英国软件工程师 Alex Hyett 在 2025 年 3 月用 AI 做出一款习惯追踪 App 的可用版本，前后只花了一个周末、约 6 小时；但从做出原型到真正敢提交 App Store，他又多花了一年多。
他在个人账号发布的视频里回顾这段过程时说，这原本像是一个“AI 帮你完成”的轻量项目，最后却变成自己投入心力最多的一次软件工程练习。对他来说，这段经历也把“AI 已经能取代开发者”这类说法里经常被忽略的部分摊开了。
6 小时做出原型，起点只是想要一款顺手的习惯 App
Alex Hyett 提到，习惯追踪 App 一直被视为仅次于待办清单、最容易开发的 App 类型之一，市面上已有数百款选择。他和太太前后试过几十款，但没有一款真正符合需求。
他当时列出的要求并不复杂：列表要足够长，不需要分页翻找；数据不要进云端，也不要存放在别人的服务器；图标要支持 iOS 18 的生成式 emoji；目标可以设置为每天、每周或每月，也可以完全不设目标、只记录次数；同时还要支持笔记和提醒功能。
现有产品没有满足这些需求。免费版的 Streaks 采用分页而不是长列表，图标数量也不够，而且不能只做计次；HabitKit 的价格是 1.99 英镑/月、11.99 英镑/年，或 29.99 英镑买断；Grit 更高，为 9.99 英镑/月、29.99 英镑/年，买断价 44.99 英镑。Alex Hyett 认为，把这些订阅费用加起来，一年下来已经快接近一款新主机游戏的价格。
于是，他决定自己做一款。那时 Cursor 还提供免费额度，Claude Code 也还没推出，所以整个过程并不是后来常见的代理式全自动开发，而是把任务拆成很多小步骤，自己手动和 AI 来回对话，再逐项测试。他此前从未写过 Swift，等于从头开始。这个 App 后来被命名为 HabitTed，他的太太还为它设计了一只熊仔 logo。
他先从一个简单的 hello world 界面开始，逐步加入习惯列表、新增习惯、编辑习惯等功能。到了周末结束时，这款 App 已经能新增习惯、设置自定义图标、点击完成，也支持不同目标选项和 iCloud 同步。
代码能跑，不代表工程能交付
真正的问题出现在他打开代码之后。Alex Hyett 说，平常做完一个项目，即便中途有卡关、耗时超过预期，事后多少还会有一点成就感，至少知道自己学到了什么；但这 6 小时里，他几乎没学到多少 Swift。每次出现报错，他只是把错误信息复制给 AI，让 AI 去处理，一边觉得 AI 不够聪明，一边也觉得自己什么都不会。
随后暴露出来的，是一连串工程层面的细节问题。单个 view 经常接近 1,000 行，Xcode 编译器无法轻松处理，持续警告他必须拆分；看起来相同的按钮，在不同页面里却套用了完全不同的样式代码。这里他没有继续交给 AI，而是自己手动重构，把每个 view 都压到 100 行以内。
但重构之后，新问题又浮了出来。iCloud 同步“看起来像是正常工作”，实际上只要把 App 删除后重新安装，数据就会全部消失；详情页里的统计数字，每次进入页面都要把所有习惯重新循环计算一遍，后来他改成在用户打卡当下就完成计算，并保存成属性；数据模型本身也过于复杂，命名又不自然，逼得他另外设计一套迁移方案，否则以后调整 schema，旧数据就会损坏。
iOS 26 的兼容性问题，AI 没能帮上忙
Alex Hyett 说，真正让他意识到 AI 局限的，是 iOS 26 带来的问题。开启“降低透明度”这一辅助功能选项后，App 立刻出现显示异常：在深色模式下点开某个习惯，标题栏变成白底白字，内容几乎看不见。
在这个问题上，AI 没能给出有效帮助。原因之一是 iOS 26 当时刚推出，他告诉 AI 自己使用的是最新版本，但 AI 反而坚持认为他记错了。最后，他是通过阅读其他开发者的博客才找到解决办法；至于透明度相关的 bug，则一直等到 Apple 在 26.1 中修复。
METR 研究：开发者觉得更快，实测却慢了 19%
这段经历，与 METR 稍早公布的一项研究形成呼应。2025 年 2 月到 6 月，METR 找来 16 位资深开源开发者，在 246 个真实任务上进行了随机对照实验，主要使用的工具是 Cursor Pro，以及 Claude 3.5 和 3.7 Sonnet。
研究结果显示，使用 AI 后，开发速度反而慢了 19%；但这些开发者在事后主观评估时，却认为“AI 让自己快了 20%”。Alex Hyett 的经历，刚好落在这种“主观体感”和“实际结果”之间的落差上。
Alex Hyett：AI 带你走完 80%，剩下 20% 会吃掉 80% 的时间
Alex Hyett 给出的结论很直接：AI 可以带你完成 80% 的工作，但剩下的 20%，往往会消耗掉 80% 的时间；如果开发者看不懂 AI 写出来的内容，花费的时间只会更长。
他还提到，AI 现在比一年前更强，但也更贵，而最根本的问题并没有解决：用 AI 并不会让人自动掌握技能。如果 Claude 一停机，自己就没法继续做事，那就说明对 AI 的依赖已经过深。
他担心行业正在出现“技能空洞化”
Alex Hyett 认为，整个行业正在发生变化，外部数据也指向类似方向。根据斯坦福数字经济实验室的统计，到 2025 年 7 月，22 岁到 25 岁软件开发者的就业人数，较 2022 年底高点少了接近 20%。在他的判断里，没有公司愿意继续招新人，资深工程师配合 AI 已经足够完成很多工作。
他还提到，资深工程师内部正在分成两派：一派把大部分工作都交给 AI，结果写代码的手感在不知不觉中流失；另一派则是每天大量编写提示词，最后陷入职业倦怠，甚至不想再碰这类工具。他担心，如果 AI 泡沫真的破掉，最后还愿意、也有能力去收拾这些系统残局的开发者，人数会非常有限。
不过他也承认，如果没有 AI，自己原本根本不会动手做这款 App；反过来说，如果完全不依赖 AI，他本来可能学到更多，也不至于花上几个月清理代码。