摘要
用 TRAE SOLO 在 4 天内，独自完成了一款 iOS 网球训练 AI 分析 App 的核心开发。
从架构设计、SwiftUI 界面、Supabase 后端、视频处理管线，到 AI 动作分析对接、多语言国际化……共 131 次 Git 提交、57 个 Swift 文件、约 12,000 行代码，全程只有我一个人，SOLO 是我唯一的队友。
这篇帖子不是教程，是一份真实的过程记录——包括顺的地方，和卡壳的地方。
背景：我为什么做这个
我打网球，但我没有教练，也没有人帮我看动作。市面上的训练 App 要么太简单，要么太贵。我想做一个能用手机摄像头录视频、自动分析击球动作、追踪训练进步的 App——TennisFlow。
问题是我一个人开发，工作量非常大：
- iOS 端要做 UI、本地视频处理、相机权限、通知……
- 后端要搭 Supabase，写 RLS 安全策略、Storage 管理、Edge Function……
- 还要对接 AI API 做动作评分，支持 5 种语言……
以前这种项目要么外包，要么组团队。这次我想试试：TRAE SOLO 能不能真正顶一个协作者？
实践过程
Day 1（4月9日）：搭架子，5次提交
项目从零开始。先和 SOLO 讨论整体架构：SwiftUI 用什么状态管理方案？要不要引入 ViewModel 层？
SOLO 给出的建议是：用 @Observable + .environment() 注入共享状态，不引入 ViewModel 层，保持 View 层干净。它直接帮我实现了两个核心单例：
- AuthManager：处理登录态、Keychain 存储、JWT 自动刷新
- LanguageManager：5 语言 i18n 体系，
t(_ key:)统一调用
这个决策贯穿了后续所有开发，事后证明是对的——没有一个页面因为状态管理出现混乱。
Day 2（4月11日）：最猛的一天，57次提交
这一天我几乎一直在和 SOLO 协作，从早到晚。
最复杂的：视频处理管线
我描述了需求：“用户上传训练视频，需要提取关键帧、去重、后台上传，完成后通知用户，任何一步失败都要有反馈。”
SOLO 帮我设计了完整的链路：
VideoFrameExtractor（自适应抽帧）
→ FrameProcessor（感知哈希去重）
→ BackgroundUploadManager（actor，后台并发）
→ UNUserNotificationCenter（本地通知）
其中有一个细节我觉得特别好用——自适应抽帧参数：
| 视频时长 | 抽帧间隔 | 最大帧数 |
|---|---|---|
| < 5s | 0.3s | 12帧 |
| 5–15s | 0.5s | 15帧 |
| 15–30s | 1.0s | 20帧 |
| 30–60s | 2.0s | 20帧 |
| > 60s | 3.0s | 15帧 |
这个设计解决了两个极端：短视频不漏关键帧，长视频不爆内存。我自己想不到这么系统，是 SOLO 主动提出来的。
当天踩的坑：session 卡在 processing
上传完视频，session 状态一直是 “processing”，AI 分析结果始终不来。我把 Edge Function 的日志贴给 SOLO，它很快定位出问题：
豆包 Responses API 的响应结构多了一层
output，代码里解析路径写错了。
// 错误写法
let content = response["choices"][0]["message"]["content"]
// 正确写法（豆包 Responses API 特有结构）
let content = response["output"]["choices"][0]["message"]["content"]
这个 Bug 藏得很深，我自己查文档估计要花半天，SOLO 10 分钟搞定。
当天另一个高光：数据库迁移
原来 Storage 文件全放在用户目录下，路径混乱。需要迁移到规范的子目录结构：
{userID}/{sessionID}/frames/frame_N.jpg ← 关键帧
{userID}/{sessionID}/images/photo_N.jpg ← 用户照片
{userID}/{sessionID}/video/original.mp4 ← 压缩视频
SOLO 帮我写了一个 Supabase Edge Function 做一次性迁移（copy + delete），成功迁移了 43 个历史文件。这是我最没把握的环节，全程 SOLO 主导，我主要负责 review 和确认。
Day 3（4月12日）：64次提交，功能收尾
这一天节奏很快，主要在补细节：
媒体 EXIF 提取 + 地点选择
用户上传照片/视频时，自动读取 EXIF 里的拍摄时间和 GPS 坐标，填充到训练记录的日期和地点字段。多张图片时间不一致？弹出冲突解决界面。我描述需求，SOLO 给出了完整的 MediaMetadataExtractor actor 实现。
国际化迁移
项目里有 200+ 个硬编码中文字符串需要迁移到 i18n 体系，支持中/英/法/西/日 5 种语言。光是找出来、归类、写 5 种语言翻译就很繁琐。SOLO 帮我生成了完整的审查报告（CSV 清单 + 优先级分类），当天完成了 P0 优先级的 70+ 个字符串迁移。
一个让我很触动的细节
CHANGELOG 是 SOLO 坚持要我维护的——每次提交前它都会提醒我更新。一开始我觉得麻烦，但现在翻回去看，整个开发脉络清清楚楚，哪天做了什么、解决了什么问题，全都有记录。这个习惯是 SOLO "逼"出来的，我觉得值。
Day 4（4月13日）：5次提交，扫尾
处理遗留的 P0/P1 级 Bug：
- Timer 内存泄漏（
onDisappear没有置 nil） - 媒体 URL 签名失败时静默吞掉错误，改为显示 Retry 按钮
- 后台上传失败无反馈，改为弹 Alert
- 设计色违规（直接用
Color.orange，改为tfWarning主题 token）
这些 Bug 全是 SOLO 在 code review 环节主动标出来的，不是我发现的。
成果展示
4天数据：
| 指标 | 数量 |
|---|---|
| Git 提交 | 131 次 |
| Swift 文件 | 57 个 |
| 代码行数 | ~12,000 行 |
| 工作日 | 4 天 |
主要功能：
- OTP 手机登录 + GitHub OAuth + Sign in with Apple + JWT 自动刷新
- 视频关键帧提取 → 感知哈希去重 → 后台上传 → AI 动作评分
- 训练时间轴（日期分组 + 日历过滤）
- SessionDetail：评分环 + 关键帧展示 + 灯箱浏览
- 媒体 EXIF 自动填充 + 地图地点选择
- Supabase 完整后端（RLS、Storage、Edge Functions）
- 5 语言国际化（中/英/法/西/日）
- Sentry 错误监控
总结：SOLO 在这个项目里真正做了什么
说实话，我开始之前对 AI 编程助手有点保留——觉得它可能只能写简单代码，复杂逻辑还是得自己上。
用完这 4 天，我改变了看法。
SOLO 在这个项目里扮演了几个不同角色：
架构顾问：在关键决策点给出有理有据的方向，不是乱给建议，是真的理解 SwiftUI 的约束。
模块级实现者：把需求描述清楚，它能给出结构完整、边界清晰的实现——不是代码片段，是可以直接跑的模块。
主动 Code Reviewer：它会主动指出潜在的内存泄漏、静默错误、硬编码违规，不用我专门去问。
调试加速器：把错误现象和日志描述给它，定位速度远超我自己翻文档。
但有一点我想讲清楚：SOLO 放大的是你已有的工程能力，而不是替代判断力。 我需要 review 每一段代码，需要理解架构决策背后的原因，需要知道什么是好的实现。如果你自己没有判断力，AI 生成的代码只会让你更混乱。
最实用的协作方式我总结成一句话：把需求描述成数据流，不要只说"帮我实现 XX 功能"。
比如不说"帮我做视频上传"，而是说：
“用户点提交后，流程是：①提取关键帧 ②感知哈希去重 ③后台上传到 Supabase Storage ④触发 Edge Function 调用 AI ⑤任何步骤失败要有用户可见的反馈，不能静默失败。”
这样 SOLO 给出的实现会干净很多，边界也清楚。
4天131次提交，一个人做完了。TRAE SOLO 是认真的队友。
更多还在开发中，如果你也在做独立项目，欢迎交流。
部分截图
|
个人训练日记 |
训练分析详情 |
|
网球知识库 |
个人设置页 |
