2025 年 1 月，Shopify 的 Mustafa Ali 在公司工程博客上写道，React Native 前景光明，Shopify 会继续投入。一年零八个月后的 2026 年 9 月 10 日，他在同一个博客上发文，宣布要把 Shopify 的全部移动 App 从 React Native 迁到 Swift 和 Kotlin。
Shopify 是一家帮商家开设和运营网店的平台公司。React Native 是 Meta 推出的开发工具，App 代码写一次，就能同时在 iOS 和 Android 上运行。Swift 和 Kotlin 则分别是开发 iOS App 和 Android App 的专用语言。换句话说，今后同一个功能要为 iOS 和 Android 各写一遍，一共写两遍。
Shopify 给出的理由只有一个。编程模型进步很大，用 Swift 和 Kotlin 把同一个功能做两遍，已经不像过去那么贵了。Shopify 对这一变化的说法是“LLMs changed one of the core assumptions behind our 2020 decision”（LLM 改变了 2020 年那个决定背后的一个核心前提）。
2020 年，Shopify 决定用一套代码同时开发 iOS 和 Android App
Shopify 在 2020 年全面采用 React Native，理由有三个：同一个功能不用做两遍；让没有移动开发经验的工程师也能参与 App 开发；减少让两个 App 功能保持一致所花的时间。
Shopify 说，这三点全都做到了。功能只做一次，省下了大量时间；没有移动开发经验的工程师也给 App 做出了贡献；花在拉齐两个 App 功能上的时间也少了。调优性能、跟进框架更新确实花了不少力气，但得到的更多。Shopify 推翻的不是一个失败的决定，而是一个成功的决定。
转向原生也不是因为性能。Shopify 明确写道：“React Native apps can be fast. Ours are.”（React Native App 也可以很快，我们的就很快。）转向原生，是因为智能体让两个平台共用一套代码的好处变小了，而按平台分别开发的好处还在。分开开发，可以更直接地用上 Apple 和 Google 提供的平台功能和官方开发工具，代码和平台之间夹着的框架和依赖库也会变少。
一名工程师和智能体花了一周，试着把 Shop App 迁成 iOS 原生代码
第一个迁到原生的 App 是 Shop。这是 Shopify 面向消费者的 App，购物者用它追踪订单、完成付款，经常排在应用商店购物类榜单的前列。当时这个 App 正好要迁到 React Native 的新架构，这是一项大工程。在为此投入之前，Shopify 先试了试：能不能借助编程智能体，直接用 iOS 和 Android 各自的原生代码把它重做一遍。
一名工程师花了一周时间，和智能体一起，参照现有的 React Native App，把能迁的功能尽量迁到 iOS App 上。一周下来还达不到上线水平，但证明了把功能一项一项原样搬到 iOS App 是可行的。智能体最得力的时候，是手边有现成实现可以参照的时候：把已有的功能移植成新代码、搭出页面的基本结构、接上数据、加上动画，再对着画面调整布局。
正式迁移由六名核心成员负责。他们搭好了 App 的底层和主要的使用流程，各功能团队中途加入，验证自己负责的部分，补上遗漏的边界情况。对老用户来说，这次更新必须和平常的更新没什么两样：登录状态不能丢，推送通知也要照常收到。推荐系统等其他系统要接收 App 发出的事件来用，所以分析事件也必须和以前内容一致。与此同时，团队有意砍掉了一些页面，又把一些页面做了简化。Shopify 表示，从概念验证到在应用商店上架，一共用了 12 周。
2020 年选择一套代码的第二个理由，是让没有移动开发经验的工程师也能参与 App 开发。这一次，即使没有一套共用代码，工程师们也能参与两个平台的开发。据说 React Native 工程师适应 iOS 和 Android 的界面框架 SwiftUI 和 Jetpack Compose，比预想的要容易：用声明式写界面的方式和 React 相近，智能体也帮工程师在自己不熟的平台上快速上手、做出贡献。不过原生专家依然不可或缺。Shopify 写道，生成的代码即使满足了功能需求，也可能带进重复代码、偏离架构设计的结构和性能问题。
让智能体一口气把整个 App 改写成原生代码，结果是一大堆没法上线的代码
Shopify 首先提防的，恰恰是看起来最省事的做法：把 React Native 代码整个丢给智能体，让它一口气改写成原生代码。即使先尽可能收集信息、整理成规格文档和任务文件，再让它去实现，产出的也是大量无法维护的代码，根本没法上线。
于是，为了把最大的 App，也就是 Shopify App 迁到原生，Shopify 做了一个叫 Helix 的内部工具。Helix 不指望第一次产出就是对的。工程师选定一个页面，Helix 就把它拆成若干个小步骤并提出顺序，工程师花几分钟审核、批准这个顺序。第一步通常是页面的基本骨架，越往后范围越大。每一步的说明只写几个词，也是有意为之。Helix 的文章写道：“Nobody can effectively review a wall of generated text.”（面对一大堵生成出来的文字，没有人能真正审得过来。）
每一步都要依次通过四道关卡才能提交，然后才开始下一步。
- 行为测试
读取旧的 React Native 代码、为每一步生成的测试中，相关的必须全部通过。 - 画面比对
在相同状态下截取新旧两个 App 的画面，让 Gemini 扮演一丝不苟的设计审核员，把差异连同在屏幕上的位置和严重程度全部列出来。只要还有能靠改代码修好的差异，默认就不能进入下一步。 - 两个专门挑错的代码审查
两个互不共享上下文的审查智能体，检查代码是否符合 Shopify 成文规定的 App 架构标准。指出的问题必须全部改掉，反复进行，直到两个都批准为止。 - 工程师批准
工程师查看代码和运行中的 App 来判断。这些反馈会被记录下来，用在后面的步骤里；批准过的结果积累得越多，不需要人工过问就能推进的部分也越多。
关卡不是建议，而是通过条件。没通过，智能体就根据反馈修改，再接受一次检查。可以重来任意多次，但不能自己认定结果已经够好就跳过去。Helix 的文章把这种方式总结为：“An attempt is allowed to be wrong. It is not allowed to ship until it isn't.”（尝试可以出错，只是在不再出错之前，不许上线。）
反对的声音也不小：代码变成两套，就是把复杂度翻了一倍
这篇公告在 Hacker News 上拿到了 1,200 多分，评论超过 900 条，其中反对意见也不少。有评论说，以为有了 AI 复杂度就是免费的，这是个陷阱，还补充说，AI 和人一样，面对复杂的代码也会犯迷糊。也有人批评，一个购物 App 没有任何技术上的理由，却要把同样的东西做两遍。一位自己在开发 React Native 这类跨平台工具的开发者则预测，因为成本更高，几年之内大家还会回到共用工具上来。他本人做的就是竞品，这一点也要一并考虑。
还有一种反对意见认为，这是工程师众多的大公司才做得起的选择。Shop App 的迁移虽然以六个人为核心，背后却还有各功能团队，以及专门为智能体开发内部工具的人。另外，Shopify 本来就是一家格外看重 AI 的公司。CEO Tobi Lütke 在 2025 年 4 月亲自公开了一份内部备忘录，里面写道：“Reflexive AI usage is now a baseline expectation at Shopify”（下意识地使用 AI，现在是 Shopify 对每个人的基本预期）。这次的文章也提到，Shopify 从 2021 年，也就是 ChatGPT 问世的前一年，就开始用 LLM 开发软件了。公告文章和 Helix 文章的结尾，都是移动和 AI 工程师的招聘信息。
最大的 App 还在迁移之中。这个 App 就是有 300 多个页面、还带主屏幕小组件和 Apple Watch App 的 Shopify App，Shopify 表示会在今年内推出。
过去靠共用代码自动保持的功能一致，今后要靠验证流程来守住
用一套代码开发的时候，两个 App 的功能自然是一样的，因为两边跑的是同一份代码。Shop App 迁到原生之后，Shopify 依然保留了“Android and iOS must be at feature parity at all times”（Android 和 iOS 的功能必须始终保持一致）这条原则，并写道：这条过去由共用代码守住的原则，今后要靠开发和发布流程来守住。
这套流程的核心是验证。要确认智能体改过的 App 能不能正常运行，就得在模拟器里通过页面结构信息或截图读出 App 的状态。Shopify 写道：“It doesn't matter how good the model is if it can't test its work quickly”（如果没法很快检验自己的工作，模型再好也没用）。因此，Shopify 正在调整 App 的架构，把 App 的行为和界面分开，让它可以直接从命令行调用。
按 Shopify 的说法，智能体改代码只要几秒，确认改得对不对却要好几分钟。
2020 年，Shopify 把代码合成一套，专注于减少要写、要维护的代码量。如今写代码、改代码都可以交给智能体，Shopify 关注的已经不是代码量，而是核查 AI 产出所需的时间。
深入了解
