时的Jekyll代码渲染错误。 综合来看，虽然我仍然对生成式人工智能存在怀疑并保持审慎态度，但在实际应用中，逐渐领悟到AI与人类开发者更像是互补而非替代关系。AI擅长快速产出代码骨架、完成重复性任务、梳理复杂项目结构，而开发者则负责逻辑判断、创新设计和错误校验。
对于所有软件开发者而言，理解AI工具的优势及限制，掌握正确使用方法，保持对结果的怀疑精神，才是驾驭这些新兴技术的关键。疯狂依赖或者完全拒绝都不是明智之举。 未来几年，随着大型语言模型的持续进化和行业规范的完善，AI辅助开发工具必将成为开发生态中不可或缺的一环，为开发者提供从项目初始化、模块设计到代码生成、测试自动化的全流程助力。我们需要做的，是积极拥抱变化，理性评估效益，在实践中不断优化人机协作模式，实现真正的开发效率跃升。 作为一名开发者，我愿意将更多时间花在创作独具匠心的软件体验上，剩下的繁琐细节让AI帮忙清理。这样才能让技术回归服务人类创造的本质，推动软件行业走向更加智慧与高效的未来。
。
