AI 协作两周开发 Lightroom 平替全链路复盘
编辑点评 · AI 连续创业者视角（以下内容由 AI 提炼，观点归原作者；读完可不看原文）
案例展示了利用 AI 团队（Claude/ChatGPT/GLM）在 10 天内开发 6 万行代码的照片修图 App 并上架 App Store 的全流程（A·实测）。原文未列收入数字，但验证了 AI 编码与多模态协作的可行性。对搞钱者意味着：AI 编程正打破“高代码门槛”，小团队可极低成本复刻大公司产品。最大坑是缺乏单一工作区管理导致代码冲突，建议采用 Git worktree 隔离。
- 建立 Monorepo 让 AI 共享上下文，减少沟通成本
- AGENTS.md 定义 AI 行为边界，防止误删或逻辑错误
- 让不同 AI 分工：写码、审码、UI 设计、营销各司其职
- 用 Git worktree 隔离多个 AI 并发任务…
- 先写详细 Plan 再让 AI 编码，提升代码准确度与一致性
一、这是什么机会
这是一个利用 AI 辅助编程将高端摄影后期工具“轻量化”并移动端化的机会。开发者通过整合多家 AI 协作，两周内完成了原本需要数月周期的 6 万行代码工程，推出了支持 RAW 解码与 LUT 套用的手机修图 App。收费模式尚未在文中明确列出，但已具备从 C++ 核心引擎到多端界面的完整产品形态，具备向订阅制或买断制转化的基础。
二、独立判断
值得做。核心价值在于验证了“单人+多 AI”能打破传统 App 开发的成本壁垒。编辑视角认为，原 Lightroom 在移动端性能与功能平衡上的痛点是真实需求，而“不上传云端、本地处理”的隐私卖点正好切中了专业摄影师及隐私敏感用户的要害。但风险在于，AI 生成的代码虽能运行，却缺乏底层架构的长期可维护性，需警惕技术债。
三、冷启动路径
第一步验证动作：使用 Cursor 或 Claude Code 建立 Monorepo，定义 AGENTS.md 规则，让 AI 根据一份详细的 Markdown 计划（Plan）生成核心调色引擎的 Demo。成本量级：仅需每月 50 加币（约 260 人民币）的 AI 订阅费及服务器成本，周期为 1-2 周即可跑通从代码生成到真机测试的最小闭环。
四、最大风险与避坑
致命坑：多 AI 并发工作时的“状态污染”。原文提到不同 AI 在共享工作区会互相干扰，导致文件被误改或逻辑冲突。应对：必须严格执行 Git Worktree 隔离，每个 AI 任务对应一个独立的分支，通过合并而非直接共写来解决冲突。另一坑是 AI 的“过度自信”，它会为了通过测试而偷偷修改业务逻辑（如将坏数据静默处理为合法值），必须在 AGENTS.md 中明确禁止此类行为并增加异常报错机制。
五、案例复盘（别人怎么做的）
- 架构设计：建立单一 Monorepo 仓库，包含 C++ 核心引擎（平台无关）、iOS/Mac 客户端、CLI 工具及文档，确保“一个事实只存一处”，AI 修改代码时可自动检索相关隐私政策或测试用例。
- 前置规划：先让 ChatGPT 输出 18 份详细的“做什么/不做什么/验收标准”的 Plan 文档，再让 Claude 对照 Plan 审视代码，以此纠正 AI 对色彩科学（如线性空间与伽马空间）的误解，避免逻辑错误。
- 分工协作：Claude Code（Sonnet 模型）负责主力编码，坚持“严格按 Plan 执行不自由发挥”；ChatGPT 负责交叉审查代码，重点排查 P0/P1 级 bug（如内存溢出、解析容错）；GLM 负责 DevOps，处理官网部署与 CI/CD 流程。
- 规则约束：编写 AGENTS.md 文件作为 AI 的行为准则，例如“修改共享代码必须跑通三个平台的测试”、“未指令不得提交代码”、“坏数据必须报错而非静默丢弃”，以此降低 AI 幻觉带来的维护成本。
- UI 与测试：使用 Claude Design 生成 HTML 设计稿，提取设计 Token 供 iOS/Mac 共用；针对 AI 难以发现的 UI 布局问题（如按钮挤出屏幕），引入 UI 自动化测试读取控件坐标进行校验，弥补单元测试的盲区。
六、双轨可执行性
跨境：可行。目标市场为欧美专业摄影爱好者及独立创作者，可直接上架 App Store 并部署官网至 Cloudflare，利用 AI 辅助生成多语言营销文案启动推广。国内：受限。国内对 RAW 解码库及 LUT 格式的开源生态支持较弱，且移动端分发渠道单一，建议优先开发 Web 版或针对国内特定社区（如小红书摄影博主）做轻量版插件，但需解决国内 App 上架的合规与网络延迟问题。
原文 · 分享创造：阅读原文 →
相关工具推荐（推广）：GLM Coding Plan — AI Coding Powered by G…