夜雨聆风学习资料网

ARTICLE · 1395993

AI 编程时代的 App 开发最佳实践

AI 编程时代的 App 开发最佳实践

一篇文章讲清 iOS、Android、微信小程序的 AI 编程工作流

如今,借助 Codex、Claude Code 等 AI 编程工具,即使没有系统学习过编程,也有机会独立开发一款 App。
但 AI 降低了编写代码的门槛,并不意味着软件开发本身变得毫无门槛。
尤其是 iOS、Android 和微信小程序,它们与普通网页开发存在明显差异。
很多零基础学习者在项目创建阶段就走错了方向,最终遇到工程无法编译、依赖冲突、权限异常,甚至开发完成后无法上架的问题。
AI 编程时代,真正重要的不是掌握多少提示词,而是建立一套正确、稳定、可重复的软件开发工作流。
这篇文章将从项目创建开始,结合三个主流 App 开发平台,介绍从 AI 编程到产品正式上架的完整最佳实践。

📖 文章目录

01|创建项目:为什么不能直接新建文件夹?

02|工具连接:让 AI Agent 连接 MCP 与开发工具

03|项目规范:使用AGENTS.md约束 AI

04|需求规划:先定义 MVP,再开始编码

05|技术选型:优先使用平台原生能力

06|开发流程:小步开发与 Git 版本管理

07|质量保障:自动化测试与真实设备验证

08|发布准备:隐私、安全与平台审核

09|人机协作:AI 执行,开发者负责决策

10|完整工作流:从想法到 App 上架

11|实战案例:使用 AI 开发 SwiftUI 日程 App

12|总结:AI 编程时代开发者的核心竞争力


一、创建项目:为什么不能直接新建文件夹?

这是我认为零基础 AI 编程学习者最应该了解的一条原则。
很多人在第一次使用 AI 编程工具时,会采用这样的流程:
  1. 在电脑上新建一个文件夹。

  2. 使用 Codex 或 Claude Code 打开文件夹。

  3. 输入提示词:“帮我开发一款 iOS App。”

  4. 等待 AI 自动生成所有代码和配置文件。

对于普通网页、Python 脚本等项目,这种方式通常没有太大问题。
但对于原生 App 开发,我并不推荐零基础学习者这样做。

1.1 为什么 App 项目不能简单地等同于普通文件夹?

因为一款真正的 App,不只是由源代码组成。
以 iOS 为例,一个完整的 Xcode 项目通常涉及:
  • Xcode 工程配置与构建目标。

  • Swift 源代码和 SwiftUI 页面。

  • App 生命周期及入口文件。

  • 资源目录、应用图标和颜色资源。

  • Bundle Identifier 和签名配置。

  • 系统权限声明及相关能力配置。

  • 第三方依赖和测试目标。

Android 项目同样如此。
除了 Kotlin 代码,还涉及 Gradle 构建系统、Android SDK、Manifest、应用命名空间,以及不同 Android 版本的兼容性。
微信小程序也需要符合微信平台规定的项目结构、配置文件、页面注册方式和运行环境要求。
这些配置不一定复杂,但任何一个环节出现问题,都可能导致项目无法正常运行。
如果完全依赖 AI 从零生成工程,就相当于把工程初始化、环境配置和业务开发全部交给 AI。
对于有经验的开发者,这未必是问题。
但对于零基础学习者,一旦出现错误,往往很难判断问题究竟来自业务代码,还是项目本身。

1.2 正确做法:先用官方开发工具创建项目

我更推荐下面这种方式:
iOS 开发
  • 官方工具:Xcode

  • 开发语言:Swift

  • UI 框架:SwiftUI

Android 开发
  • 官方工具:Android Studio

  • 开发语言:Kotlin

  • UI 框架:Jetpack Compose

微信小程序开发
  • 官方工具:微信开发者工具

  • 开发语言:JavaScript / TypeScript

  • UI 框架:原生小程序框架

正确的项目启动流程应该是:
官方 IDE 创建项目 → 运行默认模板 → 确认编译成功 → Git 初始提交 → AI 接手开发
这样做最大的好处,就是项目一开始便拥有可靠的工程基础。
AI 不需要猜测工程结构,也不必从零生成大量配置文件,而是直接在官方创建的项目中开发功能。

1.3 iOS:使用 Xcode 创建 SwiftUI 项目

对于准备开发 iPhone App 的学习者,我推荐使用 Xcode 创建项目。
基本流程:
  1. 打开 Xcode,选择创建新项目。

  2. 选择 iOS 平台的 App 模板。

  3. 填写应用名称和组织标识符。

  4. 选择 Swift 作为开发语言。

  5. 选择 SwiftUI 作为界面技术。

  6. 根据项目需求配置最低系统版本。

  7. 创建项目并运行默认页面。

当模拟器成功运行官方模板时,就意味着已经拥有一个可以正常构建的 iOS 项目。
接下来再使用 AI 编程工具打开项目目录,让 AI 在已有工程中实现功能。
例如:

这是一个使用 Xcode 创建的原生 iOS 项目,采用 Swift 和 SwiftUI 开发。

请先阅读现有工程结构,保留项目的构建配置和应用标识符。

接下来我们将在这个项目中开发一款日程管理 App。

请先分析项目,再给出实现方案,不要立即修改代码。

这比简单地告诉 AI“帮我创建一款 iOS App”更加可靠。

1.4 Android:使用 Android Studio 创建项目

Android 开发同样建议从官方模板开始。
打开 Android Studio,选择适合 Jetpack Compose 的项目模板,配置项目名称、包名、最低 SDK 版本及其他必要参数。
创建完成后,等待 Gradle 同步成功,再运行默认项目。
Android 工程涉及 Gradle、Android Gradle Plugin、Kotlin 和 Compose 等多个组件,它们之间存在版本兼容关系。
如果 AI 随意修改构建脚本,可能导致原本能够运行的项目出现依赖冲突。
因此,开发初期应该明确告诉 AI:
优先沿用 Android Studio 创建的工程配置,不要为了实现简单功能随意升级构建工具或依赖版本。

1.5 微信小程序:使用微信开发者工具创建项目

微信小程序同样建议通过微信开发者工具初始化。
根据实际情况选择小程序 AppID、开发语言、项目模板,以及是否需要使用云开发。
项目创建完成后,先确认默认页面能够正常预览。
之后再让 AI 修改页面、组件、样式及业务逻辑。
对于小程序,尤其需要提醒 AI:
不要把小程序项目当成普通网页项目。
小程序有自己的运行环境、组件体系、页面生命周期和平台 API。
即使某段代码在浏览器中能够运行,也不代表它可以直接在微信小程序中运行。

1.6 创建项目后,先提交第一次 Git Commit

这是我非常推荐养成的习惯。
确认官方模板能够正常运行之后,初始化 Git 仓库并提交第一个版本。
git add .
git commit -m "chore: initialize app project"
提交前应检查 .gitignore,避免把密钥、签名文件、构建产物或敏感配置提交进去。
这个初始提交相当于项目的第一个安全检查点。
即使后续 AI 修改代码导致项目无法编译,也可以通过 Git 查看差异,或者恢复到之前能够正常运行的状态。
本章总结:官方 IDE 负责创建可靠的工程基础,AI 负责在这个基础上实现功能。

二、工具连接:让 AI Agent 连接 MCP 与开发工具

这是 AI 编程时代非常值得关注的一项能力。
很多初学者认为,AI 编程就是通过聊天让 AI 生成代码。
实际上,代码生成只是开发过程的一部分。
一款 App 从编写代码到真正运行,还需要经过编译、构建、测试和调试。
而这些工作通常由 Xcode、Android Studio 和微信开发者工具完成。

2.1 传统 AI 编程存在什么问题?

假设你正在开发一款 iOS App。
你告诉 AI:
“帮我实现一个日历页面。”
AI 修改了代码。
然后你打开 Xcode,点击运行,发现编译失败。
你只能复制错误信息,再发送给 AI:
“这里报错了,帮我修复。”
AI 修改代码之后,你再次编译。
如果又出现错误,就重复刚才的流程。
整个过程可能需要多次往返。
这实际上存在一个明显的问题:
AI 负责写代码,但 AI 并不知道代码是否真正运行成功。
它只能根据已有代码和你提供的错误信息进行推断。

2.2 MCP 如何改变 AI 编程?

MCP 的全称是 Model Context Protocol。
可以简单理解为一种让 AI 应用连接外部工具和数据源的开放协议。
通过 MCP 或其他工具集成方式,AI Agent 可以获得更多实际开发能力。
例如:
  • 读取工程文件和项目结构。

  • 调用构建工具。

  • 获取编译错误及警告。

  • 读取测试结果。

  • 获取部分运行日志。

  • 根据诊断结果修改代码。

  • 再次构建并验证修改是否有效。

这样,AI 就不再只是一个代码生成器,而是能够参与完整开发流程的编程 Agent。

2.3 iOS:Xcode 与 AI Agent

对于 iOS 开发,可以关注 Xcode 提供的 MCP 集成能力,以及兼容的第三方工具集成方案。
当相关工具、Xcode 版本和权限配置支持时,Agent 可以借助这些能力读取工程信息、获取诊断结果,或者执行受支持的开发操作。
例如,编译器可能返回这样的错误:
ContentView.swift:42:18
Cannot find 'taskList' in scope
这条错误包含三个重要信息:
  • 出错文件:ContentView.swift

  • 出错位置:第 42 行、第 18 列

  • 错误原因:当前作用域找不到 taskList

    AI 获得这些信息后,就可以更有针对性地检查对应代码。
    如果工具支持再次构建,还可以在修复之后重新验证。
    需要强调的是,MCP 本身并不保证所有 Xcode 功能都能被调用。
    具体支持哪些操作,取决于 Xcode 版本、MCP 服务实现及 Agent 的工具权限。

    2.4 Android:Android Studio、Gradle 与 ADB

    Android 开发也可以建立类似的自动化流程。
    但这里需要理解一个重要区别:
    实现 AI 自动编译和调试,并不一定必须使用 MCP。
    Android 本身就拥有成熟的命令行开发工具。
    例如,Gradle 可以执行项目构建:
    ./gradlew assembleDebug
    如果构建失败,终端通常会返回具体的错误信息。
    AI 编程 Agent 只要拥有相应的终端工具调用权限,就能够读取这些输出。
    Android 还提供 ADB,用于与模拟器或 Android 设备交互。
    查看当前连接的设备:
    adb devices
    读取设备日志:
    adb logcat
结合 Android Studio 的 Agent 集成能力、Gradle、ADB,以及适当的 MCP 服务,就能够构建较完整的 AI 辅助开发工作流。

2.5 微信小程序:开发者工具与自动化能力

微信小程序也有自己的开发工具和自动化体系。
微信开发者工具提供项目编译、预览、调试等能力,相关命令行和自动化工具也可以用于部分开发流程。
如果使用适配的 MCP 服务,AI Agent 便有机会通过这些工具间接操作小程序开发环境。
需要注意的是,官方命令行、自动化 SDK 和第三方 MCP 服务并不是同一个概念。
实际使用时,应确认所选工具是否支持对应操作,避免将第三方集成误认为官方原生 MCP 功能。
另外,小程序在真实微信客户端中的表现,仍然需要通过真机测试验证。

2.6 建立 AI 自动修复闭环

我建议把 AI 编程过程从传统的:
提出需求 → AI 写代码 → 人工发现错误 → AI 修复
升级为:
提出需求 → AI 修改代码 → 工具编译 → AI 分析错误 → AI 修复 → 再次验证
在条件允许时,可以要求 Agent 在完成每一项任务后自动执行构建检查。
但不能让 AI 无限制地反复尝试。
例如,可以约定:

每次完成代码修改后,执行可用的构建或测试命令。

如果失败,优先根据实际错误信息修复。

连续三次尝试仍未解决时,停止修改并汇报问题、已尝试的方法和当前阻塞原因。

这样既能提高自动化程度,也可以避免 AI 在错误方向上持续修改工程。
本章总结:不要只让 AI 编写代码,还应该尽可能让 AI 获取真实的编译、测试和运行反馈。

三、项目规范:使用 AGENTS.md 约束 AI

当项目创建完成,AI 也能够调用开发工具之后,接下来需要解决另一个问题:
如何保证 AI 始终按照我们期望的方式开发?
AI 编程工具虽然具备很强的代码生成能力,但它并不天然了解你的项目偏好。
例如:
你希望使用 SwiftUI 开发原生 iOS App,AI 却可能引入不必要的 UIKit 封装。
你希望 Android 项目采用 Kotlin 和 Jetpack Compose,AI 却可能建议使用其他 UI 框架。
你希望小程序使用原生组件和云函数,AI 却可能擅自引入额外的 Web 框架或服务器架构。
这些建议未必完全错误,但可能与项目目标不一致。

3.1 什么是 AGENTS.md?

AGENTS.md 可以理解为一份面向 AI 编程 Agent 的项目开发说明书。
它通常放在项目目录中,用来描述:
  • 项目目标。

  • 技术栈。

  • 目录结构。

  • 编码规范。

  • 构建与测试方式。

  • 开发限制。

  • 需要特别注意的事项。

支持该文件约定的 Agent 可以在工作时读取这些说明。
不同 AI 编程工具对项目规则文件的支持方式并不完全一致,因此使用前需要确认对应工具的规则加载机制。

3.2 一份适合零基础学员的 AGENTS.md

例如,一个 SwiftUI 项目可以使用下面这份简单规则:

Project Guidelines

项目介绍

这是一个原生 iOS 日程管理 App。

技术栈

- Swift
- SwiftUI
- iOS 17+
- 优先使用 Apple 官方框架

开发规范

- 优先使用 SwiftUI 实现界面
- 保持现有项目结构
- 不要随意修改 Bundle Identifier
- 不要擅自升级最低系统版本
- 不要引入不必要的第三方依赖
- 修改代码前先阅读相关文件

工作流程

1. 分析需求
2. 检查现有实现
3. 给出简短方案
4. 修改必要文件
5. 执行可用的构建或测试
6. 汇报修改内容和验证结果

安全要求

- 不要提交密钥或敏感信息
- 不要未经确认删除用户数据
- 涉及签名、发布和生产环境配置时先询问
这份规则不需要写得特别复杂。
对于初学者,能够把技术栈、项目约束和工作流程说明白,就已经非常有价值。

3.3 三个平台需要不同的开发规则

iOS 项目
重点约束 SwiftUI、最低系统版本、隐私权限、签名配置,以及 Apple 官方框架的使用。
Android 项目
重点约束 Kotlin、Jetpack Compose、Gradle 版本、应用包名和不同系统版本的权限差异。
微信小程序项目
重点约束原生框架、页面与组件规范、分包和包体积,以及 AppID、云环境和生产配置。

3.4 项目规则不是越多越好

很多开发者容易陷入另一个误区:
认为 AGENTS.md 写得越长,AI 就越聪明。
实际上,过多、重复甚至互相冲突的规则,反而可能影响 Agent 的执行效果。
我更推荐从简单规则开始。
当项目中反复出现某一类问题时,再把对应经验补充到规则文件中。
例如,如果 AI 多次擅自修改 Gradle 版本,就增加一条禁止无故升级构建工具的约束。
如果 AI 经常创建重复组件,就增加一条修改前先搜索已有实现的规则。
本章总结:好的AGENTS.md不是一次写完的,而是随着项目不断迭代的。

四、需求规划:先定义 MVP,再开始编码

AI 编程最容易带来的错觉,就是开发似乎不再需要规划。
只要输入一句需求,AI 就能立即开始工作。
但对于稍微复杂一些的 App,这种方式很容易造成返工。
例如,你想开发一款日记 App。
如果直接告诉 AI:
“帮我开发一款日记 App,支持图片、语音、分类和云同步。”
AI 可能会立即创建大量页面、数据模型和服务代码。
但它并不知道:
  • 数据应该存储在哪里?

  • 是否需要用户登录?

  • 是否支持离线使用?

  • 语音是否需要保存原始音频?

  • 云同步使用什么服务?

  • 是否需要订阅功能?

  • 哪些功能属于第一版?

如果这些问题没有提前确定,AI 就只能自行做出假设。
而错误的假设,往往比错误的代码更难修复。

4.1 先定义 MVP

MVP,即最小可行产品。
对于零基础开发者,我建议第一版只实现最核心的功能。
例如,一款日记 App 的第一版可以只包含:
  1. 创建日记。

  2. 查看日记列表。

  3. 编辑和删除日记。

  4. 本地保存数据。

等这些功能稳定之后,再逐步加入图片、语音、云同步和订阅功能。
这样可以显著降低一次性开发的复杂度。

4.2 让 AI 先生成开发方案

在正式修改代码之前,可以使用下面这段提示词:

我准备开发一款原生 iOS 日记 App。

请先阅读当前项目和 AGENTS.md,根据我的需求制定 MVP 开发计划。

请说明需要实现哪些页面、数据模型和功能模块,以及推荐的实现顺序。

优先使用现有技术栈和官方框架,不要引入不必要的第三方依赖。

当前阶段只需要方案,不要修改代码。

这类提示词的重点,不在于措辞有多复杂,而在于明确告诉 AI:
先理解问题,再执行开发。

4.3 区分产品决策和代码实现

我认为 AI 编程时代,开发者需要逐渐形成一种新的分工方式。
产品方向、功能优先级、数据归属和隐私策略等关键问题,应该由开发者决定。
AI 则可以承担大量实现工作,包括页面代码、数据模型、业务逻辑、测试、重构和技术文档。
当然,AI 也可以参与产品规划,提出建议。
但建议不等于决策。
尤其是涉及数据安全、支付、用户隐私和长期维护成本时,更需要开发者主动把关。

五、技术选型:优先使用平台原生能力

AI 编程工具面对同一个需求,可能提出多种实现方案。
例如,开发一个简单的本地数据存储功能,AI 可能建议使用第三方数据库。
开发一个普通页面动画,AI 可能推荐额外的动画库。
实现简单的网络请求,AI 也可能引入完整的网络框架。
这些方案并不一定错误。
但对于零基础开发者,额外的依赖往往意味着额外的学习成本、兼容风险和维护负担。
我的建议是:
如果平台官方能力已经能够很好地满足需求,就优先考虑官方方案。

5.1 iOS:优先使用 Apple 官方框架

常见需求可以优先评估以下框架:
  • 用户界面:SwiftUI

  • 本地数据持久化:SwiftData、UserDefaults 等

  • 网络请求:URLSession

  • 日历与提醒事项:EventKit

  • 天气信息:WeatherKit

  • 小组件:WidgetKit

  • 应用内购买:StoreKit

  • 云端同步:CloudKit

当然,官方框架也有适用条件。
例如,SwiftData 需要考虑最低系统版本、数据模型复杂度及迁移需求。
UserDefaults 适合存储少量偏好设置,而不是大型业务数据库。
CloudKit 也不是所有应用都适合使用。
所以这里强调的是优先评估官方能力,而不是所有场景都必须使用官方框架。

5.2 Android:优先使用成熟的 Jetpack 组件

Android 也有相对完整的官方开发体系。
例如:
  • 用户界面:Jetpack Compose

  • 页面导航:Navigation

  • 本地数据库:Room

  • 偏好设置:DataStore

  • 后台任务:WorkManager

  • 生命周期管理:ViewModel

  • 网络请求:平台 API 或适合项目的网络库

Android 的实际技术选择通常需要结合最低 SDK、项目规模和现有架构。
尤其是 AI 生成代码时,要避免同一个项目中混用多套不必要的架构。

5.3 微信小程序:优先遵循平台生态

微信小程序的核心优势之一,就是拥有相对完整的平台能力。
例如:
  • 页面与组件体系。

  • 微信登录相关接口。

  • 网络请求能力。

  • 本地存储。

  • 位置、相机和媒体能力。

  • 云开发及云函数。

  • 支付与订阅消息等平台服务。

其中部分能力需要满足资质、用户授权、接口权限或平台审核要求。
对于小程序开发,我建议先确认官方是否提供对应 API,再决定是否需要引入第三方方案。
特别是对于小型项目,过早引入复杂框架,可能会让开发和调试变得更加困难。

5.4 Serverless 也是值得考虑的方向

很多 App 最终都会涉及后端功能。
例如用户账户、数据同步、文件上传、AI 模型调用、支付订单和消息通知。
但这并不意味着每个项目都需要从零搭建服务器。
对于独立开发者,可以根据需求考虑云函数、托管数据库和对象存储等 Serverless 服务。
这种架构通常可以减少服务器运维工作。
不过,Serverless 不等于零成本,也不意味着无需考虑安全性。
数据库权限、API 鉴权、调用费用、并发限制和密钥管理仍然非常重要。

六、开发流程:小步开发与 Git 版本管理

在 AI 编程过程中,我不推荐一次性给 AI 提出几十项需求。
例如:
“帮我开发完整的日记 App,包括首页、编辑器、语音、图片、云同步、订阅、设置、登录和深色模式。”
这样的需求看似可以节省沟通时间,实际上容易导致大量代码同时发生变化。
一旦出现错误,很难定位是哪一部分引起的。

6.1 推荐的开发节奏

以日记 App 为例,可以采用这样的顺序:
第一阶段,实现日记列表页面。
第二阶段,实现创建和编辑日记。
第三阶段,实现本地数据存储。
第四阶段,实现搜索和分类。
第五阶段,实现图片和语音等扩展功能。
每完成一个阶段,都执行必要的编译、运行和测试。
这样即使出现问题,排查范围也相对有限。

6.2 每次只给 AI 一个明确目标

例如:

请在现有 SwiftUI 项目中实现日记列表页面。

要求支持空状态和日记卡片展示,暂时使用模拟数据,不需要实现数据库。

请复用现有组件,不要修改项目构建配置。

完成后执行可用的构建检查,并汇报修改了哪些文件。

这比一次性开发整个应用更加可控。

6.3 不要把“编译成功”当成“功能正确”

这是一个非常重要的区别。
代码能够编译,只能说明它通过了相应的编译检查。
它并不代表:
  • 页面布局正确。

  • 用户交互正常。

  • 数据能够正确保存。

  • 网络异常得到处理。

  • 不会出现运行时崩溃。

  • 不存在安全问题。

因此,验证过程应该包含多个层次。
首先是静态检查和编译。
其次是自动化测试。
最后是真实的页面交互和设备测试。
对于涉及支付、数据删除、权限授权等重要功能,还需要进行专门验证。

6.4 每个稳定阶段都提交 Git

Git 不应该只在项目开发完成之后使用。
我建议每完成一个相对独立的功能,就创建一次提交。
例如:
chore: initialize project
feat: add diary list
feat: add diary editor
feat: persist diary data
feat: add search
fix: resolve navigation issue
这样既方便追踪开发过程,也能降低 AI 修改错误带来的损失。
如果需要恢复到旧版本,应先理解 Git 的 reset、revert 和 checkout 等操作之间的区别,尤其不要随意重写已经共享的提交历史。

七、质量保障:自动化测试与真实设备验证

AI 很适合帮助开发者编写测试代码。
例如:
  • 为数据模型编写单元测试。

  • 验证输入校验逻辑。

  • 测试日期计算。

  • 检查网络请求错误处理。

  • 生成边界条件测试。

  • 辅助编写 UI 自动化测试。

但需要注意,AI 生成的测试本身也可能存在错误。
有时 AI 甚至会为了让测试通过,而修改测试条件,导致原本应该被发现的问题被掩盖。
因此,开发者应该明确测试目标,而不是只要求“所有测试通过”。

7.1 iOS 测试

可以使用 XCTest、Swift Testing,以及适合项目的 UI 测试工具。
重点验证数据处理、业务逻辑和关键用户流程。

7.2 Android 测试

可以使用 JUnit、Compose UI Testing、Espresso 等适合项目的工具。
同时需要考虑不同系统版本和设备配置。

7.3 微信小程序测试

可以结合业务逻辑单元测试、平台自动化能力、开发者工具调试和真机测试。
尤其要关注真实微信客户端中的表现。

7.4 AI 不能替代真实用户体验

有些问题很难只靠代码检查发现。
例如:
按钮太小,不方便点击。
页面在小屏幕设备上被遮挡。
键盘弹出后输入框无法滚动到可见区域。
深色模式下文字对比度不足。
这些问题都需要实际运行应用才能发现。
本章总结:AI 可以帮助我们提高测试效率,但真实设备和真实交互仍然不可替代。

八、发布准备:隐私、安全与平台审核

对于零基础开发者,另一个容易忽视的问题是:
开发完成,不代表能够成功发布。
尤其是 iOS App、Android App 和微信小程序,都有各自的平台规则。
如果前期完全不考虑这些要求,可能会在最后阶段付出很大的返工成本。

8.1 iOS:提前考虑 App Store 审核

例如:
  • 应用是否需要登录?

  • 是否涉及应用内购买?

  • 是否需要隐私政策?

  • 是否收集个人数据?

  • 是否请求相机、麦克风或位置权限?

  • 是否涉及第三方 SDK 的隐私声明?

  • 是否需要提供审核测试账号?

这些问题不应该全部留到提交审核时才处理。
如果应用涉及数字内容或数字功能付费,还需要提前研究适用的 App Store 支付规则。

8.2 Android:考虑 Google Play 的发布要求

Android 应用也需要关注:
  • Target SDK 要求。

  • 应用签名。

  • 权限声明。

  • 数据安全表单。

  • 应用内容政策。

  • 测试与发布流程。

  • 适用的应用内支付政策。

不同发布时间、开发者账号类型和应用类别,可能对应不同的具体要求。
因此,正式发布前应以当时的 Google Play 官方政策为准。

8.3 微信小程序:考虑平台审核与资质

微信小程序同样存在平台规则。
例如,部分服务类目需要特定资质。
支付、用户信息、内容发布和其他敏感能力,也可能涉及额外要求。
如果应用涉及服务端 API,还需要考虑合法域名配置、HTTPS、鉴权及数据安全。

8.4 永远不要把敏感密钥直接交给客户端

这是 AI 编程中非常重要的一项安全原则。
例如,你开发了一款接入大模型 API 的 App。
不应该简单地让 AI 把服务端 API Key 写进 Swift、Kotlin 或小程序前端代码中。
因为客户端代码和安装包都不能被视为安全的密钥存储环境。
更合理的方案通常是:
客户端发起请求,由经过鉴权的后端或云函数调用模型服务。
服务端负责保存密钥,并实施必要的访问控制、限流和费用保护。
对于零基础开发者,应该尽早建立这种安全意识。

九、人机协作:AI 执行,开发者负责决策

AI 编程确实让开发者可以减少大量重复编码工作。
但这并不意味着开发者完全不需要理解代码。
我认为,AI 编程时代的开发者不一定需要记住所有 API,也不一定需要熟练手写每一个组件。
但至少需要理解以下内容。

9.1 理解项目是如何组织的

知道页面、数据模型、服务层和配置文件大致位于哪里。

9.2 理解数据是如何流动的

例如,用户输入一篇日记后,数据如何从页面进入存储层,又如何被读取和展示。

9.3 理解应用依赖哪些外部服务

例如,云数据库、对象存储、AI 模型接口和支付服务。

9.4 理解哪些操作存在风险

例如,删除数据库、修改应用签名、暴露密钥、变更生产环境配置。

9.5 能够判断功能是否真的完成

不能只依赖 AI 告诉你“已经修复”。
你应该能够通过运行结果、测试和实际操作确认。

9.6 不要把 AI 的回答当成事实

AI 可能会说:
“已经成功修复所有问题。”
但如果它没有实际执行编译和测试,这句话可能只是基于代码分析得出的判断。
因此,我建议要求 AI 在完成任务后明确区分:
  • 已修改的内容。

  • 已实际执行的验证。

  • 验证结果。

  • 尚未验证的部分。

  • 已知风险和后续建议。

这样才能避免把 AI 的推测误认为实际结果。

十、完整工作流:从想法到 App 上架

前面介绍了项目创建、工具集成、开发规范、需求规划、代码实现、测试和发布。
接下来,我们把这些内容整合成一套适合零基础开发者的完整流程。

10.1 阶段一:明确产品目标

先回答三个问题:
这款 App 是给谁使用的?
它要解决什么问题?
第一版必须包含哪些功能?
尽量用简单、明确的语言描述产品,不要一开始就追求功能完整。

10.2 阶段二:选择开发平台

如果主要面向 iPhone 用户,可以考虑 SwiftUI 原生开发。
如果主要面向 Android 用户,可以考虑 Kotlin 和 Jetpack Compose。
如果希望用户通过微信快速访问某项服务,可以考虑微信小程序。
平台选择应该基于目标用户、产品能力和分发方式,而不是单纯因为某个技术最近很热门。

10.3 阶段三:使用官方 IDE 创建工程

使用 Xcode、Android Studio 或微信开发者工具创建项目。
确认默认模板能够正常运行。
建立 Git 仓库,并提交初始版本。

10.4 阶段四:配置 AI 编程环境

选择合适的 AI 编程 Agent。
让 Agent 能够读取项目目录。
根据需要配置 MCP、终端构建工具或其他自动化能力。
确认 Agent 可以获得真实的编译或测试反馈。
注意遵循最小权限原则,不要为了方便而无限制开放敏感操作。

10.5 阶段五:建立项目规范

创建 AGENTS.md 或当前工具支持的项目规则文件。
明确技术栈、目录结构、编码规范、构建与测试命令、依赖管理要求及安全限制。

10.6 阶段六:制定 MVP 开发计划

让 AI 根据产品需求生成开发方案。
检查页面划分、数据模型、技术选择和实现顺序。
对于不合理的方案,先修改计划,再开始编码。

10.7 阶段七:逐个实现功能

一次完成一个相对独立的功能。
修改后执行构建和测试。
必要时使用模拟器或真实设备验证。
每完成一个稳定阶段,提交 Git。

10.8 阶段八:进行完整测试

检查核心用户流程。
验证数据保存、异常处理、权限请求和网络错误。
使用真实设备检查布局与交互。
对重要功能补充自动化测试。

10.9 阶段九:准备发布材料

包括应用名称、图标、截图、描述、隐私政策和必要的审核资料。
提前确认平台政策与应用实际功能是否匹配。

10.10 阶段十:发布并持续迭代

完成平台要求的测试和审核流程后发布应用。
上线之后,继续关注崩溃、用户反馈、性能和产品数据。
AI 也可以帮助分析问题、规划版本和实现后续功能。
但生产环境的敏感变更,仍应经过必要的人工确认。

十一、实战案例:使用 AI 开发 SwiftUI 日程 App

为了让整个流程更容易理解,我们可以用一款简单的日程 App 作为案例。
假设我们准备开发一款 iOS 日程管理应用。
第一版只需要支持创建日程、查看列表、编辑日程和本地保存。

11.1 第一步:创建项目

打开 Xcode。
创建一个使用 SwiftUI 的 iOS App。
配置项目名称和应用标识符。
运行默认页面,确认项目可以正常编译。
然后提交第一个 Git 版本。

11.2 第二步:让 AI 理解项目

使用 AI 编程工具打开项目目录。
告诉 AI:

这是一个使用 Xcode 创建的 SwiftUI 项目。

请先分析现有工程结构,识别应用入口、主要页面和构建配置。

不要立即修改代码。

让 AI 先理解项目,而不是直接开始生成文件。

11.3 第三步:建立开发规范

创建 AGENTS.md。
规定使用 SwiftUI、优先采用官方框架、保持现有工程配置,并要求修改后执行可用的验证。

11.4 第四步:制定开发计划

告诉 AI:

我准备开发一款简单的日程管理 App。

第一版只需要日程列表、创建日程、编辑日程和本地保存。

请根据现有 SwiftUI 项目制定分阶段开发计划,优先采用简单、易维护的实现方式。

检查 AI 提出的数据模型和页面结构。
确认合理后,再开始开发。

11.5 第五步:实现第一个页面

让 AI 先实现日程列表。
此时不必急着接入数据库。
可以先使用模拟数据,确认页面布局、列表样式和交互符合预期。

11.6 第六步:逐步增加功能

接下来依次实现:
  1. 创建日程。

  2. 编辑日程。

  3. 删除日程。

  4. 本地数据持久化。

每完成一个功能,都运行 App 验证。

11.7 第七步:使用工具辅助修复问题

如果 AI Agent 已经具备构建工具调用能力,可以让它在修改代码后执行构建。
出现编译错误时,根据真实日志进行修复。
如果暂时没有配置 MCP,也可以通过终端构建命令或手动提供错误信息完成调试。
MCP 是提升效率的工具,而不是完成 AI 编程的必要前提。

11.8 第八步:测试与发布

确认核心功能能够正常运行。
检查不同屏幕尺寸下的界面。
验证数据是否能够持久保存。
准备图标、截图、隐私政策及其他必要材料。
最后通过 Xcode 和 App Store Connect 完成相应的发布流程。
这个案例看起来并不复杂。
但它完整体现了一套正确的 AI 编程工作方式:
从官方工程开始,让 AI 理解项目,制定规范,逐步开发,通过真实工具验证,最后完成产品发布。

十二、总结:AI 编程时代开发者的核心竞争力

回顾整个开发流程,我们会发现一个明显的变化。
过去,开发者需要花费大量时间学习编程语言、框架 API 和各种实现细节。
而现在,AI 可以承担越来越多的具体编码工作。
这意味着,开发者的核心能力正在发生变化。

12.1 从编写代码,转向定义问题

以前,我们可能需要先思考某个功能应该怎样写代码。
现在,可以先思考这个功能究竟要解决什么问题。
需求是否合理?
用户是否真的需要?
第一版是否有必要实现?
这些问题比单纯生成代码更重要。

12.2 从掌握语法,转向理解系统

不熟悉某个 API,并不一定会阻止你开发产品。
但如果完全不理解应用架构、数据存储、网络请求和安全边界,就很难判断 AI 的方案是否合理。
因此,零基础学习者依然需要学习软件开发的基础概念。
只是学习重点可以发生变化。
不必一开始就追求记住大量语法,而是优先理解项目结构、数据流、平台能力和开发流程。

12.3 从手动调试,转向自动化验证

过去,开发者需要亲自执行大量重复性的构建和排错操作。
现在,AI Agent 可以通过工具调用承担其中一部分工作。
但自动化的前提,是能够获取真实、可信的工具反馈。
没有执行测试,就不能声称测试通过。
没有实际运行,就不能保证运行效果。

12.4 从单纯开发功能,转向交付完整产品

对于独立开发者来说,真正有价值的成果不是生成了多少行代码。
而是能否将一个想法转化成用户可以实际使用的产品。
从项目初始化,到功能开发、测试、隐私合规、上架和后续维护,每一个环节都属于软件开发的一部分。
AI 可以让这些工作变得更高效,但不能自动消除所有工程问题。

结语:AI 编程降低了门槛,但最佳实践仍然重要

AI 编程正在为零基础学习者和独立开发者创造新的机会。
过去需要多人协作、长时间开发的部分项目,如今有机会由一个人借助 AI 完成。
但我始终认为,AI 编程最重要的能力,不是写出多么复杂的提示词,也不是让 AI 一次生成多少代码。
而是建立一套能够稳定交付产品的开发方法。
对于 iOS、Android 和微信小程序开发,我尤其推荐坚持以下十条原则:
  1. 先用官方开发工具创建项目,再让 AI 接手。

  2. 让 AI 尽可能连接真实的构建、测试和调试工具。

  3. 使用 AGENTS.md 等项目规则约束开发行为。

  4. 先制定 MVP 和开发计划,再开始编码。

  5. 优先考虑平台原生能力,避免不必要的依赖。

  6. 小步开发、持续验证,并使用 Git 管理版本。

  7. 重视真实设备测试,不把编译成功等同于功能正确。

  8. 从开发初期就考虑隐私、安全和平台审核。

  9. 让 AI 承担执行工作,由开发者把握关键决策。

  10. 建立从想法到上架,再到持续迭代的完整工作流。

对于零基础学习者来说,不需要等到完全掌握 Swift、Kotlin 或 JavaScript,才开始开发自己的第一款 App。
但也不要误以为,只要输入一句提示词,软件开发中的所有问题就都能自动解决。
AI 编程让更多人拥有了创造软件的能力,而正确的工程实践,决定了这些想法能否真正成为可靠的产品。
未来,优秀的独立开发者不一定是写代码最快的人。
更可能是那些能够清晰定义产品、合理选择技术、有效组织 AI Agent,并且持续交付高质量软件的人。
这才是我理解的 AI 编程时代的 App 开发最佳实践。

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料