一、前言
本文的核心不在于工具本身，而是一次 AI 辅助开发效率 的实战实验。仅花一两分钟，在输入框里描述脑海中应用的模样和功能，AI 直接给出了完全符合需求甚至超出预期的应用，解决了老问题。
二、首版即完成：五句话的魔法
UI 简洁大方，功能逻辑准确。生成这一切，我只输入了短短五行 Prompt：
① 软件为 kill port
② 顶部一个输入框（输入port端口号）
③ 中部显示一个列表，第一列显示匹配的端口号，第二列显示匹配的进程名称，第三列显示 “kill 进程” 的按钮。
④ kill 进程后提示结果，并自动刷新列表。
使用最新的 C# 可跨平台的 UI 来写。最后编译为 Windows exe、Linux 和 Mac 的对应产物。
AI 迅速完成了工作。先实现了 Desktop 桌面端，随后又实现了 Web 端（VS Code 插件，边栏操作更顺手）。
首版效果如下：
端口占用是开发中常遇到的琐事，这个应用可快速 Kill processes by port number（根据端口号关闭进程）。 使用 Gemini 3 Pro 模型 Planning 模式生成。
三、五分钟完成，五小时优化
试用首版后，虽然已满足核心需求，但为了更好的用户体验，我开始了“五分钟完成核心，五小时打磨细节”的优化之旅。
| 用户体验优化项 | 桌面端 (C#) | Web 端 (VS Code 插件) | 体验对比 |
|---|---|---|---|
| 增加确认框 | 3 次对话 | 4 次对话 | 桌面端小胜 (险胜) |
| 增加多语言 | 8 次对话 | 4 次对话 | Web 端胜出 (效率高 2 倍) |
| 优化输入框 | 18 次对话 | 4 次对话 | Web 端大胜 (效率高 4.5 倍) |
等待修改完成的同时，处理了其它事情，这额外时间就是生产力提高的收益。
3.1 增加确认框：桌面端险胜
Desktop (3次) vs Web (4次)
目标是防止误操作。两者差距很小，样式统一且美观。
- 桌面端：相对直接，直接居中。在简单功能上，桌面端不劣势。
- Web 端：自定义定位样式，额外花费了一些调试时间。
3.2 增加多语言：Web 效率高 2 倍
Desktop (8次) vs Web (4次)
- 桌面端：没有利用框架自带的国际化功能，导致后续调整和重写花费了不少时间。
- Web 端：编写了一个轻量级的多语言框架。
3.3 优化输入框：Web 效率高 4.5 倍
Desktop (18次) vs Web (4次)
这是差距最悬殊的一项。
- 桌面端：消耗了 18 次对话。每次微小的交互调整都需要多次沟通修正，甚至出现修复一个 bug 后，旧 bug 又出现的反复。
- Web 端：仅用 4 次对话，就完成了“下拉列表 + 自动搜索 + 清空按钮” 的渐进式修改。HTML/CSS/JS 的灵活性使得这种常见交互能快速实现。
这也是耗时最久的部分，但最终打磨出的顺滑体验（如即时反馈、直达常用端口）让我非常满意。
3.4 获胜平台：Web 端
核心原因在于在涉及用户交互和界面细节调整时， Web 技术栈具有巨大的优势。
在处理桌面端 C# 自定义控件交互细节（如焦点控制、复杂的即时搜索行为）时，需要极高的沟通和调试成本，而 Web 技术栈则显得游刃有余。从最终精确统计结果来看，技术选型对 AI 辅助开发的效率有显著影响。
3.5 最终成品
如果你也需要这个小工具，可以在 VS Code 插件市场搜索 Kill Port，或者访问 GitHub 项目仓库 查看更多。
工具下载地址1：网盘地址（项目密码：evgo2017）
工具下载地址2：GitHub Release
四、总结
这次“五分钟 vs 五小时”的经历，让我对 AI 辅助开发有了更深的认识：
- AI 是极佳的起跑器：它能极快地将“想法”转化为“原型”。仅用五句话、三分钟，一个可用的跨平台工具就诞生了。
- 技术栈依然重要：AI 虽然能力很强，但在不同技术栈下的表现存在差异。在 Web 前端领域，AI 生成的代码往往更符合现代工程习惯，且修改反馈更敏捷；而在原生桌面开发（特别是涉及特定 UI 框架细节）时，仍需更多的人工引导。
- 精力转移：开发者可以从繁琐的“编写 CRUD”中解放出来，将更多精力投入到产品设计、用户体验打磨和逻辑架构上。
AI 不会替代开发者，但善用 AI 的开发者，能用更少的时间，创造出更精致的产品。
好吧，这篇文章的内容 AI 优化过（读起来是比原文顺畅），总结也是它自己写的 (●'◡'●)。
如果我的文章或工具对你有所帮助，请点赞、分享、关注、赞赏。感谢你的支持！