用 Swift 从零构建 Coding Agent：当苹果生态遇上 AI 编程
一个开发者用 Swift 从零实现了一个类 Claude Code 的 coding agent。不是调 SDK，不是套壳，是从 API 调用、工具注册、对话循环到文件操作，全部用 Swift 原生实现。
这个项目叫 swift-claude-code，昨天在 Hacker News 上拿了 86 分。看完源码，我觉得它的价值不在于替代 Claude Code，而在于展示了一件事：构建一个能用的 coding agent，核心逻辑并不复杂。
架构拆解
整个 agent 的核心是一个经典的 ReAct 循环：
- 用户输入 → 拼装 system prompt + 历史消息
- 调用 Claude API（Anthropic Swift SDK）
- 模型返回 tool_use → agent 执行对应工具（读文件、写文件、运行命令等）
- 工具结果塞回对话 → 继续循环，直到模型给出最终回答
swift-claude-code 终端交互演示
工具注册用了 Swift 的协议（Protocol），每个工具实现 Tool 协议就能被 agent 调用。这个设计干净利落 —— 加新工具只需要写一个 struct，不用改主循环。
为什么是 Swift？
表面看，Python 才是 AI 应用的”正确”语言。但作者选 Swift 有几个实际理由：
原生 macOS 集成。 Swift 可以直接调 AppKit、Foundation，意味着 agent 能无缝操作系统级功能 —— 文件系统、进程管理、甚至 Xcode 集成。Python 要做到这些需要一堆胶水代码。
类型安全。 工具定义、API 响应解析、消息结构全部有类型约束。当你的 agent 需要处理模型返回的各种 edge case 时，编译器帮你挡掉一大类运行时错误。
性能。 Agent 的瓶颈在网络 I/O 不在计算，但 Swift 的并发模型（async/await + structured concurrency）处理多工具并发执行天然比 Python 优雅。
对开发者的启发
这个项目最大的意义是去神秘化。很多人觉得 coding agent 是一个巨复杂的系统 —— 需要 RAG、需要 memory、需要 planning。但实际上，一个能用的 MVP 就是：
- 一个好的 system prompt
- 几个文件操作工具
- 一个 shell 执行工具
- 一个对话循环
500 行代码就够了。
当然，从”能用”到”好用”的距离是巨大的。Claude Code、Cursor、Windsurf 这些产品在错误恢复、上下文管理、多文件协调上做了大量工程。但这不妨碍我们从一个最小实现开始理解 agent 的本质。
苹果生态的 AI 缺口
Swift coding agent 还暴露了一个有趣的生态缺口：macOS/iOS 开发者缺少原生的 AI 开发工具链。
Python 有 LangChain、LlamaIndex、Semantic Kernel。Swift 有什么？几乎没有。如果苹果认真对待 on-device AI（他们确实在做），Swift AI 框架的生态建设迟早是必须面对的课题。
这个项目可能是一个信号：开发者已经等不及了，开始自己造轮子。
AI coding agent 的技术门槛在快速降低，真正的差异化在于对开发者工作流的深度理解。如果你想在不同模型之间快速切换来测试自己的 agent 方案，推荐试试 OfoxAI（ofox.ai）—— 一个账号接入 Claude、GPT、Gemini 等主流模型，省去多平台来回切换的麻烦。