看别人的App就想自己做?11个AI技能排成11步流水线,从拆屏到上线全包,3.4千星

刷到一个顺手的小工具，心里冒出一句"这个我也能做一个"。

真坐下来才发现，第一步就卡住：先看它哪个页面？技术栈选什么？数据库怎么设计？做完怎么知道有没有bug？名字都没想好，热情先凉了一半。

一个人从头摸这条路，逆向分析、定方案、写代码、找bug、起名字、写介绍页、上线，每一环都能把人劝退一次。最近GitHub上有个开源项目把这一整段路压成了11个AI技能，仓库3.4千星、558个fork，MIT协议免费。它叫「replica-skill」。

先讲清楚它是什么。

replica-skill是作者Jake Schincariol放出的11个结构化Claude技能，合起来构成一条「复刻App」的完整流水线。免费、MIT协议、不用注册、不用填API key，工具只需要Python 3.8以上，零pip依赖，六个辅助脚本全用标准库写，本身不联网。

它做的事一句话说清：你给一个想照着做的App，技能先帮你把它拆开，再按步骤重建，接着自动找bug、对标打分、读用户差评改缺点、起自己的名字、写落地页，最后部署到你自己的域名。

重点在「复刻」两个字。它重建的是功能和操作流程，走的是clean-room（洁净室）路子，不碰原App的源码、Logo、商标、文案和私有接口。这条边界落到了技能执行里，不靠文档自觉，后面踩坑一节细说。

它给你一套把"别人怎么做的"翻译成"我怎么照着做一遍"的工序，不替你凭空发明新App。对想学习AI怎么拆解产品的人，这11份提示词本身就是一套教材。

11个技能有先后，前一个的产出喂给后一个，中间文件都放在项目里的replica/文件夹互相读取。

官方给的顺序是：recon -> architect -> design -> build -> backend -> test -> diff -> entrepreneur -> brand -> launch -> deploy。

你也可以只单挑中间一步用。比如自己已经有代码了，单独叫/replica-test帮你找bug；还在犹豫要不要做，先跑/replica-entrepreneur读一遍差评，看看值不值得动手。

官方举了个预约排期App的例子：recon拆出18个屏幕、7条流程；diff打完分，功能86、布局91；entrepreneur读了140条真实评论，发现用户抱怨按席位涨价、没有短信提醒、时区让人混淆，对应改成平定价、加短信提醒、加一步时区确认。

把两种走法摆在一起看，差别最直观。

自己摸索往往能做出来，只是每一环都靠经验补，缺哪一环自己都察觉不到。流水线把这些环节显式摆出来，至少让你知道自己走到哪、还差什么。

要说明的是，它省掉工序上的摸索，判断仍留给人。技术栈选哪个、定价定多少、定位切哪个角度，最后还是人来拍板。

第一个看点，技能已经从"回答问题"走到"交付一条流水线"。

过去单个技能像一个顾问，你问一句它答一句。这里11个技能按工序串起来，前一步的文件是后一步的输入，目标是走到一个能上线的成品。这代表技能生态的一个方向：不再只给建议，而是把一段完整工作拆成可衔接的步骤。

第二个看点，/replica-entrepreneur把"读差评"做成了正式一环。

多数人复刻一个App只看它有什么功能，这一步反过来去看用户讨厌什么，把痛点修进自己的版本。官方要求每条评论都带原始链接，样本量写明，不编造数字。这个思路用在任何产品分析上都成立：缺点比功能更能告诉你差异化往哪切。

第三个看点，合规边界被写进执行层。

/replica-brand的sweep脚本会在代码里搜原版的名字、域名和颜色，连变量名里藏着的OriginalAppEmbed都能揪出来，没扫干净/replica-deploy不发货。/replica-launch的脚本会查应用商店字数限制和标题里的排名夸大。边界靠脚本卡，不靠自觉。

第一，它复刻不了复杂到离谱的应用。

官方自己写明，预约排期这种工具也要花几周，一个电子表格引擎就不现实。/replica-recon会在动手前如实评估规模，/replica-diff给的是真实分数，不含安慰成分。别指望一条流水线复刻大型软件。

第二，这不是法律建议，商用前自己去核。

技能只重建功能和流程，不复制内容、网络和版权目录。能重建音乐App的播放器和歌单分享，不能克隆它的曲库。真要拿去卖，商标自己查、条款自己读，涉及钱之前找律师过一遍。

第三，安装方式有三种，按需选。

最轻量是把仓库地址粘给Claude说install skill；Claude Code用户可以装成插件，命令会带命名空间前缀；想去掉前缀就把技能文件夹复制到~/.claude/skills/。没有Claude Code，把单个SKILL.md粘到对话顶部也能当模式跑，只是少了Python辅助工具，方法照样走。本机Windows全流程跑通属于待实测，Python脚本在Windows下的表现需要自己验证。

第四，星数是动态的。3.4千星、558 fork是10月19日抓取时的页面实时值，过几天会变，别把它当固定数字引用。

回到开头那个场景：刷到一个顺手的小工具，想自己做一个，却卡在第一步。

replica-skill把那段漫长的摸索摊成11个看得见的步骤，没有"帮你一键做出来"的魔法。拆屏、选型、重建、找bug、对标、读差评、起名、上线，每一步都有对应技能接手，你要做的是在每个节点拍板。

想看看AI怎么把一个产品从拆到交付走完一遍，光读这11份提示词就有收获。

明日预告：接着聊一个能让AI自己记住你纠正过它几次的自学习技能，看它和今天这套流水线在"沉淀"这件事上各走哪条路。

你好，我是長青，你的AI工具实战向导。