英國工程師花 6 小時用 AI 做出一支習慣追蹤 App，卻又多花一年才敢真正上架。程式碼混亂、雲端同步藏著隱性錯誤、蘋果新系統連番出包，讓他體會到人工智慧能帶你走到八成，剩下的兩成才是真工程。 （前情提要：一個工程師的自白：AI 讓我幾乎忘了怎麼寫程式，產業技能空洞隱憂浮現） （背景補充：人腦比機器好？幾萬人在網站上假裝自己是 ChatGPT）
本文目錄
Toggle
六個小時、一個週末，英國軟體工程師 Alex Hyett 在 2025 年 3 月做出了一支看起來能用的 App，但到真正敢把系統掛上 App Store，中間又額外多花了一年多。
Alex Hyett 在他個人帳號影片中回顧了這段經歷：一個原本該是「AI 幫你在沙灘上喝雞尾酒時順便做好」的專案，最後變成他投入心力最多的一次軟體工程練習。落差之大，彰顯了「AI 已經能取代開發者」這句話最常被忽略的那一半。
習慣追蹤 App 向來被認為是僅次於待辦清單、最容易做的 App 型別之一，市面上因此有幾百款選擇，Alex 和他太太前後試過幾十款，沒一個真正合用。
他列出的需求其實不複雜：清單要夠長，不必分頁翻找；資料不進雲端、不存在別人的伺服器上；可以用 iOS 18 的生成式 emoji 當圖示；目標能設成每天、每週或每月，也能完全不設目標、只單純計次；還要能寫筆記、設提醒。
免費的 Streaks 用分頁而非長清單，圖示不夠用，也沒辦法只計次數；HabitKit 要 1.99 英鎊 / 月、11.99 英鎊 / 年，或 29.99 英鎊買斷；Grit 更貴，9.99 英鎊 / 月、29.99 英鎊 / 年，買斷價要 44.99 英鎊。在他看來，把這些訂閱費疊起來，一年下來快要追上一款新主機遊戲。
於是他決定自己動手。當時 Cursor 還在發免費額度，Claude Code 也還沒推出，所以不是後來那種代理式全自動開發，而是把工作拆成一堆小任務，自己手動一來一回跟 AI 對話、逐項測試。他先前完全沒寫過 Swift，一切都得從頭學。這支 App 後來定名為 HabitTed，太太還設計了一隻熊仔 logo。
他從一個陽春的 hello world 畫面開始，一步步加上習慣清單、新增習慣、編輯習慣等功能。
花了一個週末、約 6 小時，他就有了一支能動的 App：可以新增習慣、設定自訂圖示、點選完成，還支援不同的目標選項與 iCloud 同步。聽起來像是 AI 神話的最佳示範，直到他開啟程式碼看了一眼。
通常一個專案做完，即使中途卡關、花的時間比預期久，他事後還是會有成就感，覺得自己又學到了一點東西。但這 6 小時，他事後坦承，幾乎沒學到什麼 Swift 的東西。每次跳出錯誤，他做的只是把錯誤訊息複製貼給 AI，請 AI 想辦法解決，一邊嫌 AI 不夠聰明，一邊也嫌自己什麼都做不到。
能動不代表寫得好。單一 view 動輒逼近 1,000 行，Xcode 編譯器扛不住，不斷跳出警告要他拆分；外觀相同的按鈕，在不同畫面卻套著完全不同的樣式程式碼。他沒有再靠 AI 收拾，而是自己手動重構，把每個 view 都砍到 100 行以內。
但重構完才發現問題更多。iCloud 同步「看起來在動」，實際上只要把 App 刪掉重灌，資料就整個消失；細節頁的統計數字，每次進頁面都要把所有習慣重跑一遍迴圈，他後來改成在打卡當下就算好、存成屬性；資料模型本身過度複雜、命名又怪，逼他另外做一套遷移計畫，否則日後改動 schema，舊資料就會壞掉。
真正讓 AI 現出原形的是 iOS 26。他開啟「降低透明度」的輔助使用選項，App 立刻出問題，深色模式下點開一個習慣，標題列變成白底配白字，什麼都看不到。AI 完全幫不上忙，因為 iOS 26 才剛推出，他告訴 AI 這是最新版本，AI 卻回答他一定記錯了。最後他靠讀其他開發者的部落格才解決，透明度的 bug 則是等到 Apple 在 26.1 修掉。
這段經驗，與 METR 稍早一項研究隱隱呼應。2025 年 2 月到 6 月，METR 找了 16 位資深開源開發者，在 246 個真實任務上做隨機對照實驗，主要工具是 Cursor Pro 搭配 Claude 3.5、3.7 Sonnet。結果是用了 AI 反而慢了 19%，但這些開發者事後自己評估「AI 讓我快了 20%」。感覺與實際之間，隔著一段不小的落差。
Alex Hyett 的結論很直白：AI 能帶你走到 80%，但剩下的 20% 會吃掉 80% 的時間，如果看不懂 AI 寫了什麼，還會更久。
他還補了一句：AI 現在比一年前更強，但也更貴，而且沒有解決一個根本問題，用 AI 並不會讓你自己學會任何技能。如果 Claude 一當機你就做不了事，那就代表你對 AI 依賴得太深了。
他也觀察到整個產業正在起變化，而外部資料同樣指向這個方向。史丹佛數位經濟實驗室統計，到 2025 年 7 月，22 到 25 歲軟體開發者的就業人數，比 2022 年底的高點少了將近 20%。沒有公司想請新人，資深工程師加上 AI 就夠用了。
資深工程師自己也分成兩派。一派什麼都交給 AI，寫程式的手感在不知不覺中流失，像溫水煮青蛙，等發現時已經回不去；另一派則是每天寫提示詞寫到職業倦怠，不想再碰。他擔心，等 AI 泡沫真的破掉，剩下願意、也有能力收拾殘局的開發者所剩無幾。
他自己也承認，沒有 AI 他根本不會動手做這支 App；但反過來說，完全不靠 AI，他本來能學到更多，也不必花上好幾個月清理程式碼…。
176.44萬 熱度
153.57萬 熱度
14.09萬 熱度
186.93萬 熱度
41.91萬 熱度
我用 AI 在 6 小時做出 App，但又花了整整一年才上架
英國工程師花 6 小時用 AI 做出一支習慣追蹤 App，卻又多花一年才敢真正上架。程式碼混亂、雲端同步藏著隱性錯誤、蘋果新系統連番出包，讓他體會到人工智慧能帶你走到八成，剩下的兩成才是真工程。
（前情提要：一個工程師的自白：AI 讓我幾乎忘了怎麼寫程式，產業技能空洞隱憂浮現）
（背景補充：人腦比機器好？幾萬人在網站上假裝自己是 ChatGPT）
本文目錄
Toggle
六個小時、一個週末，英國軟體工程師 Alex Hyett 在 2025 年 3 月做出了一支看起來能用的 App，但到真正敢把系統掛上 App Store，中間又額外多花了一年多。
Alex Hyett 在他個人帳號影片中回顧了這段經歷：一個原本該是「AI 幫你在沙灘上喝雞尾酒時順便做好」的專案，最後變成他投入心力最多的一次軟體工程練習。落差之大，彰顯了「AI 已經能取代開發者」這句話最常被忽略的那一半。
為什麼要自己來，AI 六小時交出了什麼
習慣追蹤 App 向來被認為是僅次於待辦清單、最容易做的 App 型別之一，市面上因此有幾百款選擇，Alex 和他太太前後試過幾十款，沒一個真正合用。
他列出的需求其實不複雜：清單要夠長，不必分頁翻找；資料不進雲端、不存在別人的伺服器上；可以用 iOS 18 的生成式 emoji 當圖示；目標能設成每天、每週或每月，也能完全不設目標、只單純計次；還要能寫筆記、設提醒。
免費的 Streaks 用分頁而非長清單，圖示不夠用，也沒辦法只計次數；HabitKit 要 1.99 英鎊 / 月、11.99 英鎊 / 年，或 29.99 英鎊買斷；Grit 更貴，9.99 英鎊 / 月、29.99 英鎊 / 年，買斷價要 44.99 英鎊。在他看來，把這些訂閱費疊起來，一年下來快要追上一款新主機遊戲。
於是他決定自己動手。當時 Cursor 還在發免費額度，Claude Code 也還沒推出，所以不是後來那種代理式全自動開發，而是把工作拆成一堆小任務，自己手動一來一回跟 AI 對話、逐項測試。他先前完全沒寫過 Swift，一切都得從頭學。這支 App 後來定名為 HabitTed，太太還設計了一隻熊仔 logo。
他從一個陽春的 hello world 畫面開始，一步步加上習慣清單、新增習慣、編輯習慣等功能。
花了一個週末、約 6 小時，他就有了一支能動的 App：可以新增習慣、設定自訂圖示、點選完成，還支援不同的目標選項與 iCloud 同步。聽起來像是 AI 神話的最佳示範，直到他開啟程式碼看了一眼。
通常一個專案做完，即使中途卡關、花的時間比預期久，他事後還是會有成就感，覺得自己又學到了一點東西。但這 6 小時，他事後坦承，幾乎沒學到什麼 Swift 的東西。每次跳出錯誤，他做的只是把錯誤訊息複製貼給 AI，請 AI 想辦法解決，一邊嫌 AI 不夠聰明，一邊也嫌自己什麼都做不到。
崩塌的細節，iOS 26 打臉 AI
能動不代表寫得好。單一 view 動輒逼近 1,000 行，Xcode 編譯器扛不住，不斷跳出警告要他拆分；外觀相同的按鈕，在不同畫面卻套著完全不同的樣式程式碼。他沒有再靠 AI 收拾，而是自己手動重構，把每個 view 都砍到 100 行以內。
但重構完才發現問題更多。iCloud 同步「看起來在動」，實際上只要把 App 刪掉重灌，資料就整個消失；細節頁的統計數字，每次進頁面都要把所有習慣重跑一遍迴圈，他後來改成在打卡當下就算好、存成屬性；資料模型本身過度複雜、命名又怪，逼他另外做一套遷移計畫，否則日後改動 schema，舊資料就會壞掉。
真正讓 AI 現出原形的是 iOS 26。他開啟「降低透明度」的輔助使用選項，App 立刻出問題，深色模式下點開一個習慣，標題列變成白底配白字，什麼都看不到。AI 完全幫不上忙，因為 iOS 26 才剛推出，他告訴 AI 這是最新版本，AI 卻回答他一定記錯了。最後他靠讀其他開發者的部落格才解決，透明度的 bug 則是等到 Apple 在 26.1 修掉。
這段經驗，與 METR 稍早一項研究隱隱呼應。2025 年 2 月到 6 月，METR 找了 16 位資深開源開發者，在 246 個真實任務上做隨機對照實驗，主要工具是 Cursor Pro 搭配 Claude 3.5、3.7 Sonnet。結果是用了 AI 反而慢了 19%，但這些開發者事後自己評估「AI 讓我快了 20%」。感覺與實際之間，隔著一段不小的落差。
產業空洞化的隱憂
Alex Hyett 的結論很直白：AI 能帶你走到 80%，但剩下的 20% 會吃掉 80% 的時間，如果看不懂 AI 寫了什麼，還會更久。
他還補了一句：AI 現在比一年前更強，但也更貴，而且沒有解決一個根本問題，用 AI 並不會讓你自己學會任何技能。如果 Claude 一當機你就做不了事，那就代表你對 AI 依賴得太深了。
他也觀察到整個產業正在起變化，而外部資料同樣指向這個方向。史丹佛數位經濟實驗室統計，到 2025 年 7 月，22 到 25 歲軟體開發者的就業人數，比 2022 年底的高點少了將近 20%。沒有公司想請新人，資深工程師加上 AI 就夠用了。
資深工程師自己也分成兩派。一派什麼都交給 AI，寫程式的手感在不知不覺中流失，像溫水煮青蛙，等發現時已經回不去；另一派則是每天寫提示詞寫到職業倦怠，不想再碰。他擔心，等 AI 泡沫真的破掉，剩下願意、也有能力收拾殘局的開發者所剩無幾。
他自己也承認，沒有 AI 他根本不會動手做這支 App；但反過來說，完全不靠 AI，他本來能學到更多，也不必花上好幾個月清理程式碼…。