录个屏就能复刻App:这个AI工具让前端开发直接变了天
录个屏就能复刻App：这个AI工具让前端开发直接变了天
最近智谱发布了一个叫GLM-5V-Turbo的多模态模型，我用了一下，说实话有点震惊。
以前复刻一个App页面，流程是这样的：设计师在Figma里标注每一个元素的尺寸、颜色、间距，输出一份详细标注稿；前端工程师对着标注稿一个像素一个像素地还原；设计师review，发现不对的地方打回去改；来回三四轮，一个页面可能要磨一两天。
现在呢？录个屏，或者截张图，一句话扔给GLM-5V-Turbo，几分钟出活。
我录了一段微信读书的操作视频，从首页到书架到个人页，完整录了一段，然后直接扔给模型。提示词就一句话：基于视频帮我复刻这个App。没告诉它这是微信读书，没给任何UI说明文档。
模型接到任务后，先输出了一份完整的复刻计划：页面拆解、组件清单、交互逻辑、技术选型，条理清晰得像一个有经验的前端工程师在做技术方案评审。然后按照计划逐步实施，最终交付的效果让我相当意外——底部tab栏、顶部菜单切换、卡片式书籍列表，全部都还原了，而且每个tab和菜单项都是可点击、可交互的。
我又试了一下：换成一张高清截图，复刻微信首页。这回效果直接拉满，连文字排版的间距、字号层级几乎都对得上。
这件事的底层逻辑很清晰。GLM-5V-Turbo是原生多模态模型，从预训练阶段就把视觉和语言统一建模。它看设计稿的方式跟人类设计师一样：感知到”这里有一个圆角卡片，背景是半透明毛玻璃效果，左上角有绿色状态指示灯”，然后直接把视觉理解翻译成CSS和组件代码。中间没有OCR转文字再猜语义的有损环节，视觉信息到代码的转换是一步到位的。
再试文档解读：扔一份PDF研报，让它基于图表写分析。GLM-5V-Turbo对图表的数据提取非常精准，柱状图的对比、折线图的拐点、表格里的关键数值，都被准确地引用到了文字分析中，而且自动把原报告的图片嵌进文章里，真的做到了图文并茂。
说实话，AI工具每隔几个月就会出现一个让你感觉”行业又往前走了一步”的节点。视觉编程能力的成熟，就是其中一个。
以前我们用AI写代码，本质上还是在给模型喂文字。现在，截个图、录个视频就能直接下指令，模型看得懂你眼睛看到的东西，这个门槛的降低是质变级别的。
当一个工具能直接”看”懂你的工作内容，而不需要你把工作内容翻译成它能理解的格式，它就真的开始进入你的工作流了。
视觉编程时代已经到来，录个屏就能复刻App，你的前端工作流该更新了。
一枚普通程序员的副业实验田，主业写bug，副业搞Money。
夜雨聆风
