如何 5 天从 0 开发出 iOS 原生 app？github 万星博主 ai 编程经验分享

如何感受 2026 年的 agent 震撼？

上周五的 ai 直播就是一个小小窗口。

3 个具体的ai 编程案例，直接展示 2024——2025——2026 这三年的 ai 能力提升，也探讨了人类驾驭 ai 编程背后的底层元技能。

好啦，上周ai讲座的大纲笔记来啦。还没上课的可以大概了解讲了什么，上过课的可以温故知新。

howie 的 AI 主题讲座

AI 编程专题：从 0 基础到原生 App 开发

日期：2026-04-10

分享者：@阿禅、@howie.serious

主题：coding agent、ai 编程、agent元技能

直播回看链接：https://yg1qo.xetslk.com/sl/2PDUFR

核心主旨

两个完全没有 iOS 开发经验的人（howie 和阿禅），在一个小时内用 Xcode + Claude 从零跑通了一个原生 iOS App（WikiMatch 对战游戏），五天后提交 App Store 审核。

这个案例折射出 AI 编程在 2024-2026 三年间经历了三个阶段的跃迁：从"AI 帮你补代码"到"AI 替你写代码"再到"你当老板、AI 当全栈员工"。

2026 年，agent 爆发，code is cheap，content is cheap，真正值钱的是 Attention（注意力/兴趣方向）、是思维能力，是发现需求的能力。

关键概念

• WikiMatch 基于维基百科的知识对战游戏，从随机起始词条通过点击链接到达目标词条
• memory.md / agents.md 开发过程中维护的上下文文件，记录产品框架、目标、代码结构，用于 AI 换对话/换工具时保持上下文连续
• Skill 预写好的指令/最佳实践模板，安装到 AI 编程工具中，规定 AI 的设计流程、风格、规范等
• 100 倍超级个体 一个人通过 Agent 团队创造出过去 100 个人的价值
• AI slop AI 批量生成的低质量内容，铺天盖地污染互联网环境
• GEO（Generative Engine Optimization） 用海量 AI 内容污染搜索结果的做法，被粉饰成新商业模式
• Agent 元技能 驾驭 Agent 的核心能力，本质上等同于"团队管理"——定目标、定规范、记录错误、持续优化
• Typeless 语音输入工具，用于跟 AI 对话时用嘴说代替打字

开场：2026 年的天翻地覆

直播缘起

• howie 与阿禅认识十年，第一次请阿禅到小能熊直播间
• 直接原因：上周日晚饭后，两人在阿禅家喝酒时临时起意——现在 Xcode 可以接入原生的 Claude 和 GPT 模型来做开发了，零基础的人是不是也能做 iOS 原生 App 开发了？
• 结果：不到一个小时，一个体验非常好的 iOS 原生 App 就在手机上跑起来了。五天后正式提交到 App Store 审核

以前的成本对比

• 以前给吴晓波做"吴晓波频道"那样的 App，一年大概五六百万，需要维护一个五六个人的 iOS 开发团队
• 现在用几天时间就能开发一个各方面都让自己满意的工具

2026 年的大判断

• "一人十亿美金公司"的预言已经实现：两年前 Sam Altman 提出的预言——将来会有一个人创办并运营价值 10 亿美金的公司——上周已正式实现。一个人通过一系列 AI 工具，自己搭建工作流，实现了今年预计 16 亿美金的收入
• 100 倍超级个体：一个人能否创造出过去 100 个人的价值？方向一定是一个人带领一个 Agent 驱动的团队，通过一系列自动化来完成

工作模式的根本性转变

• 2026 年之前：AI 来帮我们干活——编程助手、写作助手、各种知识工作的助手
• 2026 年之后：人类指挥、管理一个 Agents 团队来替自己干活
• 这种工作模式的改变，是今年最需要去琢磨、理解、体会、掌握的变化

嘉宾 @阿禅：从知名博主到知名独立开发者

• 知名博主、知名互联网写作者（维基百科有个人页面）
• 知名产品经理
• GitHub 万星级别项目的独立开发者（IP Checking 项目 10.1K Star）
• 整个过程离不开对编程、AI 工具、AI 编程的理解

WikiMatch App：从喝酒到上架的全过程

产品是什么

• 基于维基百科的对战游戏：随机选一个目标词条（比如 OpenAI），每个人有同一个随机起始词条（比如"广东"），只允许点击链接，不能返回、不许搜索，看谁以最短时间到达目标词条
• 只用英文维基百科，需要英文能力和对知识关联的认知
• 他们原来一直很喜欢玩，之前 App Store 有类似产品但作者不维护了，于是决定自己做

产品功能（五天完成）

• 完整的用户引导和 onboarding 流程
• 原生 SwiftUI 交互，动画效果流畅
• 苹果 In-App Purchase 内购
• 在线对战：实时显示对方状态、对方点了几步、是否 close to target
• 游戏结束后可对比不同路径
• 词条收藏功能
• 历史记录
• 最多支持四人对战

开发成本

• 大概花了 Claude Max 订阅月用量的不到 10%
• Claude Max 一个月两百美元，按 10% 算就是 20 美元
• 相当于北京一个程序员一天的工资都不止

角色转换的关键

• 两人完全不懂 iOS 开发，从未正经用过 Xcode
• 阿禅想试试 AI 能不能从"它是我的小帮手"变成"我是它的小帮手"——AI 做所有事情，它做不了的（注册账号、线下操作）由人来打下手
• 当晚两人就扮演打下手的角色，一个小时做出来了

开发过程：像老板一样跟 AI 对话

工作方式

1. 先调研：不着急说要做什么功能，先让 Claude 去调研竞品，看看要做什么、做到什么程度
2. 砍功能："过气的产品经理也是产品经理"，知道怎么做最小版本（MVP），删减到合适程度
3. 用 memory.md 和 agents.md 做上下文管理：把产品框架、目标、代码结构写到 memory.md，写成纯 Markdown 文本。类似于公司里的工作交接——不管中途怎么换 AI、开新对话、做新功能，AI 都不会忘记以前的东西
4. 人做后勤：AI 说需要后端服务，让人去注册服务、拿 API key 回来给它；AI 说需要隐私政策页面，让人去用 ChatGPT 搞一个部署上线

多模型协作

• Claude 在 Xcode 中做 iOS 主开发
• ChatGPT 做辅助工作（搭隐私政策页面等）
• "ChatGPT 和 Claude 分别赠送了我最高权限的订阅，不用白不用"

AI 编程的三个阶段（2024—2026）

第一阶段：代码补全（2024，IP Checking 项目）

• 工具：Cursor（最早的 AI 编程工具）
• 人与 AI 的关系：AI 是打辅助的——你写了一两行，它帮你补全
• 比例：我想了 80%、它帮我补 20%
• 门槛：你需要自己想好用什么框架、调什么依赖包、功能细到什么程度、色号是什么颜色、逻辑怎么走。那时候如果有人说"零基础用 AI 编程"，绝对是忽悠人
• 成果：网络检测工具，十种不同功能，完全开源，GitHub 10.1K Star

第二阶段：AI 写代码（2025，投资类工具）

• 人与 AI 的比例：大约五五开
• 人想好要做什么、框架怎样、用什么技术和标准、不同模块长什么样子，然后 AI 写
• 比第一阶段进化了很多，但涉及复杂支付和前后端逻辑时仍需人深度介入

第三阶段：人当老板，AI 当员工（2026，WikiMatch）

• 人与 AI 的关系：全程就是"以前在公司里可能让人讨厌的老板形象"——我要什么、大概要什么样，你给我干
• 多 Agent 协作：在对话中让 AI"精神分裂成两个人"，一个做后端开发，一个做测试。测试人员在每个开发阶段测试，测到问题记录下来告诉开发重新做
• 门槛变化：完全不懂 iOS 开发也能做出完整产品

零基础做 AI 编程需要什么能力？

概念性理解，而非技术细节

• 乐高积木的比方：搭一个人，脸上需要一双眼睛，你需要知道自己需要一个圆柱体，但不需要知道这个圆柱体怎么 3D 打印出来的
• 不需要学写代码，而是"我应该了解什么概念才能跟 AI 很好地沟通"
• 遇到新概念（比如 Firebase、前端后端、数据库），需要概念性地理解它们——AI 让你点这里点那里，照着点就行

产品思维

• 知道怎么做 MVP（最小可行产品）
• 知道怎么拆需求——先拆成小需求一步步做完，再实现大需求
• "一千万给你做个微信出来"是无法执行的需求

记笔记的习惯

• 遇到一个概念就在笔记工具里建一个词条——第一次遇到、第二次遇到、第三次遇到
• 这些概念就是你的乐高积木——知道有这个零件存在，才能拼出想要的东西

当代码和内容都变得廉价：什么变得更贵了？

代码廉价了，内容廉价了

• 代码变得极其廉价——从以前几百万到现在 20 美元
• 内容、信息、观点变得极其廉价——铺天盖地的 AI 生成内容、AI slop
• 连分享的欲望都没有了：你的文章跟一百篇 AI slop 放在一起，看到你的人只给几秒钟

Attention 是最昂贵的

• 你的注意力、你的兴趣点在什么地方，它会决定你在什么地方投入时间
• GPT 的 Transformer 架构最厉害的就是 Attention 机制，人脑的 Attention 机制何尝不是如此
• WikiMatch 这个 App 之所以诞生，不是因为刷小红书或 AI slop，而是因为他们三年前就一直在玩、一直在关注知识管理
• 两个小时沉浸式的、有阻力的深入讨论，跟铺天盖地的公众号文章，是完全不一样的

思维能力是最值钱的

• 当有一个问题来的时候，你自己应该怎么思考、怎么拆解它，如果是你会怎么去解决
• 基础的应试能力是低阶的；高级的认知能力是分析、判断、综合、评价、创造
• 学某个具体的知识（Firebase 技术细节）廉价了；但通过概念构建 whole picture 的深度全面理解，这种学习能力永远值钱
• "就好像在构建自己的 Minecraft 世界——每一个大的组件现在都给到你了，但你得知道有这个组件存在，才能拼出想要的样子"

发现需求的能力

• 人负责发现需求、发现问题和定义问题
• 你不可能跟 AI 说"帮我挣一千万，我只要结果"——你得找到意义，发现世界上存在什么样的问题
• AI 让产品经理这类人在"实现需求"上的能力从 5 变成了 80，但对原来搞技术的人可能只是从 80 变成 83
• 所以非技术人是幸运的

AI 时代的新工作模式

开始站着工作

• howie 每天工作现在都是站着的——伏案工作已经过时了
• 用平板对着 Agent 长篇大论，把脑子里一切想法用费曼技巧的方式清晰准确地倒出来
• 一次给 Agent 的输入可能四五百字，不是打出来的，是说出来的（用 Typeless 语音输入）
• "一种在公司里面只靠嘴巴就指挥别人干活的快感，而且你真的把事儿给干出来了"

Agent 元技能 = 团队管理

• Prompt engineering 用更土的词翻译就是"团队管理"
• AI 已经具备类似团队成员的能力，你要管理它的工作目标、做事方式、规范，它犯过什么错、怎么避免——就是在公司里带团队、带实习生、做质检的流程
• 但 Agent 团队管理跟真人不一样：Agent 智商 150、上下文窗口极大、服从性极高——"你管理的是一堆斯坦福的学生"

Skill 的使用哲学

• 可以先从抄别人现成的 Skill 开始——"所有东西都可以先从抄开始"
• 但要不断修改，变成自己的场景、自己的问题
• 不要装一千个 Skill——"光是加载到上下文里，token 配额就花掉了，还没开始干正事呢"

展望：AI 马拉松与未来

Agent 马拉松的新玩法

• 传统黑客马拉松：一堆人组队，花两天开发不同项目
• AI 时代的马拉松应该是：每个 team 做同一个目标，但想出来的交互方式、样子、面向的用户群体不一样——这时候才能看出不同人的思维差异
• 突出的不是"你能不能做出来"（AI 百分百能做出来），而是每个人想同一件事，想出来的东西是不是一样

howie 的个人目标

• 在 Notion 里构建先到 50 个、再到 100 个 Agent
• 这 50-100 个 Agent 能把所有擅长的东西变成智能体
• 朝着"一个人创造 100 个人的价值"的目标前进

第一场 “agent 黑客松”

说好了要办线下“agent黑客松”，说办就办，不如这周就开始。

本周六下午，限额8人，报名从速～

识别二维码，或者点击“阅读原文”，直接报名参加～