夜雨聆风
挑战Vibe Coding 3小时手搓APP~AI足够强大了吗?
3小时是个噱头，但也不全是。
这是我开始这个项目时给自己定下的目标——晚上7点半突然有了想法，而我打算10点半睡觉。
第一天（晚上7点半）
开发环境是VSCode+Copilot。
第一条提示词主要告诉AI我的需求、场景和希望的功能。让AI先用规划模式，要求它仔细思考，不要急于动手，毕竟任务不算简单。
我想为iOS应用中的长页面内容生成截图。操作方式：先录制一段屏幕滚动视频，然后通过这个应用加载视频，无缝拼接成一张完整的长图。请帮我设计这个应用的功能和用户体验。我希望它足够简洁——用户只需导入视频，一键生成图片，需要时可以裁剪垂直区域，最后保存到相册或分享出去。应用会自动保留生成过的图片，形成一个小型图库。这是一个即用即走的轻量工具。界面要现代精致，原生适配iOS 18.0及以上版本，深色浅色模式自动跟随系统。
在AI思考的过程中，让Gemini帮忙起个名字。从一众VideoStitch、Tallie、PaperRoll中间，我选了ScrollSnap，不容易重名也最贴切。
AI输出的计划如下：
在SwiftUI启动应用中构建单一功能流程：从相册导入视频，通过自动垂直对齐处理成长图，生成后可选择裁剪，然后保存/分享。保持轻量的应用内生成记录库，并在权限允许时默认自动保存到相册。这确保了用户体验快捷（”打开 → 处理 → 完成”），同时支持所需的控制功能（裁剪+分享+历史记录），避免过度构建设置或编辑工具。……
需求理解准确，任务分解也合理，就让它直接写代码了。
5分钟后第一个版本出来了。确实如计划，有三个标签页：处理、图片库、设置。处理页有按钮导入视频，图片库页显示生成图片，设置页有自动保存开关。看着都不错。
但第一个标签页多了两个滑动条，让用户选择视频采样间隔和图像匹配精度阈值。这是技术参数，不该让用户操心。告诉它：
我希望拼接过程全自动，一键完成。用户无需调整任何参数。
AI于是去掉了参数，努力采用合适的默认值。
提要求太容易了，我又加码：
应采用自适应采样间隔，不设最大采样帧数，完整处理整个视频。输出质量优先，其次才是处理速度。
有些AI没想到的，我得提醒：
你处理的视频可能包含固定的页眉和页脚，这些并非滚动部分，应当被移除。只应将滚动部分拼接成最终图片。
到这里能看到结果了：
有点问题，但先不急着改，还有别的事要做。
让豆包做个图标。
为一款名为”ScrollSnap”的应用设计一个Logo，该应用通过拼接滚动屏幕视频来创建长截图。设计应简洁直观，具有苹果官方应用Logo的风格。
有点意思，但太简陋。换千问试试。
创意不错，但太杂乱。我很喜欢这个S形状，改下提示词：
画一个iOS app logo，包含一个长网页截图构成的S形卷轴
思路对了，但不够美观。再试试豆包。
眼前一亮，就它了，完美。
接下来：
创建服务条款和隐私政策，条款保持简洁。让用户在设置菜单中可以查看。
移除裁剪功能，该操作可在相册中完成。图片预览全宽显示在结果框，保存和分享按钮以纯图标形式固定在右上角，图片向上滚动超出屏幕时，这两个按钮应固定在屏幕顶部。
保存和分享用标准iOS按钮，保存按钮在左侧。滚动时画面闪烁严重，请优化。
为按钮添加标签，并让它们适应结果框头部区域。库中图片按顺序命名。删除操作需增加确认提示。
按钮固定时几乎看不见。加载新视频时，应清除之前的结果。
点击库中图片有时没反应。将所有操作移至导航栏，显示分享按钮，并将保存和删除操作折叠到”…”菜单中。
终于把视觉和交互相关的小问题都解决了，接下来是核心功能的问题。
修复生成附图的视频拼接服务。生成的图片倒置，包含大量重复内容，并且遗漏了很多长文本内容。请从算法角度重新思考：如何移除视频中可能存在的页眉和页脚，正确捕捉实际内容而不遗漏或重复；如何优化内存和处理时间。针对长滚动网页优化。如果容易实现，请检测非此类视频并警告用户可能出现不良结果。
AI给出十条改进意见：
修复坐标系反转 修正图像条绘制方式 扩大重叠区域搜索范围 提高重复帧判定阈值 优化自适应采样间隔 磁盘缓存降低内存占用 添加视频类型预检测 改进页眉页脚检测 提高预览图清晰度 解除输出高度限制
做完并没明显改进。仅靠现象提示已经不够了。
这是这次运行的日志和图片结果。
AI噼里啪啦一通修改。
还是同样的问题，这是新日志。
AI略带歉意地继续改。
没改好，看新日志。
AI百思不得其解，又乱改了一些。
更差了，新日志。
AI大脑开始精神分裂。
让我仔细检查…应该是对的…啊我确信发现问题了！…等等我想错了…上下文有点乱…我需要重新理清思路…让我从头开始…我得从git恢复上一个版本…让我删除这个文件…我得重写这个函数…
就这样到了晚上10点半，我承认3小时挑战失败。AI在UI框架搭建上很高效，但核心功能没做好，还无法独立处理复杂算法问题。
不想放弃。很喜欢ScrollSnap这个名字和图标，也很需要这个功能。
我最想知道还要多久能做好。
感觉已经近在咫尺。
第二天
Vibe Coding常让人有赌博或游戏成瘾的快感。你不用思考，只需提要求，输入提示词就像拉老虎机，AI不停吐出token。有时是惊喜，一句话变成意想不到又合理的功能；有时又失望，明明说修好问题，结果却没有，甚至带来新问题。像赌博一样，你总觉得奇迹会在下一次发生，重要的是别停下。
这次我对让AI自己爬出泥坑失去信心，决定动手帮它一下：
你需要做这几步：
检测视频中的滚动和不动区域（页眉页脚、悬浮按钮） 找到仅包含滚动区域的最大矩形 用这个矩形作为遮罩提取每一帧的滚动内容 将这些滚动内容拼接成长图
AI说这是个好主意。不管你的方法多烂，它都会这么说。
这样做确实比之前有进步。经过AI修改，简单情况下可以正常输出长图了。
我说的是简单情况下。
实际情况比这复杂得多：
视频可能包括不同APP间切换的多段场景 页眉页脚可能不是完全静止，可能自动收起或展开 悬浮图标大小形状不一，不能完美识别 屏幕上可能有其他移动目标或干扰元素
就这样，花了整个白天喂给AI各种错误，要求它优化处理复杂场景，但像掉进了无限循环的兔子洞。
我好奇别人怎么做。看了几个类似APP，多数并不干净。但有一个给了我启发：其实不需要找到最大的干净矩形，只要有一个干净矩形就够了，原则上所有有效内容都会经过这个矩形。
这个矩形可以是屏幕中央的一块固定区域。这样天然避开了页眉页脚和悬浮图标，因为它们大多在屏幕两端。
可以把视频想象成一副叠在一起的扑克牌，每一帧就是一张牌。制作长图的过程，就像把扑克牌部分重叠地展开。我们把上一张相对下一张垂直滑动，直到内容重叠部分完全对齐，然后粘在一起。不断重复，直到所有牌都展开成长长一条，就得到一张长图。
把这个思路告诉AI，它又夸奖说很棒。我用GPT试了几次，总有纰漏。后来换Gemini，一次成功了。
这时是晚上10点。核心功能做好，APP算是大致完成。
3小时没完成的任务，24小时完成了。虽然比预期久，虽然还需人工干预，但AI对软件开发的影响已势不可挡。软件开发的门槛大大降低，迭代速度加快，不出意外手写代码很快会成为历史。
我想AI的破坏力大概率是真实的。IT企业不再能靠开发复杂度做护城河，更多壁垒来自网络效应、生态、内容、渠道、客户资源等。AI原生IT企业会有不同组织形式，少量人指挥大量智能体，消耗大量算力。未来企业的效率可能是用人均用电量来评价了。
软件本身也会变成另一种形态。预制软件可能和预制菜一样不再受人欢迎。与其去试错寻找一个凑合能用的软件，不如量身定制一个。软件像脱水蔬菜，被压缩成一条Prompt。人们按需修改，用时让AI解码恢复出来。未来的PaaS可能是Prompt as a Software/Service。甚至以后不再有供人类使用的软件，只需吩咐AI：“想办法帮我把财新这篇文章分享给……”。
我怀疑现在读计算机专业还是不是个好选择。
后记
能用到能交付还有一天的距离。但眼已瞎，第三天只能休息。
第四天把APP提交到应用商店审核。收尾工作还不少：用户体验细节优化、更多内容场景测试、收入模式选择、App Store上架准备等。这些繁琐但不复杂，AI都能轻松搞定。
第七天，APP上架了，免费，把内卷继续到底～
免费下载地址（点击阅读原文）：
https://apps.apple.com/app/id6759849068
仓库地址：
https://github.com/dodid/scrollsnap
最后让AI总结一下项目各阶段主要工作。如果刚开始接触AI软件开发，可以参考：
-
项目初始化与基础功能（2026-02-26） -
创建仓库。 -
实现MVP：视频导入、自动拼接、裁剪、保存/分享、图片库、现代UI、iOS 18适配。 -
拼接算法初步实现，支持自适应采样、排除重复帧、自动检测滚动区域。 -
增加法律文档（ToS/隐私政策）及设置入口。 -
导入logo并设置为app icon，优化UI标题。 -
体验与UI优化（2026-02-26 ~ 2026-02-27） -
移除裁剪功能，优化结果预览和操作按钮布局。 -
改进保存/分享按钮样式、交互和可见性。 -
优化图片库卡片点击、导航栏操作、删除确认。 -
修复拼接方向、内容重复、缺失等问题，完善调试日志。 -
解决CG坐标系翻转、Vision API兼容、异步帧生成等兼容性问题。 -
拼接算法迭代与调优（2026-02-27） -
多次重写VideoStitchingService，尝试多种拼接算法（NCC、MAE、Vision特征点、光流、RANSAC等）。 -
自动检测滚动带、排除静态头/底栏、检测home indicator。 -
增加调试日志、性能分析、错误处理。 -
完善帧采样、带宽检测、拼接带定位、动态间隔自适应。 -
解决重复内容、内容缺失、拼接带错位、滚动速度不均等问题。 -
交互工具与可视化（2026-02-27 ~ 2026-03-01） -
增加重叠区域预览工具，支持滑块/时间轴调节、可视化拼接带。 -
优化预览透明度、标注、对齐方式，提升可读性。 -
增加“查找稳定起点”功能，辅助用户避开UI动画干扰。 -
引入Photos风格视频时间轴裁剪控件，支持拖动耳朵、弹窗缩略图、原生比例、蓝色耳朵等细节。 -
拼接流程与性能优化（2026-03-01） -
固定帧采样间隔，移除自适应采样逻辑，支持精确/快速两种模式。 -
增加滚动条检测与移除（按seam逐段处理），避免拼接结果出现滚动条。 -
优化拼接流程进度提示，简化为“对齐滚动帧/合成最终图片”两阶段。 -
修复拼接带宽、内容重复、帧采样等细节问题。 -
图片库与导出体验（2026-03-01） -
优化图片库缩略图布局、固定高度、容器驱动布局。 -
图片命名支持递增编号（Image 001起），导出时使用displayName。 -
支持手动保存到相册，移除自动保存逻辑。 -
解决横屏图片拉伸、缩略图溢出等UI问题。 -
支持与设置（2026-03-01） -
增加咖啡主题打赏（IAP），支持者徽章、咖啡数量统计、emoji展示。 -
优化打赏按钮样式、文案、早期加载产品信息。 -
设置页支持英雄区、徽章、评价入口、无导航标题。 -
App Store与基础设施（2026-03-01） -
提供中英文App Store文案、关键词、推广语。 -
基础设施部署（Terraform、CI/CD、网站、域名、证书、邮箱转发）。 -
法律文档网页化，App内跳转至官网。 -
网站logo、截图处理、自动化脚本等。
