در دنیای مدرن توسعه نرم‌افزار، مفهوم Vibe Coding در حال تغییر نحوه تعامل برنامه‌نویسان با کد است. اخیراً تجربه‌ای منتشر شده است که در آن یک کاربر توانست تنها در ۱۱ روز، یک اپلیکیشن تجاری برای سیستم‌عامل macOS را بدون نوشتن حتی یک خط کد، تنها با استفاده از مدل‌های هوش مصنوعی Claude و ابزار Claude Code توسعه داده و در App Store منتشر کند.
فرآیند استخراج داده‌ها و تبدیل فرمت
این پروژه با یک چالش فنی قدیمی آغاز شد: استخراج هزاران آیکون از یک فایل قدیمی Macromedia Director متعلق به ۳۰ سال پیش. کاربر با ارائه این فایل به Claude و یک دستور ساده، توانست در کمتر از ۵ دقیقه و طی ۴۳ مرحله خودکار، بیش از ۲,۰۰۰ تصویر را به فرمت PNG تبدیل کرده و آن‌ها را در پوشه‌های موضوعی سازماندهی کند. این موضوع نشان‌دهنده توانایی بالای مدل‌های زبانی جدید در تحلیل داده‌های باینری (Bit Data) و تبدیل فرمت‌های منسوخ است.
توسعه ویژگی‌ها و معماری اپلیکیشن
پس از استخراج داده‌ها، توسعه اپلیکیشن با استفاده از Claude Code آغاز شد. در این مسیر، بیش از ۵۰۰ دستورالعمل (Directive) مجزا برای پیاده‌سازی قابلیت‌های زیر صادر شد:
- سیستم مرور و تغییر اندازه آیکون‌ها (از ۳۲ تا ۱۰۲۴ پیکسل).
- قابلیت تغییر رنگ آیکون‌ها برای تطبیق با هویت بصری برندها.
- پیاده‌سازی سیستم علاقه‌مندی‌ها و مجموعه‌ها.
- یکپارچگی با iCloud برای همگام‌سازی داده‌ها بین دستگاه‌های مختلف.
- قابلیت Export مستقیم به Slack برای استفاده به عنوان Emoji.
امنیت داده‌ها و مقابله با سوءاستفاده
یکی از نکات فنی برجسته در این پروژه، شناسایی یک حفره امنیتی توسط خودِ هوش مصنوعی بود. Claude متوجه شد که در نسخه رایگان، تمامی فایل‌های PNG به صورت باز در بسته اپلیکیشن قرار دارند و کاربر می‌تواند بدون خرید نسخه کامل، به آن‌ها دسترسی داشته باشد. برای رفع این مشکل، راهکار Encryption (رمزنگاری) پیشنهاد و پیاده‌سازی شد؛ به گونه‌ای که تصاویر در یک فایل رمزگذاری شده ذخیره شده و تنها در هنگام درخواست، به صورت پویا (Dynamically) رمزگشایی می‌شوند.
تست نفوذ و بررسی نهایی
پیش از ارسال به App Store، کاربر از Claude خواست تا مجموعه‌ای از Adversarial Agents (عوامل متخاصم) را برای بررسی جامع اپلیکیشن و شناسایی باگ‌های احتمالی اجرا کند. این مرحله منجر به شناسایی چندین مورد بحرانی شد که پیش از تایید نهایی توسط اپل، اصلاح شدند.
چالش‌های باقی‌مانده برای AI
با وجود موفقیت در کدنویسی، این تجربه نشان داد که هوش مصنوعی هنوز در تولید گرافیک‌های تبلیغاتی دقیق برای App Store (Promo Images) ناکارآمد است و کاربر مجبور شد این بخش را به صورت دستی در Photoshop طراحی کند.
