作者分享了客户端开发的技术选型思考，梳理 Web、跨端（Electron、Tauri、Flutter）与原生三条路线的权衡，提出研发效率、体验、性能的『不可能三角』。以自己的 Mac 清理工具 Mole 为例，讲述为何 Windows 版选择 C# + WinUI 3，如何用脚本同步设计 token 与多语言保持两端一致，并详细介绍在 Mac 上通过 Parallels、Claude Code、远程终端与真机测试开发 Windows 软件的工作流，以及混合多语言调用（Swift 调 JS、Rust 调 JS）解决难题的实践，认为 AI 时代规则抽象比代码抽象更重要，测试验证是工程师核心价值。
作者分享在开发 APP 时使用的 Apple Design Skill，它将 Apple WWDC 设计分享中的界面与动效原则整理成 AI 指导，帮助改善界面层级、反馈和整体连贯性，效果接近苹果原生 App 风格。该 Skill 来自 Linear 设计师 Emil Kowalski 开源的 AI Agent Skills 项目（GitHub Star 近 4w），还包括设计工程总则、动画制作与审查、原型方案生成、移动端网页优化、Swift 编写、UI 组件库选择等多个实用 Skill，适合前端与设计开发场景使用。
作者得否（文科生、非程序员）分享开发 X 长文归档 macOS 应用 MarkX 的全过程与工具清单：使用 M3 Max Mac、Swift/SwiftUI 开发客户端，通过 Chrome 复用登录态替代付费 API 采集，用 uPic+Cloudflare R2 做图床，GitHub 存代码、Vercel 部署官网。核心开发由 Codex 和 Grok 完成，作者只负责提需求、测试和迭代。文章强调：工具不重要，关键在于反复追问产品质量问题，如内容是否存完整、失败时是否撒谎、安装包与在用软件是否一致。
Shopify 宣布将所有移动应用从 React Native 迁回 Swift 和 Kotlin 原生开发。2020 年全面拥抱 React Native 曾带来巨大成功：一次开发多端复用、节省时间、让非移动端开发者也能参与。但随着 LLM 能力大幅提升，它能基于 iOS 实现生成 Android 版本、帮助开发者跨栈工作，并通过共享规范、测试和评审保持两端一致，使得双平台原生维护成本不再成为决定性因素。Shop 应用从概念验证到全量原生重建仅用 12 周上线。Shopify 承诺平稳移交 React Native Skia、FlashList 和 Restyle 等开源项目。
文章详细介绍 Apple Foundation Models 的 Private Cloud Compute（PCC）方案的开发者申请与使用流程。作者区分了 Foundation Models、端侧模型与 PCC 模型的定位，说明 PCC 申请的本质是申请 Apple 管理的 Managed Capability，需要经过账户授权、App ID、Entitlement 和 Provisioning Profile 的完整签名链路。文章覆盖了资格确认、Capability Requests 提交、Xcode 自动签名配置、最小调用代码示例，并强调 Build Succeeded 后仍需检查签名产物、走完 Archive、TestFlight 和真机验证。最后给出文档类 App 的分层架构建议：端侧模型处理轻任务、PCC 处理长上下文任务、第三方模型作为备选，并总结了三类常见失败案例。
作者以 Mole 项目（11 万行 Swift、3347 个 XCTest）为例，从产品工程师视角分享 AI 全量生成代码时代保持代码可维护性的实践经验：由工程师主导架构设计与文档沉淀；重视覆盖边界场景的单测，坚持 AI 写的代码由 AI 测试；修 Bug 时补充回归测试并把原因写入规则；用按模块拆分的 Rules 和 Skills 记录功能边界与历史决策；坚持少做无用功能避免维护成本腐化；充分利用 GitHub Actions 与 CI 兜底验证，设置流程卡点让 AI 自动化验证，从而让代码长期持续迭代、清晰可扩展。
作者分享了今年在使用Coding Agent时角色从TL（Tech Lead）转变为EM（Engineering Manager）的经历。作为TL时，作者仍深入参与系统设计和代码审查，成为Agent的瓶颈；转变为EM后，作者更关注项目决策和结果验收，让AI自主执行技术方案、写代码和修复Bug。这种模式不仅释放了Agent的生产力，还在技术选型上更注重项目需求而非个人喜好。作者举例说明通过AI辅助成功使用不熟悉的Swift和Rust技术栈，实现快速迭代。
