最近在开发 Kairoa 这个桌面版的开发者工具时，又一次感受到了 AI 辅助开发的魅力，AI 写代码已经完全改变了我的开发方式。
从零到一：快速上手新技术
Kairoa 用的是 Tauri 2 和 SvelteKit 5，这两个技术栈对我来说都是全新的。特别是 Svelte 5 的 runes 系统（derived、$effect），和之前用过的框架差异还挺大的。
刚开始的时候，我对着文档看了半天，还是有点懵。后来干脆直接问 AI："Svelte 5 的 runes 怎么用？能给我个实际例子吗？" 它直接给了我一个完整的组件示例，还解释了每个 rune 的用途。我照着例子改改，很快就上手了。
这种学习方式比看文档快多了。文档往往比较抽象，而 AI 能直接给你可运行的代码，还能根据你的具体需求调整。比如我想实现一个响应式的状态管理，AI 不仅能给出代码，还能解释为什么这样写，有什么需要注意的地方。
解决那些"卡住"的时刻
开发过程中，总有一些小问题会卡住你。比如有一次，我在实现图片拖拽功能时，发现 Tauri 环境下拖拽事件不触发。我查了半天文档，试了各种方法都不行。
后来我把问题描述给 AI，AI 很快就指出了问题：Tauri 会拦截拖拽事件，需要在全局监听，而且要用 capture 阶段。不但给了解决方案，还解释了原理。我照着改，问题立马解决了。
这种"卡住"的时刻，以前我可能要花一两个小时查资料、试错，现在几分钟就能搞定。AI 就像一个经验丰富的同事，随时可以请教。
实现复杂功能：国密算法支持
最近要给 Kairoa 添加国密算法支持（SM2、SM3、SM4），这个功能我之前完全没接触过。如果自己研究，可能需要：
- 找合适的库
- 看文档理解 API
- 实现加密解密逻辑
- 处理各种边界情况
但有了 AI 辅助，整个过程变得顺畅多了。我先问它："JavaScript 里有什么好用的国密算法库？"它推荐了 sm-crypto-v2，还告诉我怎么安装和使用。
然后我描述需求："要在现有的加解密工具里添加 SM2、SM3、SM4 支持，需要集成到现有的 UI 中。它帮我做了如下事情：
- 设计类型定义
- 实现加密解密函数
- 处理不同模式（ECB、CBC、GCM）
- 更新 UI 和国际化
整个过程大概花了半个小时，如果自己研究，可能得两三天。而且 AI 给出的代码质量还不错，基本不需要大改，只需要根据项目风格微调一下。
代码质量和最佳实践
AI 不仅能写代码，还能帮你改进代码。比如有一次我写了个函数，功能是实现了，但代码有点冗长。我问 AI："这段代码能优化吗？"，AI 不但给出了更简洁的版本，还解释了优化思路。
还有一次，我遇到了一个 TypeScript 类型错误，错误信息有点晦涩。我把错误信息贴给 AI，很快定位到了问题，还告诉我怎么修复，以及如何避免类似问题。
这种"代码审查"式的帮助，让我学到了不少最佳实践。比如：
- 如何更好地组织代码结构
- 如何处理异步操作
- 如何设计类型系统
- 如何写出更健壮的错误处理代码
UI/UX 优化的迭代
Kairoa 的图片处理功能，UI 改了好几版。每次改版，我都会和 AI 讨论：
- "这个布局怎么样？"
- "用户操作流程是否顺畅？"
- "有没有更好的交互方式？"
AI 会给出建议，比如："可以把角度输入框和滑动条放在同一行以节省空间"、"拖拽时应该给视觉反馈"等等。这些建议都挺实用的，让界面变得更友好。
而且，当我描述一个交互问题时，AI 能快速给出解决方案。比如"选择同一张图片后没反应"，它马上指出是文件输入的 value 没重置，需要手动清空。
调试和问题定位
开发中最烦的就是调试。有时候一个 bug 要查很久，特别是那些偶发性的问题。
有一次，我遇到了一个编译错误，提示某个类型不匹配。我看了半天代码，没看出问题。后来把错误信息和相关代码给 AI，它很快指出是某个函数的返回类型定义不对。
还有一次，功能在浏览器里正常，但在 Tauri 里就不行。AI 帮我分析了可能的原因，还给出了排查步骤。按照它的建议，我很快定位到是事件监听的问题。
学习新技术栈
Tauri 2 的插件系统，我之前完全不了解。当需要添加更新功能时，我问 AI："Tauri 2 怎么实现应用更新？"它给了我完整的实现方案，包括：
- 需要安装哪些依赖
- 如何配置
- 前端如何调用
- 如何处理更新流程
我照着实现，很快就搞定了。这种学习方式，比看官方文档效率高多了。
反思：AI 是工具还是伙伴？
用了这么久 AI 辅助开发，我觉得它更像是一个"超级实习生"：
- 它知识面广，什么技术都了解
- 它不知疲倦，随时可以请教
- 它反应快，几秒钟就能给出答案
- 但它需要你的指导，需要你判断对错
最重要的是，AI 不能替代你的思考。它给出的代码，你需要理解，需要根据项目实际情况调整。它给出的建议，你需要判断是否合适。
比如，AI 可能会给出一个"标准"的解决方案，但你的项目可能有特殊需求。这时候，你需要告诉 AI 你的约束条件，让它给出更合适的方案。
一些经验总结
- 明确描述问题：问题描述得越清楚，AI 给出的答案越准确。包括上下文、错误信息、你尝试过的方法等。
- 验证 AI 的答案：AI 有时候也会出错，特别是涉及最新技术或者复杂逻辑时。要自己验证，不要盲目相信。
- 理解而非复制：不要直接复制粘贴代码，要理解它的逻辑，然后根据项目需求调整。
- 保持学习：AI 能帮你快速实现功能，但基础知识还是要掌握。否则，你只是在使用工具，而不是在开发。
- 迭代优化：AI 给出的第一版代码可能不是最优的，可以继续和它讨论，优化代码质量。
结语
AI 辅助开发，让我感受到了技术进步的威力。以前需要几天才能完成的功能，现在可能半天就搞定了。以前卡住的问题，现在几分钟就能解决。
但 AI 只是工具，真正的价值在于：
- 它让你能更快地实现想法
- 它让你能学习更多技术
- 它让你能专注于核心逻辑，而不是重复劳动
Kairoa 这个项目，如果没有 AI 辅助，我可能不会选择用 Tauri 2 和 SvelteKit 5 这些新技术，因为学习成本太高了。但有了 AI，我可以大胆尝试，快速上手，把更多精力放在产品功能上。
这或许就是 AI 辅助开发的意义：它降低了技术门槛，让开发者能更快地把想法变成现实。而在这个过程中，我们也在不断学习，不断成长。
未来，AI 辅助开发可能会成为标配。但无论工具怎么变，开发的核心不变：理解需求、设计架构、实现功能、测试验证。AI 只是让这个过程更高效，而真正的创造力，还是来自开发者自己。
关于 Kairoa 开发者工具
Kairoa 是一款简洁、直观且跨平台的桌面开发者工具。下载地址：github.com/covoyage/ka…
