lijianfei.com

让 AI Agent（智能体）替人类操作电脑已经不再新鲜，但如何让 AI 真正接管我们口袋里的真实智能手机？

长期以来，移动端设备自动化是一条布满荆棘的泥潭：你要么需要将 iPhone 越狱（Jailbreak）破坏安全沙盒，要么必须在 Xcode 里挂载 WebDriverAgent 签名证书，要么只能在脱离真实 SIM 卡和硬件环境的模拟器里自娱自乐。一旦遇到依赖手机号短信 2FA、真实指纹支付、或者仅在 App Store 上架的特定闭源商业应用，传统的自动化方案便彻底瘫痪。

近期在开源社区爆火的 ShawnPana/phone-harness，给出了一种堪称惊艳的“降维打击”解法：不越狱、不装 App、不改固件，将 Claude Code、Cursor、AGY 等 AI Coding Agent 直接接入真实 iPhone 与 Android 手机。

Agent 可以像人一样“看屏幕（OCR / Vision）”、“点按钮（Tap）”、“输文字（Type）”并根据屏幕变动实时反馈。

下面是项目最震撼的一段实测演示 —— 开发者对终端里的 AI 下达一句话指令：“从我当前位置打一辆 Waymo 无人驾驶出租车去 Delah Coffee”，AI 全程自动操作真机完成了唤醒、搜索、车型选择与下单确认：

本文将为你深度拆解 phone-harness 内部的工程架构、黑客级实现细节以及如何将其装配进你的日常 Agent 工作流。

由 Anthropic 推出的 模型上下文协议（Model Context Protocol，简称 MCP），正在迅速成为大模型（LLM）与外部世界数据源、本地工具之间互联互通的“开放 USB-C 标准”。

然而，在过去的一年里，MCP 生态几乎被 TypeScript (@modelcontextprotocol/sdk) 与 Python (mcp) 垄断。对于 Apple 生态的开发者而言，想要在 macOS、iOS 甚至 visionOS 应用中集成 MCP，往往不得不捆绑一个臃肿的 Node.js/Python 运行时，或者通过简陋的 Shell 进程进行跨进程通信。

现在，这一局面被彻底打破：Anthropic 官方正式推出了 modelcontextprotocol/swift-sdk。

这是一个完全基于现代 Swift 6.0+ 构建的官方生产级 SDK，遵循最新的 MCP 规范，同时提供了完整的 Client（客户端） 与 Server（服务端） 双向实现。本文将带你全景拆解其底层架构设计、双向通信机制与企业级实战落地。

随着 Claude Code、Cursor、AGY 等 AI Coding Agent 成为移动端开发者的主力副驾驶，许多使用 SwiftUI 的独立开发者和 iOS 工程师都有一个共同的痛点：AI 写出的 Swift 代码，往往“充满了廉价的 AI 味”。

它可能会用早该扫进历史垃圾堆的过时 API、滥用庞大的计算属性将视图塞成千行单文件、在进入动画上机械地套用 ease-in 导致生硬顿挫、或者凭空捏造出一套充满网页套壳质感的粗糙 UI。

日前，推特博主 @limbopeng 分享了当前 iOS & SwiftUI 领域最值得关注的三个开源 Agent Skill 组合：

1. Appllama/appllama-skills —— 让 AI 告别凭空想象，基于头部畅销 App 真实数据与原型展开设计；
2. emilkowalski/skills —— 前 Vercel / Linear 设计工程师打造的动画与交互“审美天花板”；
3. twostraws/SwiftUI-Agent-Skill —— 全球顶流 Swift 导师 Paul Hudson 沉淀数千小时实战经验的原生纠错引擎。

本文将为你深度拆解这三大核心技能背后的技术思想、避坑细则以及如何在终端中一键装配这套最强 iOS Agent 组合拳。

对于每一位独立开发者（Indie Hacker）和移动端出海团队而言，应用开发生命周期中最让人头疼且极度消耗心力的环节，往往不是写代码，而是上架前的应用商店截图（App Store & Google Play Screenshots）制作。

几乎所有开发者都在这个阶段踩过以下“深坑”：

1. 商业 SaaS 订阅刺客：像 AppMockUp、Previewed、Hotpot 等在线工具，动辄按月收费 $19 ~ $29 美元；免费版要么强制加水印、要么锁定 4K 高清导出和批量下载；
2. Figma 模板太重太折腾：非专业设计师打开动辄几个 G 的社区 Figma 模板，光是对齐图层、换机模、调坐标就折腾半天，导出的尺寸还经常被 App Store Connect 报错驳回；
3. 致命的“说明书式截图”认知陷阱：把截图当成了功能说明书，直接往框里塞满密密麻麻的原型界面，在手机搜索列表页里文字比蚂蚁还小，用户 1 秒划走，导致转化率（CVR）奇低；
4. 全套尺寸地狱：iPhone 6.9"（1320×2868）、6.7"（1290×2796）、6.5"（1242×2688）、iPad 12.9"、Android 手机、7寸/10寸平板，外加 Google Play 1024×500 宣传横幅，每次改个字都要重复机械劳动几十次。

知名开源作者 Parth Jadhav（曾打造爆款工具 Tkinter-Designer）开源的 ParthJadhav/app-store-screenshots 彻底终结了这一痛点：它是一个专为现代 AI Coding Agent（Claude Code、Cursor、Windsurf、Antigravity、Codex）打造的自包含能力库（Agent Skill）！

只需一句话，Agent 就会自动在你的本地仓库中脚手架出一套高颜值的 Next.js + Tailwind + ShadCN 专属截图设计工作台。它首创了 Connected Canvas（跨屏连贯画布），让手机机模与装饰元素能像广告大片一样在相邻多张截图中穿梭联动，并严格遵循一套工业级的《高转化设计质量圣经》，生成的所有规格尺寸直出可过审，目前已被多款 App Store 官方上架应用（如 Bloom Coffee Shelf Recipe）实盘验证！

对于所有在非越狱（Non-jailbroken）设备上探索 iOS 侧载（Sideloading）的开发者与重度玩家而言，苹果为免费个人开发者账号（Free Apple Developer Account）设立的三大限制犹如三道难以逾越的“紧箍咒”：

1. 3 个已安装应用上限：单台设备通过个人证书最多只能激活 3 个自签名 App；
2. 10 个 App ID 额度限制：每 7 天内只能注册 10 个唯一的 Bundle ID；
3. 7 天证书过期重签：应用必须每周重新签名或借助 AltStore / SideStore 在本地定时刷新。

为了多装几个测试工具、复古模拟器、注入插件的魔改应用，许多人不得不购买昂贵的企业证书（随时面临证书被苹果批量吊销拉黑的风险）或年费 99 美元的开发者账号。

最近在开源社区引发轰动的 LiveContainer (LiveContainer/LiveContainer) 带来了一种极其硬核且惊艳的全新破局思路：它既不是硬件虚拟机，也不是 QEMU 类指令模拟器，而是一个微型原生应用再宿主运行时（In-process Re-hosting Runtime）！它仅占用你设备上的 1 个应用槽位与 1 个 App ID，就能在自身沙盒内部原生加载、运行数量不限的任意 iOS App，甚至支持多账号多开、Tweak 动态插件注入以及画中画多任务！

本文将深入剖析 LiveContainer 的底层实现机制（Mach-O 二进制动态修补、dyld4 Hook、Bundle 重定向与 JIT 绕过签名校验），并提供详尽的实战部署与排雷指南。

在 iOS 开发与自动化测试领域，官方的 Simulator.app 长期以来让开发者又爱又恨：它必须占用沉重的桌面图形窗口、多设备并发性能消耗巨大、无法原生透传 Mac 摄像头、且在远程协作或 CI/CD 无头（Headless）环境下极难管理。此外，随着 AI Agent（如 Claude Code、Cursor 等）在编程与自动化测试中的普及，如何让 AI 高效、低延迟地感知并操作 iOS 界面，成为了一个迫切的需求。

今天介绍一个堪称“降维打击”的开源极客神器 —— Baguette（法棍 🥖）。它是一个完全无需打开 Xcode 或 Simulator.app 的 无头（Headless）iOS 模拟器管理器 + 独立 Web UI。

在 AI 时代，用户界面的交互逻辑正在发生深刻变革。从 ChatGPT 到各类语音助手与智能 Agent，一个能够实时反映 AI “心理状态”（倾听、思考、输出）的动态视觉载体，成为了打造极致产品体验的关键（即所谓的 AI Presence / 在场感设计）。

今天给大家分享一个令人惊艳的开源 SwiftUI 组件库 —— Murmur。它专为 AI 应用设计，提供了一套基于 Metal 渲染、自带物理流体质感、会实时“呼吸”的三维体积玻璃球体（Volumetric Glass Orbs）。

长期以来，移动应用开发与质量保证（QA）领域一直深陷在跨平台自动化的泥潭之中：

• iOS 端需要维护笨重、易受 Xcode 版本变动影响的 XCUITest；
• Android 端需要编写专有的 Espresso 或 UiAutomator；
• 即便采用了跨端的 Appium 或 WebDriverAgent，也依然面临着极其复杂的驱动桥接、脆弱脆弱的 XPath 选择器以及漫长而痛苦的断言维护。

进入 AI Agent 时代，当开发者尝试让 Claude Code、Cursor、Antigravity 等代码智能体参与移动端 App 的自动化测试、回归验证与数据抓取时，传统框架的劣势被进一步放大 —— AI 根本没有耐心去写冗长的 UI 测试脚本，它需要的是可以直接对话、即调即用的原生标准接口。

开源项目 mobile-next/mobile-mcp 应运而生。它将 Anthropic 发起的 模型上下文协议（Model Context Protocol，MCP） 深度引入移动开发领域，构建了一个真正平台无关（Platform-Agnostic）的移动端原生控制服务，让任何支持 MCP 的 AI Agent 都能无差别接管 iOS 模拟器、Android 模拟器以及真机设备。

本文将深入拆解 mobile-mcp 的系统架构、多端抽象实现以及在生产级 Agent 中的落地实践。

在 AI Coding 工具（Claude Code、Cursor、AGY）全面爆发的今天，“一个人在几小时内用自然语言搓出一款移动 App”早已不再是天方夜谭。

近期，海外创业孵化器与独立开发者社区热烈讨论了一则真实案例：纽约大学 20 岁大学生 Benji（@thekuchh）在过去一年里借助 Claude Code 疯狂构建了 45 款 iOS 应用，其中一款成功跑通商业闭环，单月订阅经常性收入（MRR）突破 30,000 美元（约合 21 万人民币/月）。随后出海去孵化器（@chuhaiqu）将其核心经验提炼为 9 步精简指南，在社交媒体上引发了现象级传播。

然而，在狂热的讨论浪潮背后，很多尝试入局的开发者却纷纷折戟沉沙：有人花了几周让 AI 写出的 App 被苹果审核无情拒审，有人上架后遭遇疯狂的“一星差评轰炸”，还有人虽然做出了产品，却在付费转化和获客投放中陷入严重的亏损泥潭。

AI 确实极大降低了“写代码”的门槛，但在一个能赚钱的商业化 iOS App 链路中，写代码往往只占最轻松的 10%。

本文不仅全面梳理这套从 0 到 $30k MRR 的 9 步方法论，更站在一线全栈与 iOS 独立开发者的视角，对其中的**核心商业假设、技术选型真相、苹果审核雷区（App Store Guidelines）以及单体经济学（Unit Economics）**进行严谨的深度求证与实战推演。