单人 AI 工作室搭建手册:用四款工具串联 App 从创意到发布的全流程

一份实战指南，教你将 Antigravity、Stitch、Veo 3 和 Gemini CLI 组合成一条自动化流水线，让一个独立开发者就能完成从概念到 App Store 提交的全过程。

做一个面向全球用户、持续迭代的应用：过去一个人几乎不可能做到。现在不一样了。

我的认知转变发生在一周之内。周一：我画了一个壁纸 App 的草图。周二：Antigravity 生成了 UI。周三：测试通过。周四：商店素材准备就绪。周五：审核通知到了。整个过程里，我实际做的事是指定方向和质量验收。执行层面全是智能体干的。

本文将手把手教你搭建一个"单人 AI 工作室"：用 Antigravity 作为指挥中枢，串联 Google 的 AI 工具（Stitch、Veo 3、Gemini CLI）：在代码实现层面自动化整个 App 开发生命周期。

为什么现在就要搭建单人 AI 工作室

时间永远是独立开发者最大的约束。写代码、做设计、搞营销、测试、本地化、法律文案：一个人独自完成所有这些，从概念到发布平均需要 3 到 6 个月。这个时间线已经从根本上改变了。

下面是这套流水线对关键指标的影响：

首次发布周期：8 周 → 2 到 3 周
更新周期：3 到 4 周 → 不到 1 周
商店素材更新：2 到 3 天 → 不到半天
四语言本地化：5 到 7 天 → 1 到 2 小时

关键不只是数量。当 AI 处理了重复性工作，你的判断力和创造力就能聚焦到最重要的事情上：你真正想创造的用户价值。

到 2026 年，拥有这套系统和没有的开发者之间，差距不仅体现在发布频率上，更体现在回应用户、有意义地迭代的能力上。

流水线架构：4 个阶段 × 4 种工具

整个系统通过四种工具横跨四个阶段运行。

工具角色：

Antigravity：指挥中枢。通过 AGENTS.md 中定义的智能体协调所有阶段
Stitch（Google）：UI 原型设计和截图生成
Gemini CLI：本地化文案、商店描述和媒体素材
Veo 3（Google）：推广视频和 App Preview 生成

阶段流程：

阶段 1：创意验证和 UI 设计（Stitch + Gemini CLI）
阶段 2：核心实现和测试自动化（Antigravity 智能体）
阶段 3：营销素材生成（Veo 3 + Stitch + Gemini CLI）
阶段 4：商店提交和 ASO 优化（App Store Connect API + Gemini CLI）

Antigravity 通过 AGENTS.md 中定义的一组智能体来编排所有阶段。每个阶段结束后，你先审查批准，再进入下一阶段。这种分工：AI 执行，人做决策：是这套系统在实战中可靠的根本原因。

阶段一：创意验证和 UI 设计

用市场调研智能体给创意打分

先定义一个市场调研智能体，用量化研究取代直觉判断，帮你评估 App 创意。

# AGENTS.md ： 阶段 1：创意验证器## market-researcher你用量化市场研究来评估 App 创意。搜索 App Store / Google Play 分类排名、头部竞品评论数和关键词竞争度数据。从以下维度评估每个创意：1. 市场规模（分类排名稳定性、竞品走势）2. 技术可行性（一个开发者能否在 4 周内交付？）3. 变现前景（AdMob CPM 基准、订阅定价惯例、一次性定价）4. 差异化优势（这个 App 能提供头部 10 名给不了的东西？）5. ASO 难度（三个主要关键词的竞争度）输出：Markdown 评分表 + 推荐 ASO 关键词 + 若评分低于 6 分则给出替代方案

把一个概念喂给这个智能体只需要几秒钟，报告几分钟就回来：

antigravity agent run market-researcher \  --input "一款每天推送一张高分辨率自然风景壁纸的 App。\           支持离线保存。主打日本四季主题。"

示例输出：

## 创意评估 ： 评分：8.2/10优势：- 壁纸分类在全球摄影 App 中稳定排在 Top 100- 日本四季主题提供清晰差异化，与泛用型竞品形成区隔- AdMob 变现时机（换壁纸时展示）高度自然；预估 CPM：$3–8- SwiftUI + Cloudflare R2 架构单人约 3 周可完成风险：- 持续的照片采购成本（考虑 Unsplash API 或自建图库）- 季节性内容需要全年规划推荐 ASO 关键词：wallpaper, 4K, Japan, seasons, nature, scenic, lock screen

用 Stitch MCP 生成 UI 原型

概念通过后，通过 MCP 将 Antigravity 连接到 Stitch 来生成初始 UI。

// .antigravity/mcp-config.json{"mcpServers": {"stitch": {"command": "npx","args": ["@google/stitch-mcp"],"env": {"GOOGLE_AI_API_KEY": "YOUR_GEMINI_API_KEY"      }    }  }}

在 Antigravity 聊天界面中：

User: @stitch 为壁纸 App 生成主界面和设置界面。设计需求：- 支持深色模式和浅色模式- 主界面：全屏壁纸、半透明底部工具栏（收藏、保存、分享图标）- 设置界面：通知偏好、图片质量、小组件设置- 字体：SF Pro Display（iOS 原生）- 强调色：#2C7BE5

Stitch 直接在编辑器中生成设计。修改也是一样的方式：用自然语言描述即可。

关于 Stitch × MCP 设计工作流的更多细节，参见 Stitch MCP × Antigravity ：自动化设计到实现流水线一文。

阶段二：核心实现和测试自动化

在 AGENTS.md 中定义专业智能体

与其让一个全能型智能体什么都做，不如把实现拆分为聚焦的专家角色。

# AGENTS.md ： 阶段 2：实现团队## ui-builder职责：根据 Stitch 输出生成 Swift / Kotlin UI 组件约束：- 仅限 SwiftUI / Jetpack Compose（不使用 UIKit / XML 布局）- 每个可交互元素和有意义的图片都必须有 accessibilityLabel- 接受 Stitch JSON 作为输入，输出可工作代码- 在所有字号等级下正确处理 Dynamic Type ： 最大无障碍字号也不会布局错乱输出：src/Views/## data-layer-engineer职责：实现数据持久化和 CloudKit 同步约束：- 使用 SwiftData（不使用 Core Data）- CloudKit 同步通过 CKContainer 仅使用私有数据库- 离线行为：从本地缓存提供数据，重新连接后后台同步- 没有 iCloud 的用户应获得完全可用的纯本地体验输出：src/Models/ 和 src/DataLayer/## test-writer职责：为已实现的组件自动生成 XCTest / JUnit 测试约束：- 每个组件必须覆盖 happy path、错误情况和边界情况- 目标行覆盖率达到 80% 以上- 使用 DI 容器注入 mock；单元测试不发起真实网络调用- 使用结构化并发编写支持 async/await 的 XCTest## localizer职责：为所有 App 文本生成本地化字符串语言：日语（源语言）、英语、简体中文、韩语、西班牙语约束：- 自然表达，非字面翻译- 不得出现可能引发 App Store 审核关注的表述- 输出：每种语言对应 Localizable.strings 格式

通过后台智能体在夜间完成实现

你在忙其他事的时候，后台智能体帮你处理重活。

// .antigravity/tasks.json{"tasks": [    {"id": "overnight-data-layer","description": "为壁纸 App 实现 SwiftData + CloudKit 同步。创建 WallpaperItem 模型和 WallpaperRepository。离线缓存必须优雅降级；重新连接后后台恢复同步。","agent": "data-layer-engineer","schedule": "22:00 JST","outputDir": "./WallpaperApp/Models/","validation": "swift build && swift test WallpaperAppTests/DataLayerTests"    },    {"id": "overnight-ui","description": "将 Stitch 生成的设计（./stitch-output/main-screen.json）转换为 SwiftUI 代码。需要完整的无障碍支持。","agent": "ui-builder","schedule": "22:30 JST","outputDir": "./WallpaperApp/Views/","validation": "swift build"    }  ]}

一觉醒来，实现已完成，测试已通过。以下关键事项仍需人工审查：

涉及安全的部分（认证、支付、API Key 处理）
用户数据的存储和传输方式：对照你的隐私政策复核
性能特征：发布前用 Instruments 做性能剖析

AI 生成的测试长什么样

// WallpaperFetcherTests.swift ： 由 test-writer 智能体自动生成import XCTest@testable import WallpaperApp@MainActorfinal class WallpaperFetcherTests: XCTestCase {    // Happy path：有效日期生成正确的 URL    func testFetchURL_ValidDate_ReturnsCorrectURL() async throws {let fetcher = WallpaperFetcher(            baseURL: URL(string: "https://cdn.example.com")!        )let date = Calendar.current.date(            from: DateComponents(year: 2026, month: 5, day: 6)        )!let url = try await fetcher.fetchURL(for: date)        XCTAssertEqual(url.host, "cdn.example.com")        XCTAssertTrue(url.path.hasSuffix("2026-05-06.jpg"))    }    // 边界情况：离线时回退到缓存    func testFetch_WhenOffline_ReturnsCachedURL() async throws {let mockMonitor = MockNetworkMonitor(isConnected: false)let cache = WallpaperCache()let cachedURL = URL(string: "https://cdn.example.com/cached.jpg")!        await cache.set(key: "latest", value: cachedURL)let fetcher = WallpaperFetcher(networkMonitor: mockMonitor, cache: cache)let result = try await fetcher.fetchURL(for: Date())        XCTAssertEqual(result, cachedURL)    }    // 错误情况：未来日期抛出 WallpaperFetchError    func testFetch_FutureDate_ThrowsError() async {let fetcher = WallpaperFetcher(            baseURL: URL(string: "https://cdn.example.com")!        )let futureDate = Date().addingTimeInterval(86400 * 30)do {            _ = try await fetcher.fetchURL(for: futureDate)            XCTFail("Expected error not thrown")        } catch let error as WallpaperFetchError {            XCTAssertEqual(error, .futureDateNotAllowed)        } catch {            XCTFail("Unexpected error type: \(error)")        }    }}

阶段三：营销素材生成

这一阶段是流水线中节省时间最多的部分。商店截图和推广视频过去需要设计师花 2 到 3 天。现在一个早上就能搞定。

截图自动化（Stitch + Fastlane）

# fastlane/Fastfilelane :generate_screenshots do# 从 Stitch 拉取截图框架模板  sh("python3 scripts/fetch_stitch_frames.py")# 在所有要求的设备尺寸上从模拟器截图  capture_screenshots(    workspace: "WallpaperApp.xcworkspace",    scheme: "WallpaperAppUITests",    output_directory: "fastlane/screenshots",    devices: ["iPhone 16 Pro Max","iPhone SE (3rd generation)","iPad Pro (12.9-inch) (6th generation)"    ],    languages: ["ja-JP", "en-US", "zh-Hans", "ko-KR"],    override_status_bar: true,    concurrent_simulators: true  )# 应用 Stitch 模板中的品牌叠加层  sh("python3 scripts/apply_brand_overlay.py \      --input fastlane/screenshots \      --template stitch-output/screenshot-frame.json \      --output fastlane/framed_screenshots")  frame_screenshots(path: "fastlane/framed_screenshots")end

用 Veo 3 生成推广视频

# scripts/generate_promo_video.py"""用 Veo 3 生成三个 30 秒 App Preview 变体。不同变体可在 App Store Connect 中做 A/B 测试。"""import timefrom pathlib import Pathfrom google import genaiclient = genai.Client(api_key="YOUR_GEMINI_API_KEY")PROMO_VARIANTS = {"morning": """        30 秒 App 推广视频，以晨光为主题：        1. 手机锁屏出现，显示一张惊艳的山景壁纸（5 秒）        2. 缓慢滑动切换到樱花场景（8 秒）        3. 用户点击"收藏"保存壁纸（5 秒）        4. 主屏幕显示壁纸与客厅环境融合的画面（8 秒）        5. App 图标出现，标语"日本。每一天。"（4 秒）        风格：电影感、暖色调、无音频（静默）    ""","zen": """        30 秒 App 推广视频，极简禅意主题：        壁纸在画面中央缓慢呈现：日本庭园、寺庙、雪景。        安静、从容的过渡。字幕："安静的日本，每天都在手中。"        风格：近单色、极度克制    ""","vivid": """        30 秒高能量推广视频：        日本四季快速切换：樱花、夏绿、烟花、红叶、雪景。        每个场景 2 秒。App UI 在结尾出现。        标语："每一个季节。每一天。"        风格：鲜艳色彩、欢快节奏    """}def generate_all_variants():    operations = []for name, prompt in PROMO_VARIANTS.items():print(f"正在生成：{name}")        op = client.models.generate_videos(            model="veo-3-0-generate-preview",            prompt=prompt,            config={"numberOfVideos": 1,"durationSeconds": 30,"aspectRatio": "9:16","resolution": "1080p",            }        )        operations.append((name, op))        time.sleep(2)# 等待所有生成完成for name, op in operations:while not op.done:            time.sleep(15)            op = client.operations.get(op)        uri = op.response.generated_videos[0].video.uri        out = Path(f"fastlane/promo_videos/{name}.mp4")        out.parent.mkdir(exist_ok=True)        import urllib.request        urllib.request.urlretrieve(uri, out)print(f"✅ {name}: {out}")if __name__ == "__main__":    generate_all_variants()

关于 Veo 3 API 实现的深入介绍，参见使用 Veo 3 API 和 Antigravity 构建 App 推广视频一文。

阶段四：商店提交和 ASO 优化

用 Gemini CLI 生成本地化商店文案

#!/bin/bash# scripts/generate_metadata.sh ： 由 Antigravity 管理APP_DESCRIPTION=$(cat docs/app-description-en.md)for lang in"ja-JP""zh-Hans""ko-KR""es-ES"; doecho"正在生成：$lang"  gemini "  将以下英文 App 描述翻译并本地化为 $lang 市场版本。  要求：  - 符合 App Store 审核指南  - 使用自然、地道表达：非字面翻译  - 第一段包含主要关键词  - 不超过 4,000 字符  App 名称：Japan Seasons Wallpapers  描述：${APP_DESCRIPTION}  " > "fastlane/metadata/${lang}/description.txt"  sleep 2done

自动化完整的提交流程

# fastlane/Fastfile ： 提交通道lane :submit_for_review do  increment_build_number(    build_number: latest_testflight_build_number + 1  )  build_app(scheme: "WallpaperApp", export_method: "app-store")  upload_to_testflight(    skip_waiting_for_build_processing: false,    changelog: sh("git log --oneline -10").strip  )  deliver(    submit_for_review: true,    automatic_release: false,    metadata_path: "./fastlane/metadata",    screenshots_path: "./fastlane/framed_screenshots",    app_review_information: {      demo_user: "demo@example.com",      demo_password: "Demo1234!",      notes: "使用演示账号登录即可体验所有功能"    },    submission_information: {      add_id_info_uses_idfa: false,      export_compliance_uses_encryption: false,      content_rights_has_rights: true,      content_rights_contains_third_party_content: false    }  )end

完整的 App Store Connect API 自动化配置参见 App Store Connect API 完整自动化指南一文。

CI/CD：保持流水线持续运行

GitHub Actions 集成

# .github/workflows/ios-pipeline.ymlname: iOS CI/CD Pipelineon:  push:    branches: [main, 'release/*']  pull_request:    branches: [main]jobs:test:    runs-on: macos-15    steps:      - uses: actions/checkout@v4      - name: 选择 Xcode 26        run: sudo xcode-select -s /Applications/Xcode_26.app      - name: 运行测试        run: |          xcodebuild test \            -workspace WallpaperApp.xcworkspace \            -scheme WallpaperApp \            -destination 'platform=iOS Simulator,name=iPhone 16 Pro' \            -resultBundlePath TestResults.xcresult  deploy-testflight:    needs: testif: github.ref == 'refs/heads/main'    runs-on: macos-15    steps:      - uses: actions/checkout@v4      - run: gem install fastlane      - name: 部署到 TestFlight        env:          APP_STORE_CONNECT_API_KEY_ID: ${{ secrets.API_KEY_ID }}          APP_STORE_CONNECT_ISSUER_ID: ${{ secrets.ISSUER_ID }}          APP_STORE_CONNECT_KEY: ${{ secrets.API_KEY }}        run: fastlane deploy_testflight

常见陷阱及规避方法

陷阱一：AI 生成的代码缺少无障碍标签

Antigravity 输出的 SwiftUI 通常在功能上是正确的，但 VoiceOver 标签经常被跳过。

// ❌ 常见 AI 输出 ： 没有无障碍上下文Image(wallpaper.imageName)    .resizable()    .aspectRatio(contentMode: .fill)    .ignoresSafeArea()// ✅ 正确标注Image(wallpaper.imageName)    .resizable()    .aspectRatio(contentMode: .fill)    .ignoresSafeArea()    .accessibilityLabel("\(wallpaper.title) - \(wallpaper.locationName)")    .accessibilityAddTraits(.isImage)

修复方法：在 AGENTS.md 中明确要求每个可交互元素和有语义意义的图片都必须有 accessibilityLabel。

陷阱二：未审查直接使用 Gemini CLI 生成的商店文案

Gemini CLI 生成的质量很高，但苹果审核团队会标记特定模式：最高级表述（"全球最佳"）、竞品对比、以及与你隐私政策相矛盾的声明。提交前务必人工审查生成的文案。

陷阱三：Veo 3 视频版权许可

Veo 3 生成的视频受 Google 服务条款约束。提交到 App Store 前，请对照当前条款确认商业使用权。截至 2026 年 5 月，Veo 3 API 允许商业使用，但请定期检查更新。

陷阱四：长时间运行的后台智能体任务卡住

后台智能体在长时间任务中可能会中途停止。设计任务时控制在 30 分钟完成窗口内：

# AGENTS.md ： 任务粒度原则将所有长任务拆分为 30 分钟内可完成的子任务。❌ "实现整个 App 数据层"（可能需要数小时）✅ "只实现 WallpaperFetcher 类：网络 + 错误处理"（20–30 分钟）✅ "只实现 WallpaperCache 类：读写/过期"（20–30 分钟）每个子任务完成后提交。下一个任务的描述中引用上一个提交。

发布之后：保持流水线持续运行

自动化每周数据分析报告

# scripts/weekly_report.py"""由 Antigravity 调度器每周一自动生成。获取性能数据并创建改进方案，作为 Antigravity 任务。"""import subprocessdef generate_report(downloads, dau, crash_rate, avg_rating, top_complaints):    prompt = f"""    分析以下 App 性能数据，找出下个 2 周冲刺中优先级最高的 3 项改进。    每项改进需要包含：    - 修改什么    - 为什么重要（用户影响预估）    - 如何实现（具体步骤）    周度指标：    - 下载量：{downloads}    - DAU：{dau}    - 崩溃率：{crash_rate}%    - 平均评分：{avg_rating}    - 用户主要投诉：{top_complaints}    """return subprocess.run(        ["gemini", prompt],        capture_output=True, text=True    ).stdout

如果要做营收优化，AdMob + Firebase Analytics 营收最大化指南和这套分析工具配合使用效果很好。

实际成果：前后对比

以下是在一个真实的壁纸 App 上使用这套流水线取得的成果：

指标	之前	之后
概念到发布	约 8 周	2 到 3 周
截图 + 视频制作	3 到 4 天	不到半天
四语言本地化	5 到 7 天	1 到 2 小时
更新周期	3 到 4 周	不到 1 周
总工时（小时）	250 到 300	60 到 80

节省下来的 75% 的精力直接投入到了下一个 App 和回应用户上。速度是复利增长的：每个上架 App 都会产生用户反馈，反馈促成下一个概念，而新概念在流水线中的流转更快：因为工具已经配好了。

决定这些 App 能否被发现的是 ASO 策略，详细内容参见 App Store 和 Google Play ASO 优化指南一文。

实用上手指南

不需要一次性实现全部四个阶段。从最耗时的地方开始就好。

第 1 到 2 周：环境搭建 配置 Antigravity + Stitch MCP。为当前项目自动化 UI 原型设计。

第 3 到 4 周：实现自动化 在 AGENTS.md 中定义前两个智能体。运行一次夜间后台智能体任务。第二天早上审查输出。

第 5 到 6 周：测试自动化 添加 test-writer 智能体。接入 GitHub Actions 让测试在每次推送时自动运行。

第 7 到 8 周：营销自动化 通过 Fastlane + Stitch 自动化截图生成。用 Gemini CLI 生成一组商店描述。

第 9 周以后：视频生成 集成 Veo 3。生成三个变体并在 App Store Connect 中做 A/B 测试。

为这套流水线提供动力的工具，一年前还不是现在这个样子。它们的组合还会继续进化。不变的是底层设计：Antigravity 是指挥，专业智能体是演奏者，你是导演。

原文标题：Running a Solo AI Studio with Antigravity × Google AI - A Complete Guide to Automating Every Stage of App Development 作者：Masaki Hirokawa（Antigravity Lab）发布平台：Antigravity Lab 原文链接：https://antigravitylab.net/en/articles/app-dev/antigravity-solo-dev-ai-pipeline-complete-workflow-2026