本月最大的进展是终于发布了第一个 ios app。要在以前，这是不可想象的，因为哥是后端出身。关于这个应用的介绍可以见这里：http://lingo.humanstar.ai/ 。
ios app vibe coding 过程中的收获
apple 平台 local first 的 ai 应用经验
为何强调 local first？这其中最大的原因当然是差异化，以及安全隐私。次要原因则是：探索 apple 自身的 ai 技术栈，为未来的应用做好准备。
总的来讲，我个人的感觉有几点：
- apple 对于本地 ai 应用开发提供了良好的支持，不论是图像、文字、音频和翻译，都提供了完善的支持。无需借助外部的类库，开发者就可以完成：OCR、文字处理、音频转录、翻译和 TTS。
- Foundation Models framework 提供了本地 llm 功能，开发者可以使用 prompt 和 tools 等熟悉的技术去开发本地 ai 应用。
- SLM 和 LLM 大不同，极易出现 prompt injection，并且几乎无解，因此 fallback 措施在所难免。
自制面向 coding agent 的 ios app 调试工具
相关设计和实现思路可前往这篇文章阅读：我 vibe coding 了一个 iOS 调试工具，让 Claude Code 自己去操作 App。
在开发过程中，该工具也确实帮了大忙，不仅省去了给 CC 复制粘贴错误信息和截图的繁琐步骤，也确实解决了不少奇异古怪的 ui 问题。
并且，这一实践也跟哥之前一系列文章里一直倡导的思路一脉相承：最好是给 ai 提供自我验证的环境和工具，而非单纯地把它当作更快的代码生成工具。
面向 coding agent 的 test scenarios 检查单
不论是人还是 ai 写的代码，要保证整个产品的确定性，都得要借助测试来完成。只不过呢，因为 ai 生成的代码速度太快，而人的 review 速度太慢，加之未必面面俱到的审核，难免就会把产品质量问题放大。
如果你能将所有场景都落实到自动化测试，那自然是再好不过。但实际的情况未必那么理想，有些测试场景受限于设备、环境和需求的稳定性，难以自动化，此时只能借助人工。但即便如此，也需整理好一份测试场景的检查清单，以便在必要时让 coding agent “心算”。
这里需要提醒几点：
- 这个检查单需要跟随代码一起更改。
- 对于 ai 的自查需要留意和警觉。
关于 Loop Engineering 的个人看法
轮到造新词，IT 行业无人出其右。从业这么多年，年年有新词。到了 ai 作为编程主力的今天，新词出现的速度似乎更快了。这不，这个月 loop 工程又被捧上了天。在这个领域，上一个被热捧的词还是前几个月的 Harness。
作为一名看惯风雨的高年从业者，哥对此不太以为然。在我看来，它跟早些年的工作流没本质区别，只不过这次是你定义工作流（loop），ai 来执行。此外，个人觉得业界这么吹捧它的另一个原因是：方便更快更好地卖 token，营销手段而已。
并且，一个好的 loop，本身离不开：
- 明确的目标，否则极易死循环，浪费你的钱，但厂家很高兴。
- 让 ai 验证的环境。
- 让 ai 工作的环境，最常见的：worktree。
- 支持 ai 工作的工具，如：知识库（面向 ai 的文档）、cli 工具、mcp 工具等。
而 loop 不过是以一种自动化的方式将以上组合在了一起。并且，不同类型的工作也需要不同类型的 loop，说穿了，还是工作流。
在兴冲冲尝试 loop 之前，建议审视一下：
- 目标是否明确
- 原因见上。
- 达到目标的成本是否可以估算且可控
- 有些目标虽然明确，但若验证成本很高或难以估算，也需提防。万一 ai 采用无节制暴力穷举的方式去解决问题，我相信你的账单也会不好看。
一种理想的候选是：带有完善自动化测试的老系统翻新重构。
技术尝试和见闻
Gemma 4 12b
在 4 月的月报我曾尝试了一下 Gemma 4（分别是 31b 和 e4b），效果差强人意，感觉不好。本月趁着该系列的 12b 出来时又尝试了一下，整体感觉不错，性能也能接受，只是对于中文偶尔会冒出粤语或其他方言。若实际应用，微调肯定是免不了的。
agent framework
我自己在用的由 langchain 出的 deep agent 也支持了 dynamic subagent，包括若干更新。
vercel 新出了自己的 agent 框架： eve，可以跟 next.js 搭配。
简单看了一下 pi，觉得有点意思，未来或许会考虑。
大厂弃用 CC
连续两天看到的类似新闻：前次是 Meta，这次是阿里。他们给的理由也很简单：怕自己的数据和资料经由 CC 这道口泄露给竞争对手。
从他们的角度来看，当然可以理解。ai 竞争无外乎三方面：独特的数据、牛逼的模型和高性能的算力。这三者总得占一头未来才有奔头。
但是对于一个已经过知天命之年的技术老登来讲，其实我并不 care，造样用 CC 或 Codex，哈哈。
最后，来自小伙伴的总结
- “本月尝试将一个大型老项目进行翻修。尝试了 claude code 的
/goal指令方式进行迁移。先将翻修要求、架构重构方向、检测标准等写成规格书，然后使用/goal方式进行多轮迭代，最后收尾的时候进行一轮人工 review 确保核心业务不偏离。效果非常好。目前翻修过的项目稳定上线运行，测试覆盖率80%左右。” - “让 ai 用第一性原理分析，排查问题，让 ai 回到问题本质。参考
https://github.com/awesome-skills/first-principles-skill”
此外，小伙伴也提到：“headroom 已经用上了，社区都说这玩意牛逼，体验下。”
至于这个工具是什么，请自查，哈哈。