用Codex和GPT-6 Astra从零构建并发布移动App全流程

为什么这套AI开发工作流值得关注

用AI写代码早就不新鲜了，但大多数人卡在"能让AI生成一个页面"和"能上线一个App Store应用"之间。B站UP主布洛克发布的这套Codex教程，核心价值在于展示了一条打通全链路的路径：从想法、规划、UI设计、身份验证、后端数据库，一直到App Store提交和错误监控。

据布洛克在视频中的说法，他正是用这套完全相同的工作流构建并发布了自己的移动应用到App Store，且首次提交即通过审核。教程以构建一个Instagram风格的社交媒体应用（项目名CodexGram）为案例，覆盖了完整的开发生命周期。

这套流程最值得学习的地方不是某个工具，而是一种"上下文先行"的工程思维——在写任何代码之前，先把规划、设计和规范喂给AI，避免它在关键决策上瞎猜。

第一步：用规划模式把模糊想法逼成执行计划

布洛克反复强调，初学者最常犯的错误是太兴奋直接开始写代码，结果AI在某个节点开始"瞎猜"功能细节。他的解法是利用Codex的规划模式，配合一段固定的采访式提示词，让AI主动向开发者提问。

问题分批出现，每组三到四个，涵盖V1版本的成功标准、目标平台、媒体上传限制、是否需要推送通知、支付功能等。布洛克的经验是：先做最小可行产品（MVP），推送通知和支付这类功能一律推迟到后续版本。这套问答会持续到AI获取完整的项目上下文，最终生成一份Plan.md文件。

技术栈方面，项目使用Expo（移动端框架）、Clerk（身份验证）、Convex（后端与数据库）和NativeWind（样式方案）。值得注意的一个细节是，他选用Expo的原生标签页组件来获得iOS的流体玻璃效果，这比从头实现要省力得多。

Expo 是一套基于 React Native 的开源移动应用开发框架，其核心价值在于让开发者用 JavaScript/TypeScript 编写一次代码，即可同时构建 iOS、Android 和 Web 应用。Expo 提供了一套完整的工具链，包括开发服务器、设备预览（Expo Go）、云端构建服务（EAS）以及丰富的原生模块封装（如相机、通知、定位等），大幅降低了移动端开发的门槛。对于 AI 辅助开发而言，Expo 的标准化项目结构和详尽的官方文档使得 AI 能够快速理解项目上下文并生成符合规范的代码，这也是教程选择 Expo 作为技术栈的重要原因之一。

第二步：先生成UI设计稿，再让AI照着实现

有了Plan.md，布洛克并不直接让AI写页面代码。他先用ChatGPT或Gemini生成整套UI设计：将Plan.md转成图像生成提示词，得到设计系统、身份验证页、主页、探索页、个人资料页等多张参考图，然后统一放入项目的Design文件夹。

这个方法的关键洞察在于：AI代理可以直接"看"这些图片，从中提取组件、颜色和字体信息。相比用文字描述设计要求，视觉参考的约束力强得多。对于AI生成的初稿不满意时，他的做法是多次跟进、提供参考、要求高清化和变体，而不是一次不满意就放弃。

生成参考图后，开发进入一个可复用的循环：让Codex根据参考图构建页面，从模拟器截图，与设计稿对比，不一致就继续修，直到完全一致。这个循环后续被抽象成了一个Skill文件（放在Agents文件夹下），新对话开始时自动加载，省去每次重复输入长提示词。

第三步：Agent指令文件是项目质量的护栏

教程中有一个容易被忽略但价值很高的实践：使用AGENTS.md和CLAUDE.md这类纯Markdown指令文件，在对话开始时自动加载到AI的上下文中。这些文件存放项目规范、架构约定，以及"总是这样做/绝不要那样做"的规则。

布洛克举了一个反面案例：AI在某次重构中把原生标签页换成了JavaScript标签页，破坏了之前的设计效果。修复方式不是每次口头叮嘱，而是在AGENTS.md中写入"始终使用Expo Router原生标签页"。

这正是AI编程从"氛围编程"走向工程化的分水岭——把重复的口头约束沉淀为持久的项目规范。

第四步：真实功能落地——认证、数据库与实时同步

UI骨架完成后，项目接入Clerk做Google和Apple登录。这里有一个合规细节：如果应用提供了任何第三方社交登录，Apple会要求同时提供Apple登录，否则审核会被拒。Clerk与Convex的集成开关在仪表盘中启用后，用户资料会自动同步。

后端使用Convex，安装后通过npx convex dev创建云端项目，生成schema、query和mutation的目录结构。Convex开箱即用的实时特性在教程中被重点演示：一台设备发评论，另一台模拟器上的同一帖子页面会实时更新，无需刷新。

开发构建（Development Build）是另一个关键概念。Expo Go只适合学习和测试，真实项目需要运行npx expo install expo-dev-client并构建独立应用。要把构建装到真机上，可以用USB连接，也可以通过EAS（Expo Application Services）云端构建，扫描二维码安装。

Convex 是一个专为全栈应用设计的后端即服务（BaaS）平台，其最大特色是内置了响应式数据库和实时查询能力。开发者用 TypeScript 定义 schema、query 和 mutation，Convex 会自动处理数据同步：当某个客户端修改数据时，所有订阅了相关查询的客户端都会实时收到更新，无需手动编写 WebSocket 或轮询逻辑。这种开箱即用的实时特性非常适合社交类应用中的评论、点赞、消息等场景。此外，Convex 与 Clerk 等身份验证服务有官方集成，用户资料可以在认证后自动同步到数据库中，减少了后端开发的样板代码。

第五步：上架合规清单与错误监控

很多AI编程教程止步于"应用能跑"，但这套流程覆盖了App Store审核的实际要求：隐私政策、服务条款、支持URL、删除账号功能，缺一项都可能被拒。布洛克用提示词让AI生成这些法律页面，放到Legal文件夹，再通过Live Server本地预览，最后用Cloudflare Wrangler部署到Cloudflare Pages，获得真实的公开URL。

错误监控环节引入了Sentry。布洛克用一个直白的逻辑解释其必要性：用户遇到bug时不会发邮件，而是直接卸载并给一星差评。Sentry能自动捕获错误并邮件通知，还提供结构化日志、会话回放、性能追踪和用户反馈组件。配置时需要注意，Sentry是原生模块，安装后必须重新构建应用才能生效。

代码审查环节使用CodeRabbit，通过创建独立分支、提交更改、发起Pull Request的流程，让AI扫描整个代码库，一次性获取所有评审意见并让Codex批量修复。

Sentry 是一个开源的应用程序监控平台，专注于错误追踪和性能监测。它能够自动捕获前端和后端代码中的异常，记录错误发生的上下文（如设备型号、操作系统版本、用户操作路径），并通过邮件、Slack 等渠道实时通知开发团队。除了基础的错误捕获，Sentry 还提供会话回放（重现用户操作过程）、性能追踪（分析慢加载和卡顿）、结构化日志以及用户反馈组件，帮助开发者在用户投诉之前发现并修复问题。对于移动应用而言，Sentry 作为原生模块需要重新构建开发客户端才能生效，这是配置时常见的注意事项。

多源视角下的判断与局限

需要客观指出的是，这套教程的乐观叙事建立在一个特定前提上：项目规模可控、功能相对标准。布洛克本人在视频中也承认，AI目前还无法构建任何东西，随着项目变大它会"有点拉胯"，掌握编程基础仍然重要。

他的时间数据同样值得参考：规划阶段数分钟，UI设计迭代从几分钟到十几分钟不等，功能实现单次可达17到20分钟，完整项目从构思到提交App Store约14天。这些数字说明AI加速的是执行，而方向判断、合规决策和设计审美仍由人主导。

另一个隐含成本是工具订阅：Codex或Claude的付费计划约每月20美元，Apple Developer Program每年99美元（部分地区有折扣）。教程强调的"完全免费开始"只适用于学习阶段。

对想要复刻这套流程的开发者，最务实的起点不是照搬工具链，而是先理解三个原则：规划先行、视觉参考约束、把规范写成文件。这三点与具体用哪个模型无关，换任何AI编程工具都成立。