当 Build in Public 重新转入地下 -- 肘子的 Swift 周报 #157

作者:东坡肘子日期:2026/10/13

当 Build in Public 重新转入地下

过去一段时间,社区里频繁出现用 AI 快速逆向商业产品或像素级复刻热门应用的案例。只要 Token 充足,搭建一个免费的“影子版本”似乎已不再是难事。

与此同时,许多坚持“公开构建”(Build in Public)的独立开发者也遭遇了新的挑战:原创产品尚在打磨之中,一些仿制者仅凭作者在社交媒体上披露的设计截图和思路,便借助 AI 抢先一步上线了“克隆品”。有的源于技术探索与好奇,有的只是想展示 AI 工具的生产力,但也不乏投机取巧的捷径心态。

看着这股风气,我始终感到一丝不安。

复刻与模仿在过去几十年中一直都存在,但 AI 大幅压缩了实现所需要的时间与成本。原创者可能花费数月才找到一个值得做的方向,模仿者却可以观察最终结果,跳过大量试错,在极短时间内做出一个外观和功能都颇为相似的版本。

商业竞争当然需要鲶鱼,AI 对原创者同样有所帮助。如果更低的实现门槛能够促使原创团队加快创新、改善体验,或者提供更具性价比的服务,自然是消费者乐于看到的结果。更何况,复制界面与功能并不等于复制产品本身,那些隐藏在细节中的设计判断和对用户需求的理解,并不是一次像素级复刻就能获得的。

但并不是每个原创者都有足够的时间和资源,等待市场认识到这些差异。对于成熟的商业产品,几个 AI 仿制品或许不足以构成真正的威胁;但对于仍在寻找市场位置的独立开发者,几周甚至几个月的时间差就可能非常重要。

曾经,通过 Build in Public 分享创意、设计与开发过程,是独立开发者建立社区、获得反馈的一种方式。更重要的是,它让大家愿意在产品还不成熟的时候,就拿出自己的想法、尝试甚至失败,与其他开发者交流。

这种氛围并不是天然存在的,而是这些年一点点形成的。

但当公开的信息同时成为别人寻找复刻目标、快速跳过探索阶段的捷径,分享所需要承担的风险也发生了变化。如果越来越多的开发者发现,在产品真正准备好之前,保持沉默比公开分享更加安全,那么 Build in Public 或许真的会重新变成 Build in Private。

这才是最让我不安的地方。

我们失去的可能不只是几个尚未问世的原创产品,而是独立开发者好不容易形成的、愿意彼此展示不成熟想法并相互启发的交流氛围。

本期内容 | 前一期内容 | 全部周报列表

原创

AI-Friendly Framework:当抽象上移,验证如何跟上?

随着 AI Coding 的普及,不少人开始倾向一种观点:UIKit 这样的命令式框架,可能比 SwiftUI 更适合 Coding Agent。理由很直观——UIKit 的逻辑直接明确:创建对象、设置属性、加入层级、建立约束,每一步都有具体操作的实体;而 SwiftUI 把大量实现细节收束在声明式语法之后,状态、环境、身份、布局与渲染共同决定了最终结果。一旦呈现效果偏离预期,Agent 只能对着黑盒,从有限的外部现象去反推内部究竟发生了什么。

但问题或许并不在抽象本身,而在于抽象之后我们漏掉了另一半工作:观察与验证。当抽象隐藏了底层细节,我们必须在新的层级上,补齐能够固定并验证意图的手段。

近期推荐

重审「局部隔离」的利弊与权衡 (Revisiting "Split Isolation")

在一个本身没有 actor isolation、且 non-Sendable 的类型中,只给部分方法添加 @MainActor,会让同一个实例同时具有不同的隔离要求。Matt Massicotte 将这种模式称为 “split isolation”。包括 Matt 自己在内,不少开发者都认为这并非一个好的设计。

在本文中,Matt 重新审视了自己过去的判断:split isolation 虽然仍应尽量避免,但在特定场景仍有存在价值。尤其在只有少量独立功能依赖 MainActor,或者正在向 Swift 6 迁移、不希望隔离要求迅速扩散到大量既有代码时,局部添加 @MainActor 也可能是一种合理甚至必要的权衡。是否采用 split isolation,关键在于它是在掩盖类型真正的隔离需求,还是在有意识地表达一个局部约束。


超越 async/await:Task 不是业务工作的基本单元 (The Task Is Not the Unit of Work: Ownership, Isolation, and Cancellation Beyond async/await)

SwiftUI 的 .task 会随着视图消失自动取消任务,这很方便,但也很容易让开发者顺手将各类业务操作的生命周期绑定到 UI 的生命周期。不过,页面消失并不意味着用户的意图已经失效。

⁠Bruno Valente Pimentel 指出:Task 是执行单元,却不一定是产品工作的单元;Actor 解决 isolation,却不会决定谁应该拥有这项工作;结构化并发能够传播 cancellation,却无法判断这种父子关系是否符合产品语义。相比先考虑“Task 应该放在哪里”,Bruno 建议首先明确操作的 intent、owner、resource 和 lifetime,然后再选择具体的实现机制。编译器可以帮助我们保证并发安全,但无法替我们决定一项工作什么时候才真正“不再重要”。


SwiftUI 日历组件的边界与状态设计 (A SwiftUI calendar with custom days and event indicators)

实现一个日历 UI,真正麻烦的往往不是画出日期网格,而是处理背后的状态与边界条件:如何将当前显示日期与选择范围分离;统一通过 Calendar 处理日期运算和 day boundary;正确应对 first weekday、跨月份、夏令时以及非 Gregorian Calendar;点击与拖动如何共同完成连续的范围选择;避免每个 cell 重复扫描事件列表;避免不必要的 cell 视图重建等挑战。Szymon Lorenz 分享了他为 ⁠SwiftUIComponents 开发日历组件的经验,这个开源项目通过 ⁠Skip Fuse 还提供了 Android 端的兼容性。


100,000 个事件下的 SwiftUI 性能排查实战 (SwiftUI Profiling with Instruments: 100,000 Calendar Events)

当一个包含大量数据的 SwiftUI 应用出现卡顿时,问题究竟来自数据库、数据处理,还是视图更新?Maciej Szamowski 使用包含 100,000 个事件的测试数据库对 hora Calendar 进行压力测试,通过 Instruments 的 SwiftUI、Hangs、Hitches 和 Time Profiler,发现卡顿期间大量主线程时间消耗在 SwiftUI graph updates 上,从而将优化重点从数据库转向了数据准备和视图更新路径。

前后两篇有关日历的文章在改善渲染性能上都采用了类似的优化原则:尽量不要让 cell 自己承担那些可以在更高层级完成的重复工作。上层准备数据和交互上下文 → 下层 View 接收尽可能稳定、接近最终展示形式的值 → 与 rendering 无关的信息不要进入 SwiftUI observation/update graph。


排查 fastlane snapshot 多语言截图全部变成英语的问题 (Why your fastlane snapshot screenshots are all in English)

使用 fastlane snapshot 批量生成 App Store 多语言截图时,有时会遇到一个让人头痛的问题:语言目录都正确创建了,截图内容却全部显示为英语。真正麻烦的是,导致这一现象的原因并不唯一,排查起来也比较困难。

Manuel Lorenzo Parejo⁠ 列出了五个排查点:setupSnapshot 的调用时机;snapshot 的启动方式;localize_simulator;App Bundle 中是否包含对应的 .lproj;残留的 App 状态是否影响语言设置。同时还提供了免费的 shotfleet check 命令,通过识别截图文字并与 App 自身的本地化字符串进行比对,批量检查生成的截图是否真的使用了预期语言。

工具

Redlamp:一位摄影爱好者借助 AI 打造的原生 RAW 编辑器

Redlamp 是一款采用 Swift 和 Metal 开发的开源 macOS RAW 照片编辑器,使用 MPL-2.0 许可证,沿用了 Lightroom 用户熟悉的显影面板与操作习惯。作者 Pedro Gomes 既是一名工程师,也是一名摄影爱好者,⁠一直希望有更多符合自己使用方式的工具选择。

在这个大量借助 AI 进行开发的项目中,仍能看到鲜明的个人意图与判断:Pedro 选择让照片库的数据库成为可重建的索引,将重要信息保存在照片旁;也会在测量发现蒙版边缘优化损失了细节后,收紧算法的适用范围。这些具体取舍,让 Redlamp 带有鲜明的作者印记。

项目博客记录了不少开发过程中的思考,代码库也公开了面向编程代理的协作规则与验证机制。Pedro 正在探索,如何让多个代理在持续迭代中参与复杂原生软件的开发,以及如何判断它们交付的成果是否可靠。


AnnotateIt:在 Mac 上完成从标注到 Create ML 训练的闭环

对想用 Create ML 训练自定义 Object Detection 模型的开发者来说,训练本身往往不是最麻烦的部分。真正耗时的是数据准备:Create ML 应用本身不提供标注功能,开发者通常需要借助其他工具画框,再将结果整理成 Create ML 可以使用的数据格式。

AnnotateIt 把这些步骤放进了同一个 Mac 应用。完成图片标注后,可以直接通过 Apple Create ML 在本地训练 Object Detector;训练得到的模型又可以用于新的图片和视频,辅助生成标注并由人工继续修正。对于 Swift 开发者而言,它不仅降低了尝试本地 Object Detection 的门槛,也把「标注 → 训练 → 预测 → 修正」连接成了一套完整的工作流。

在官方的停车场示例中,292 张图片的模型训练不到一分钟即可完成。整个过程不需要配置 Python 环境或云端 GPU,数据也可以始终留在本机。


InnoDI:让依赖图成为可验证的构建产物

⁠Ethan Parker 开发的 InnoDI 是一套基于 Swift Macro 的依赖注入框架。它将对象图中原本需要手工编写的初始化与参数传递逻辑转化为显式的依赖声明,并生成容器初始化器和类型安全的测试替换接口。Macro 负责局部诊断,SPM Build Plugin 验证跨文件、跨模块的依赖图,配套 CLI 则可以对这张图进行检查和分析。

InnoSquad 的 InnoFlow、InnoRouter 和 InnoNetwork 也延续了类似思路,通过明确边界和可重复验证来减少隐式行为:把能够声明的约束提前声明,把运行时行为交给统一的执行策略管理。

在 AI Coding 时代,框架作者需要重新思考框架的消费者。“让开发者更容易编写代码”或许已不再是唯一的首要目标。当学习成本不再完全由人类开发者承担,“让代码的意图和行为更容易被验证”的重要性正在迅速提高。


SimAgentation:在浏览器中为 iOS 模拟器标注并交办 AI

使用 AI 调整界面时,如何准确表达“这里需要修改”,往往比描述修改本身更费力。citron 开发的 SimAgentation 让开发者在浏览器中操作 iOS 模拟器(IOSurface -> VideoToolbox -> WebCodecs),选中界面元素或框选区域,直接写下修改意见。工具会将反馈连同元素信息、源码搜索线索、整屏截图和局部截图,通过 MCP 交给编码助手,并在浏览器中显示处理状态。

可选的 SimAgentationPlus 则支持通过 .simTag() 为视图补充名称、文件和行号。这与我在 FlowCanvas 中采用的元素锚点思路有相通之处:将画面与结构化信息结合,让 AI 更准确地理解反馈对象。

往期内容

💝 支持与反馈

如果本期周报对你有帮助,请:

  • 👍 点赞 - 让更多开发者看到
  • 💬 评论 - 分享你的看法或问题
  • 🔄 转发 - 帮助同行共同成长

🚀 拓展 Swift 视野


《当 Build in Public 重新转入地下 -- 肘子的 Swift 周报 #157》 是转载文章,点击查看原文。


相关推荐


Linux 网络编程基础:网络分类、分层模型与数据封装
一条破秋裤2026/10/4

Linux 网络编程基础:网络分类、分层模型与数据封装 课程:尚硅谷《嵌入式 Linux 应用层开发》第 6 章 Socket 编程 依据:2026-09-29 20:21 录音转写;课程 PDF 第 244—254 页。 本节边界:这是 Socket 编程的理论入口,暂未讲 socket()、bind()、listen()、connect() 等代码接口。 1. 本节在网络编程路线中的位置 录音首先说明:计算机网络范围很大,本课程不会完整讲完所有网络技术,而是先建立后续 Soc


兰亭妙微UI设计公司分享:Fintora AI智能金融操作系统UI/UX设计深度解析
兰亭妙微UI设计公司2026/9/27

北京兰亭妙微 UI 设计公司,成立 16 年来,始终保持着对国内外优秀设计作品的学习与研究。我们持续追踪全球前沿的 UI/UX 设计趋势,从中提炼可落地的设计方法论,分享给同样热爱设计的你。 导读 从语音交互、多维卡片管理到智能分析仪表盘,构建以AI为核心的现代金融体验闭环。本文不止评价画面风格,而是从产品目标、信息组织、行为路径、视觉语义和落地风险五个层面拆解这套方案。 一、产品定位:先回答系统替谁解决什么问题 Fintora并没有把自己仅仅定位为一款传统的记账工具或简单的银


一套审批流要写多少代码:13 个框架的接入 diff 我数了一遍,最少 422 行,最多 1798 行
mldong2026/9/20

问"加一套审批流要写多少代码",很少有人能给出可信答案。原因不是大家懒得算,而是这句问话里其实混着三件事:给现有项目接一个现成引擎、从零做一套带审批的后台、自己造一个引擎。这三档的工期差两个数量级,却被同一句话压在一起。 这次我把第一档的数拿实了:jeeflow 已经在 13 个框架上各接入过一次,每一层的 diff 都还在 git 里。我把它们一个一个数了一遍,包括我自己数错的两次。 一、先交代我数错的两次 第一轮,我用集成壳里留着的 master 引用取合并基线。结果 NestJS 报出


我做了一个 Chrome 扩展,把 YouTube 播放列表批量变成 AI 可读的本地 Markdown
嘉琪coder2026/9/12

现在的 AI 已经很擅长总结、分类和问答,但在真正使用它整理知识时,我经常卡在更前面的一步: 怎样把散落在视频里的内容,变成 AI 可以稳定读取的资料? 我平时会在 YouTube 上看课程、访谈和播客。看完时觉得收获很多,过一段时间想找其中一个观点,却只能重新打开视频、拖动进度条。 如果是一套几十集的课程或一个持续更新的频道,逐个打开视频、复制字幕、创建文件,光是准备资料就足以让人放弃。 所以我做了 Transcriptly。 它是一款免费、开源的 Chrome 扩展,可以把 YouTube


流程图上没画人,单子却走对了:工作流引擎内置处理人解析器
mldong2026/9/4

一、流程图上没画人,单子却走对了 用流程设计器画一张最简单的请假审批流:开始 → 部门领导审批 → 结束,三个节点两条线。 画完之后你检查一遍这张图:节点上没有任何人的名字。没有"张三",没有"李四",连"审批人"三个字都是你自己写的节点显示名。从图上看,这张流程不知道该把单子交给谁。 然后你发起了一笔请假。几秒后,你部门领导的待办列表里,多了这条单子。 它怎么知道该去找领导的? 你可能会说:节点名不是写着"部门领导审批"吗——但节点显示名只是个标签,引擎不会拿它去组织架构里搜人;就算你把节点改


Next.js 全栈笔记系统实战:RSC 组件架构、Redis 数据层与规范驱动开发
浮生望2026/8/27

摘要 以Next.js笔记系统为例,深入RSC异步组件直接查询Redis、Server/Client组件边界、BEM命名规范、路径别名及组件驱动开发流程,展示从需求分析到技术方案到组件拆分的全栈落地路径。 一个笔记系统的需求并不复杂:左侧笔记列表,右侧 Markdown 编辑预览,支持 CRUD 和搜索。但用 Next.js 全栈实现它,涉及的技术决策覆盖了 RSC 组件边界、数据层选型、组件拆分策略和项目结构规范——这些正是 Next.js 工程化的核心议题。 技术选型:为什么是 Redis


JavaScript实战技巧总结
阿橙的百宝箱2026/8/19

JavaScript实战技巧总结* 引言 JavaScript作为现代Web开发的基石,其灵活性和强大的功能使其成为开发者必备的技能之一。然而,随着ECMAScript标准的不断演进和前端生态的日益复杂,如何高效、优雅地编写JavaScript代码成为开发者面临的重要课题。本文将从实际出发,总结一系列经过实战检验的JavaScript技巧,涵盖性能优化、代码简洁性、异步处理、模块化等多个关键领域,帮助开发者提升代码质量和开发效率。 一、性能优化技巧 1. 减少DOM操作 DOM操作是Java


篇2-bitsandbytes-具体观-算法与实现剖析
happyprince2026/8/4

三部曲之二 · 看懂:潜入水下的技术细节 本篇承接整体观建立的认知地图,潜入水下逐一审视 bitsandbytes 的核心技术实现——LLM.int8()、QLoRA/NF4、8-bit 优化器,以及支撑它们的极致工程。每个技术点遵循"原理(论文)→ 代码 → 例子"三段式剖析,让读者真正"看懂"代码背后的学术根源与工程取舍。 一、总述:三大算法支柱 + 一条工程脊梁 bitsandbytes 的技术内核可拆成三大算法支柱 + 一条工程脊梁。三大算法支柱是:① LLM.int


把随身WiFi改成网盘聚合器:中兴F50挂载本地存储+夸克网盘实战
羑悻的小杀马特.2026/7/27

文章目录 前言1 什么是OpenList?2 中兴F50上安装OpenList服务3 挂载本地存储和网盘存储3.1 挂载本地F50自带的20G存储3.2 挂载夸克网盘 4 穿透OpenList以支持公网访问4.1 如何用?4.2 在F50上安装4.3 配置OpenList的http隧道 5 固定二级子域名(升级任意套餐)总结 前言 中兴F50放在包里时,很多人只把它当作一台提供热点的随身WiFi。需要传文件、打开网盘资料或临时分享内容时,仍然要依赖手机、电脑和多个客户端


【数据库】CRUD-- 增删改
哦虎!2026/7/19

第二章 增删改 文章目录 第二章 增删改前言一、命名二、增1. 新增2. 指定列插入3. 多行插入4. 插入查询结果5. 查询的指定列插入6.注意 三、改1.修改数据2.组内修改 四、删除1. 删除数据2.drop和delete的区别 五、截断表总结 前言 本期主要讲增 删 改, 会稍微使用到查 , 也就是select , 遇到会稍做讲解 , 详细讲解会放到下期~ 一、命名 创建表时,命名有两种 驼峰命名(studentName)蛇形命名(stud

首页编辑器站点地图

本站内容在 CC BY-SA 4.0 协议下发布

Copyright © 2026 聚合阅读