用 Claude 帮写 Metal 渲染管线，在 Mac 上跑 NeoGeo 模拟器真的快多了
NeoBox 的核心竞争力在于它提供了一套双轨运行模式：一种是基于 MAME 核心的 UI 外壳，另一种则是直接调用 Metal 渲染管线的 GeoLith 库。在实际测试中，GeoLith 模式的原生性能明显更出色，这种性能红利直接来源于对 macOS 底层图形接口的深度调用，而非简单的通用模拟。
我尝试复刻这种「原生 UI + AI 底层」的开发工作流，发现这比让 AI 直接生成整个 App 要稳健得多。具体的操作逻辑是：UI 层坚持使用 AppKit 手写，以确保 macOS 原生交互的细腻感（比如窗口的毛玻璃效果和标准的菜单栏逻辑）；逻辑层由人工把关，处理 ROM 的兼容性测试和 Bug 修复；而最复杂的底层渲染管线，则交给 Claude 处理。
如果你也想尝试用 AI 优化 Metal 性能，不能简单地让它「写一个渲染器」，而应该将具体的着色器逻辑拆解后交给它。比如在处理 NeoGeo 这种需要频繁进行 Sprite Scaling（精灵缩放）的模拟场景时，如果出现掉帧或卡顿，可以尝试使用类似的精准 Prompt 来引导 Claude 优化顶点着色器：
"I have a Metal shader for a NeoGeo emulator that is causing stuttering during sprite scaling. Can you optimize the vertex shader to reduce overhead and ensure it aligns with the native macOS rendering pipeline for better performance?"
通过这种方式，AI 能够针对 Metal 的具体指令集给出优化建议，从而有效降低渲染开销。
在实操过程中，我发现一个关键点：AI 在处理这种专业领域时，最擅长的是「局部优化」而非「全局架构」。如果你让它写整个 App，它可能会给出很多过时的 API 或不符合 Apple 设计规范的方案；但如果你给它一段具体的 Metal 代码并要求优化帧率，它的表现会非常惊人。
对于想要在 Mac 上折腾复古游戏的开发者来说，NeoBox 的实现逻辑提供了一个极佳的参考范本。它证明了在当前的开发环境下，最高效的路径不是完全依赖 AI，而是将「高门槛的底层 API」与「需要精细打磨的 UI 层」进行剥离。将 Metal 渲染这种专业领域交给 AI，而将用户体验的最后 10% 交给人工，才能在保证性能的同时，维持 macOS 应用应有的原生质感。
