手机指挥AI上架App：3个实战协作技巧

在移动端完成一个完整App的开发与上架，过去听起来像天方夜谭，但B站UP主“超纯”用一台手机全程指挥AI Agent（Grokbot）跑通了整个流程。应用本身不复杂，真正有价值的是他与AI协作过程中沉淀出的三个可复用技巧：需求对齐、方案讨论和上架自动化。这些经验对任何想用Agent做产品的人都具有参考意义。

技巧一：用视觉化对齐替代文字拉扯

需求对齐是AI协作中最容易失控的环节。UP主将其拆成两层：与用户对齐、与AI对齐。

与用户对齐：当用户提出“运动实验测试可以开发吗”这类模糊需求时，直接文字沟通往往越聊越懵。UP主的做法是让Agent根据聊天记录生成一段概念解释视频，配上旁白和动态视觉，再发给用户确认。据UP主在视频中的演示，AI生成视频解释概念的能力已经足够准确，动态画面加语音旁白比纯文字更能消除理解偏差。

与AI对齐：需求明确后，不要直接让AI写代码。UP主的经验是先让Agent生成UI产品图，在草图阶段就视觉化确认布局和页面缺失，反复调整到中版设计稿后再进入开发。这一步把大量返工挡在了编码之前。

如果使用的Agent不具备生图能力（如DeepSeek^广告、Kimi只能读图不能生图），UP主给出两个替代方案：一是通过中转API接入生图接口做成skill调用；二是让AI用ASCII字符画表达界面结构，同样能完成初步对齐。

AI Agent（智能体） 是指能自主感知环境、进行推理规划并调用工具执行任务的AI系统。与仅能对话的聊天机器人不同，Agent可操作浏览器、读写文件、调用API，从而独立完成多步骤复杂任务。文中Grokbot即是一个能接受自然语言指令并执行开发流程的Agent。理解Agent的工具调用能力，有助于把握为何UP主强调“给Agent趁手工具”——Agent的效能高度依赖其可访问的工具集与接口。

UI产品图与中版设计稿：UI产品图指界面视觉稿，用于在编码前确认布局、配色与交互逻辑；中版设计稿（中等保真度设计稿）介于低保真线框与高保真视觉稿之间，已包含主要页面结构和关键控件，但尚未细化到像素级样式。在AI协作中，先产出中版稿可快速验证信息架构，避免直接进入编码后因结构问题大量返工。

技巧二：方案讨论不要闭门造车

UP主强调，方案讨论阶段最忌讳单线的一对一对话。他的做法是引入第二个大模型作为“局外人”参与讨论，补充信息差。

在Grokbot中，他采用“拉群”方式让两个Bot互相补充。据视频展示，当Bot1准备直接动手做UI设计时，Bot2主动提出了户外阳光场景下屏幕可读性等建议，随后Bot1参考Bot2的提议继续工作。这种交叉审视能暴露单一模型容易忽略的盲区。

常规Agent用户也可以用侧边聊天或新开对话的方式，让另一个模型读取讨论记录后给出意见。

方案确定后，UP主的第二个建议是不要从头造轮子。AI写代码虽快，但基础建设没必要从零开始。他让AI先参考已有项目或开源仓库中的对标方案，基于成熟目录架构和现成skill进行修改。实际开发中，他让AI第一步删除模板中不需要的登录流程等内置功能，第二步再写业务代码，省去大量配置工作。

MCP（Model Context Protocol，模型上下文协议） 是由Anthropic提出的开放协议，用于标准化大模型与外部工具、数据源的连接方式。通过MCP，Agent可以安全地调用文件系统、数据库、浏览器等资源，而无需为每个工具单独编写集成代码。文中建议优先寻找现成MCP或CLI工具，正是利用这一生态降低Agent使用门槛，让Agent能“即插即用”地操作各类后台系统。

技巧三：把脏活累活交给Agent，并给它更趁手的工具

应用开发完成后，上架商店的后台资料填写（商店图、推广文本、各类表单）是典型的繁琐工作。UP主的核心思路是：能交给Agent的绝不自己动手。

充分利用Agent的浏览器功能：帮Agent登录好账号后，让它自己打开浏览器读页面、填内容。这种方式速度偏慢且消耗token较多，因为Agent需要逐个读取页面元素再分析写入位置。但UP主认为这不值得担心——等待时间可以拿去吃饭或写别的代码，效率损失由并行处理弥补。

优先寻找现成的MCP或CLI工具：UP主以苹果App Store后台为例，使用了名为asccli的命令行工具，覆盖内测发包上传、应用发布审核、后台信息填写、证书签名、截图管理等几乎所有后台操作。他再次强调“不要重复造轮子”——你遇到的困难在开源世界十有八九已有解决方案。

asccli 是一个面向苹果App Store Connect的命令行工具，可脚本化完成内测包上传、审核提交、后台元数据填写、证书与签名管理、截图上传等操作。相比让Agent通过浏览器逐页操作，CLI工具执行更快、更稳定且消耗token更少。它体现了“工具优先”原则：将重复性后台操作封装为命令，Agent只需调用命令并传入参数，大幅提升上架效率。

三个技巧背后的共同逻辑

回顾这三个技巧，底层逻辑一致：把Agent当成需要清晰指令和趁手工具的协作者，而非许愿池。

• 需求阶段用视频和图片建立共同视觉认知，减少“我以为你懂了”的偏差；
• 讨论阶段引入第二模型交叉验证，用开源方案垫高起点；
• 执行阶段把重复劳动交给Agent的浏览器和CLI工具，人只负责登录和决策。

据UP主总结，思维上先建立“把所有脏活累活交给AI”的模式，再为Agent配置更高效的MCP或CLI工具，协作效率会有明显提升。这套工作流不依赖特定应用场景，对独立开发者和产品团队都有借鉴价值。