过去一年，AI 写代码这件事被讲得太多了。

有人让 AI 写一个按钮，有人让 AI 修一个报错，也有人让 AI 生成一个漂亮页面。

但我一直很好奇一个更现实的问题：

AI 到底能不能参与一款 App 从开发、调试、设计、上架到运营的完整流程？

不是写几段代码，不是做一个玩具 Demo，而是一个真正能装到手机上、能登录、能记账、能识别票据、能同步云端、能订阅会员、能提交 App Store 的产品。

于是，我做了一个实验。

这个实验最后变成了一款 App：

AI 财富记账本 / AI Wealth Tracker

它支持语音记账、拍照识票、文本记账、资产管理、股票持仓、月度报表、AI 财务分析，还做了中英文双模式，并最终上线 App Store。

更特别的是，它的很多开发过程，是我和 AI 一起完成的。

01. 一开始，我想做的不是“记账”，而是“少记账”

传统记账 App 最大的问题不是功能少，而是太麻烦。

每次消费之后，你都要打开 App，选分类，输金额，填备注。

坚持三天很容易，坚持三个月很难。

所以这个 App 的第一个目标很简单：

让记账动作尽可能消失。

我希望它可以做到：

说一句话，就能记账。

拍一张票据，就能识别。

复制一段订单文本，也能自动拆分。

用户不需要理解复杂表单，只需要把信息丢给 AI。

真实首页截图：目标不是做一个更复杂的账本，而是让记账变得更少打扰

02. AI 在这个项目里，不只是“代码生成器”

很多人理解 AI 编程，停留在“帮我写一个函数”。

但真正做一个 App 的时候，问题远不止函数。

你会遇到：

UI 不够高级。

浅色模式太白。

深色模式列表发灰。

OCR 只识别出一条。

模拟器一直弹 Apple 登录。

订阅成功但会员状态没更新。

TestFlight 登录验证码收不到。

App Store 截图尺寸不对。

Apple Ads 跑了两天没有安装。

Gemini 成本突然变高。

macOS 安装后无法滑动。

这些问题单独看都不大，但它们叠在一起，就是一个真实产品的开发现场。

在这个项目里，AI 参与的不是某个孤立任务，而是完整循环：

发现问题 → 定位代码 → 修改实现 → 跑测试 → 装模拟器 → 看效果 → 再修。

这更像一个永远在线的结对开发者。

AI 开发闭环：AI 真正有价值的地方，是进入完整工程循环

03. 第一个难点：单包双模式

这个 App 不是简单做一个中文版，再做一个英文版。

我选择的是：单包双模式。

也就是说，同一个 App 包，根据地区和配置切换不同能力。

中国区：中文界面、手机号登录、百度 OCR、通义千问、人民币资产。

国际版：英文界面、Apple / Google 登录、Google Vision、Gemini、美股行情、多币种。

这听起来只是“多语言”，但实际远不止。

比如：

中文用户习惯手机号验证码登录。

海外用户更习惯 Apple 登录。

中文票据更适合百度 OCR。

英文票据更适合 Google Vision。

中文 AI 解析走 Qwen。

英文 AI 解析走 Gemini。

中国用户关心 A 股、现金、银行卡。

海外用户可能更关心美元、股票、基金、资产组合。

所以底层必须设计成可切换的能力系统，而不是简单翻译文案。

单包双模式架构：真正难的不是翻译，而是让一套 App 支持两套用户习惯

04. AI 记账：从“识别金额”到“理解账单”

最早的 AI 记账很简单：

用户说：“午饭 35，打车 18。”

AI 返回两条账单。

但很快问题就来了。

真实世界的账单，不会这么干净。

一张旅游订单截图里，可能同时有酒店、火车票、推荐景点、入住日期、退票按钮。

一张英文购物小票里，可能有商品明细、税费、小计、总计。

一张中文订单里，可能有原价、优惠、实付款。

如果模型不够聪明，就会把原价和实付识别成两笔。

如果规则太死，又会漏掉真实账单。

如果完全依赖大模型，成本又会越来越高。

真实 AI 记账弹窗截图：开口记账、拍照识票，账单自动进入结构化流程

所以后来我把 OCR 链路改成了三层：

第一层：OCR 先把图片转成文字。

第二层：本地规则先尝试解析高置信度票据。

第三层：本地不确定时，再交给 Gemini 或 Qwen。

这就是后来做的“智能混合解析”。

简单票据，本地就能处理。

复杂票据，交给模型兜底。

既省钱，也减少模型胡乱发挥。

智能混合 OCR 流程：不是所有问题都要交给大模型

05. UI 打磨：从“能用”到“想用”

功能做出来之后，我很快遇到一个经典问题：

App 能用，但不够高级。

尤其是浅色模式。

最开始的界面太白，卡片和背景边界不明显，有一种“视觉贫血”的感觉。

后来我们反复调整了几个方向：

首页顶部改成深色渐变 Hero 卡片。

资产管理改成低对比的雾面透色容器。

快捷记账胶囊降低存在感。

最近账单改成聚合大卡片。

浅色模式使用带一点品牌色的背景，而不是纯白。

深色模式重新处理卡片灰度和边框。

这个阶段很有意思。

AI 不只是写代码，它还能和我一起讨论：

为什么这张卡片显得臃肿？

为什么右侧太空？

为什么白色太多？

为什么按钮背景太抢眼？

为什么账单列表在深色模式下看起来脏？

这些问题没有唯一答案，但 AI 可以快速给出方案，我再用模拟器看效果，一轮一轮收口。

06. 资产管理：记账 App 不应该只看支出

做到账单和报表之后，我发现另一个问题：

用户真正关心的不是“我花了多少钱”，而是：

我的钱现在在哪里？

所以 App 加入了资产管理。

现金、银行卡、基金、股票、其他资产，都可以放在一个地方看。

国际版还接入了股票行情，可以看到持仓市值和盈亏变化。

这让 App 从“记账工具”变成了“财富跟踪工具”。

真实资产页截图：支出只是结果，资产才是全局

07. AI 分析：不是给用户一堆图，而是给判断

做报表很容易，真正难的是让报表有意义。

所以我把 AI 分析页做成了更像“财务体检”的体验。

它不只是告诉你本月花了多少钱，而是尝试回答：

现金流健康吗？

支出有没有异常？

资产变化是否合理？

股票风险是否需要注意？

下个月预算该怎么调？

这个功能对免费用户也开放完整诊断，因为产品的价值应该先被看见。会员限制放在录入条数、同步和更高频使用上，而不是把核心认知体验藏起来。

真实 AI 分析页截图：AI 不只是记账入口，也可以成为财务体检入口

08. 最难的部分，往往不是功能，而是上线

做 App 的人都懂：

真正折磨人的，不一定是写页面。

而是那些上线前必须处理的小问题。

比如订阅。

客户端显示订阅成功，并不代表服务端一定可信。

所以后面接了 App Store Server API 和 Server Notifications，让会员状态不只依赖本地同步。

再比如 TestFlight。

验证码收不到，要查短信服务。

订阅到期日不更新，要查 Apple receipt、云端表、VIP 逻辑。

沙盒账号登录失败，要换模拟器、真机测试。

App Store 截图不合规，要重新生成 6.9 寸 iPhone 和 13 寸 iPad 的中英文预览图。

macOS 兼容异常，还要单独适配触控替代和窗口体验。

这些事情很碎，但它们决定了一个 App 到底是“Demo”，还是“产品”。

上线清单：从 Demo 到产品，中间隔着一百个细节

App Store 预览图合集：真实上架素材也成为产品打磨的一部分

09. AI 也会犯错，所以必须建立验证习惯

这个项目里，AI 帮了很多忙，也踩过不少坑。

比如有一次，OCR 新策略为了省 Gemini 成本，加入了本地优先解析。

结果英文小票被本地规则误判成“单笔总额”，没有交给 Gemini，导致只识别出一条账单。

问题不是 AI 不能做，而是：

AI 改代码之后，必须验证。

后来我形成了一个习惯：

改完先跑 `flutter analyze`。

再跑测试。

再装到 iPhone 17 Pro Max 模拟器。

再看日志确认走的是本地还是 Gemini。

必要时重装 App。

关键功能再拿真机测。

这也是我对 AI 开发最大的感受：

AI 能极大提高速度，但它不能替代工程纪律。

你越依赖 AI，越需要测试、日志、回归用例和清晰的边界。

验证日志：验证不是形式感，而是 AI 开发里的安全带

10. 成本也要算：不是所有 AI 都一样贵

刚开始我更多关注功能能不能跑。

后来开始看成本。

英文版使用 Gemini，中文版使用 Qwen。

实际对比后发现，中文场景下 Qwen 的成本非常低；Gemini Flash-Lite 也已经比之前便宜很多，但大规模调用时仍然要控制。

所以 App 做了两件事：

第一，AI 分析页加缓存，同一个用户、同一个月份、账单没变化时，不重复请求。

第二，OCR 解析走智能混合，本地能确定就不请求模型。

这其实是 AI 应用很现实的一课：

模型能力重要，成本结构同样重要。

如果不做缓存、不做路由、不做本地兜底，用户量一上来，账单就会变成压力。

AI 成本优化：把模型用在最值得的地方

11. 这次开发之后，我对 AI 编程的看法变了

以前我觉得 AI 编程像一把更快的锤子。

现在我觉得它更像一个随叫随到的团队：

它可以当初级工程师，帮你写样板代码。

可以当测试工程师，帮你补回归用例。

可以当 UI 顾问，帮你拆解视觉层级。

可以当后端助手，帮你查接口链路。

可以当发行助理，帮你整理截图和版本说明。

可以当运营参谋，帮你分析广告组和关键词。

但它也需要你做产品负责人。

你要决定方向。

你要判断审美。

你要知道什么时候该省钱，什么时候该保准确率。

你要知道什么能自动化，什么必须真机验证。

你要知道哪些东西不能碰，比如密钥和用户数据安全。

AI 不是替代你，而是放大你。

如果你本来就有产品判断，它会让你跑得更快。

如果你没有判断，它也会让你更快地跑偏。

真实报表页截图：产品最终要回到用户能理解、能使用、能坚持的价值

结尾：未来的软件，可能会越来越像这样被做出来

这款 AI 财富记账本，还远远不是终点。

它还可以继续优化 OCR、继续提升 AI 分析质量、继续做资产诊断、继续改善订阅体验、继续扩展更多国家和币种。

但这次开发让我非常确定一件事：

AI 开发不是未来，它已经是现在。

真正的变化不只是“代码写得更快”。

而是一个普通开发者、一个独立产品人、一个小团队，可以用过去远远做不到的速度，把想法推到真实用户面前。

以前做一个完整 App，需要很多角色：

产品经理、设计师、前端、后端、测试、运维、增长。

现在 AI 不能完全替代这些角色，但它可以让一个人暂时拥有这些角色的影子。

这很令人兴奋，也很危险。

因为门槛降低之后，真正稀缺的东西会变成：

你有没有好问题。

你有没有判断力。

你有没有耐心把一个 Demo 打磨成产品。

而这一次，我做的就是这个实验：

把 AI 当作联合开发者，认真做完一款 App。

不是玩具。

不是截图。

不是一次性 Demo。

而是一款真的上线、真的能用、还能继续进化的 AI 财富账本。

AI 不只是写代码，它正在改变产品诞生的方式。