夜雨聆风两周前，我想做个小工具：常驻后台，把我复制过的内容都记下来，要用时一搜就有、一键粘贴。现成的要么太重，要么非把数据传上云不可。我还想让它跨平台，至少 macOS 和 Windows 都要能跑。
我是个全职写代码的人，可 Rust 一窍不通，这事儿又只能在休息时间挤着做，没法全天扑上去。就这点底子，我用 WorkBuddy（把 ClipStack 从零做出来了：跨 macOS / Windows、带端到端加密，还顺手做了局域网多设备共享。
本文所涉及支持局域网共享的剪切板地址：
gitee: https://gitee.com/liuzhengguo/ClipStack/
github: https://github.com/skillful2002/ClipStack/
这篇文章不聊技术细节，只说几件我后来想明白的事。
一、先规划，再动手，然后一小步一小步验证
用 AI 写代码，最容易犯的错就是上来就说帮我做个 XXX。我也差点这么干。ClipStack 真启动前，我先和 AI 把事情理清楚：产品定位、技术路线、功能模块、里程碑，一项项定。
那份规划文档后来成了整个项目的地图，Tauri 2 加 Rust 后端、React 前端、SQLite，功能从捕获引擎、历史管理、检索分类，一路排到安全和共享。关键是当时我要求它只规划、不实施，方向确认了才动第一行代码。
动手之后也不是一口气写完。我们按里程碑一小段一小段做，每做一块就编译、跑测试、上真机试。最典型的是局域网共享：方案写完，代码层验收通过，我以为成了，结果两台真机一连调，傻眼，互相看不见对方。
接着是连着好几天的打地鼠：服务名写错导致 mDNS 永远匹配不上；连接建起来才发现传过去的是原始 JSON；克隆出来的两台机器因为设备 ID 撞了互相看不见；关掉共享，对方列表里那台设备还赖着不走。几乎每个 bug 都是真机验证逼出来的。没有这层验证，代码层说通过，那只是幻觉。
光靠 AI 写得快没用，规划定方向、验证来兜底，这两步得自己上。
二、技术不一定要自己熟，但得清楚要做什么，也得会验证
ClipStack 的主力技术栈是 Rust。我一个写代码的人，偏偏这门一窍不通。换作以前，我大概率绕开它，挑个顺手的。
这次我挑了更合适的方案：Tauri 把前后端打包成同一个原生程序，体积小、不塞浏览器内核，正好对上常驻后台、低内存、跨平台这几个诉求。把怎么写交给 AI，你管写什么和写得好不好，这条路走得通。
不过也别理解成完全不懂也能成。这段经历里最难的坑，是既懂一点技术、又会验证才填平的。比如局域网那个僵尸连接：关掉共享，对面列表却还挂着一台假在线设备。根因很简单，断开时只丢了写的一端，读的任务还活着，心跳永远在回 Pong。真正的修法是主动 abort 掉读任务、或者发 Close 帧，再用一个代际守卫挡住后台刷新和前端刷新打架的竞态。
这些不是甩给 AI 自己搞定就能蒙对的。你得说清现象、判断它给的方案对不对。说白了，不懂语法不要紧，但得有产品感觉、能定义问题、会验证结果。要是你正好懂这门技术，开发会顺很多，熟悉并发模型起码能省半天。
三、文档，终于不再是程序员的酷刑
说句实话，以前当程序员，最烦两件事，一件是写文档，另一件是看别人的代码没文档。
写文档枯燥又没成就感，更新还总跟不上代码；接手一份没文档的祖传代码，那才叫痛苦。这两件事，基本是所有程序员的共同噩梦。
这次用 AI 做 ClipStack，这个噩梦被悄悄化解了。我从一开始就要它先把规划文档写出来，它顺手就产出了完整的技术路线、功能模块、数据模型、里程碑；做局域网共享，它先写设计方案再写开发计划；做安全改造，它先出《安全改造方案》等我确认。更妙的是这些文档不是一次性的死物，代码改了文档跟着改，它还能基于真实代码反推程序结构文档关键技术路线，甚至把每天的改动整理成开发日志。
也就是说，事先的规划文档、程序结构文档、关键技术路线，过去要人咬牙硬写、还总写不全的东西，现在 AI 全包了。程序员总算能从最烦写文档、更烦别人没文档里解脱出来。这体验，真是太方便了。
四、重复性的杂活，全交给 AI
做软件最磨人的，往往不是功能本身，而是功能之外那些事：打包、签名、发版本、写提交记录、推代码。以前这些事零散又容易出错，做着做着，一晚上就耗在为什么 dmg 打不出来Gitee 的 token 又 401上。
而我只能在休息时间做，时间本来就金贵。这次这些全交给了 WorkBuddy。它写好构建脚本，把 macOS 的 dmg（分 Apple Silicon 和 Intel）、Windows 的 msi 都自动化；发布时一键把同一组安装包同时传到 GitHub 和 Gitee；每次改动按修改点拆成多个清晰的提交，版本号三处同步、更新日志自动补。遇到代理抽风、分页器把命令截断这类环境坑，它也能自己诊断、自己绕开。
这些活跟ClipStack 能帮你记住复制过什么没半毛钱关系，却是交付一个真能用的软件绕不开的环节。交给 AI，我才腾出整块时间，去想更重要的事。
结尾
回头看，这段挤出来的休息时间最大收获不是做出了 ClipStack，而是想明白人和 AI 怎么分工：方向你定，做对没做对你把关；具体实现、重复杂活，还有过去最磨人的文档，交给它就对了。
说到底就四件事：先规划，技术可以选不熟的，文档交给 AI，杂活外包出去。比写哪一行代码，这几条管用得多。
关注我，以便及时收到最新的大模型相关资讯。
如果这篇对你有帮助，欢迎 点赞 · 在看 · 转发 给身边的同事。