不是模型变慢了，是任务变大了 - 肘子的 Swift 周报 #146
内容提要
文章探讨了AI编程速度变慢的原因：并非模型能力下降，而是开发者将更复杂任务交给AI，且Agent会主动扩大分析范围。开发者追求的不再是“更快写代码”，而是“更慢写出更好的代码”。真正的瓶颈已从模型能否完成任务，转变为如何清晰定义目标并降低实现成本，高质量组织工作成为新的效率竞争力。
延伸解读
任务粒度变化是感知变慢的主因
文章指出，AI编程速度变慢并非模型能力下降，而是开发者将更复杂的任务交给AI，且Agent会主动扩大分析范围。随着信任增加，任务从修改函数升级到开发整个产品，模型承担的工作量显著增加。因此，感知到的“变慢”实际上是任务复杂度和范围扩大的结果，而非模型性能退化。
效率瓶颈转向目标定义与任务拆解
当AI成为协作者，真正的瓶颈不再是模型能否完成任务，而是如何清晰定义可验证的目标，以及如何降低实现成本。高质量地组织和拆解工作成为新的效率竞争力。开发者需要从“更快写代码”转向“更慢写出更好的代码”，注重任务规划与验证，以提升整体交付质量。
AI编程的实践启示：平衡速度与质量
文章通过个人经验提醒开发者，在享受AI带来的便利时，需注意任务粒度的变化可能带来的隐性成本。合理配置模型强度、明确任务边界，并利用Agent的主动分析能力，有助于在速度与质量之间取得平衡。这要求开发者具备更强的目标定义和任务管理能力，以适应AI协作的新模式。
Q&A
为什么AI编程速度变慢了？
AI编程速度变慢并非模型能力下降，而是因为开发者将更复杂的任务交给AI，且Agent会主动扩大分析范围，导致完成一次任务承担的工作量增加。
开发者使用AI编程的方式发生了什么变化？
开发者从修改函数、优化页面，逐渐转变为实现功能、完成模块甚至开发整个产品，将Agent视为真正的协作者，任务粒度变大，从问答式转向交付式。
AI编程的真正瓶颈是什么？
真正的瓶颈已从模型能否完成任务，转变为如何清晰定义可验证的目标，以及如何降低实现目标的成本。高质量地组织和拆解工作成为新的效率竞争力。
开发者追求的目标是什么？
开发者追求的不再是“更快地写代码”，而是借助AI“更慢地写出更好的代码”，即更注重代码质量和整体效果。
如何利用Custom Executor将传统回调API与Swift Concurrency融合？
Kyle Browning利用Swift 6.2的Custom Executor，将CoreBluetooth的回调队列与Actor的执行上下文绑定，使Delegate回调天然运行在Actor隔离环境中，无需额外的锁、线程切换或同步逻辑。
在CI环境中管理Xcode有哪些实用技巧？
Dmitry Rodionov总结了使用DEVELOPER_DIR替代xcode-select管理多版本Xcode、自动安装与清理Simulator Runtime和Metal Toolchain，以及利用Compilation Caching减少重复编译等技巧。
如何优化GitHub Actions的CI执行？
Snow提出让每次CI执行与实际风险相匹配，例如用确定性测试消除无意义重跑、将可移植检查迁移到Linux、仅将依赖Xcode的验证留给macOS，并根据变更风险动态选择Build、Test或Build for Testing。
SwiftUI中如何构建自适应非模态面板？
Matthaus Woolard通过onGeometryChange在场景根部记录窗口尺寸与Safe Area，根据真实可用宽度决定面板显示在底部还是侧边，并在拖动期间保留已解析的布局缓存以避免尺寸跳变。
Xcode 27的@ContentBuilder有什么作用？
Xcode 27引入了新的@ContentBuilder，目前是ViewBuilder的类型别名，Apple开始在新API中推荐使用。它可能提升编译效率，但现有代码无需立即替换，也能受益于编译器改进。
tswift项目有什么特点？
tswift是用Rust构建的轻量Swift运行时，无需Swift工具链、LLVM、代码生成或C依赖，即可解析、语义分析并执行Swift源码。它已支持SwiftUI基础渲染和Charts的Web SVG输出。
