80% 的代码在手机上写完：我用三个国产大模型搭的 AI 编程工作流

过去一个月我做了一个图像处理小程序，前端、后端、算法全流程。其中大约 80% 的开发和改 Bug，是在手机上完成的。

地铁上、沙发上，掏出手机敲两行指令，改完代码一键推到真机预览。开发过程本身比产品还让我得意，呵呵。这篇文章把整套工作流完整拆开：远端引擎怎么搭、模型怎么分工、真机怎么打通，照着就能复刻。

一、架构：手机只是终端，Mac mini 才是引擎

先说结论：手机上写代码，靠的不是手机性能，是把重活全部甩给远端。

家里 Mac mini 上跑着一个 OpenCode Server，当作常驻的远端代码引擎。手机上装一个客户端连过去，手机只负责显示和下指令，编译、检索、跑测试都在 Mac mini 上。

客户端我换过一次。最早用 WhisperCode，后来换成更顺手的 Paseo。两个都是连远端会话的壳，差异主要在交互手感：Paseo 的会话管理更细腻，断线重连、多会话切换都更利索。

这套架构还有个隐藏好处：会话永不下线。路上想到一个思路，掏出手机接上刚才的上下文继续，不用把需求重新解释一遍。

二、三个国产模型，各干各的活

单个模型包打天下不是不行，但效率差。我最后用下来，固定成三个模型各管一摊：

GLM-5.3 当技术专家。 需求拆解、架构设计、复杂问题的根因分析都交给它。这类任务不追求快，追求想得深，让它慢慢出方案。

DeepSeek V4.1 Flash 负责代码生成。 函数编写、重构、常规增删改，它响应快、逻辑严密，性价比极高。一个功能 GLM 出完方案，丢给它落地。

MiniMax-M3 打杂。 识别截图、改配置、整理文件这类 subagent 的活，便宜量大，随叫随到。

分工的依据是任务特征：方案类任务要慢而深，生成类任务要快而准，杂活类便宜就行。三个模型对应三档，什么活配什么档的模型，钱都花在刀刃上。

还有个顺带的好处：网络稳定，中文语境没有隔阂，价格便宜到可以敞开用。

三、真机热推送：改完就能直接看效果

小程序开发最磨人的环节是看真机效果。传统流程要构建、上传、打开开发者工具、生成预览、掏手机扫码，改一行代码走一遍，几分钟没了。

我把这整段做成了自动化。改完代码说一句「预览」，构建、上传、推送到手机微信全自动，几十秒后手机上直接弹出新版本。

用的是 WeChat DevTools 的自动化接口，思路不复杂：把开发者工具能做的操作串成脚本。任何小程序项目都能照做。

这一环打通后，手机开发的整个链路就转起来了：手机上改代码 → 自动构建 → 真机预览 → 手机上看效果 → 继续改，全程可以不碰电脑。

四、三天跑通原型的节奏

说说这套工作流真跑起来的样子。项目原型三天出：

第一天搞后端和算法流水线。FastAPI 搭骨架，把检测、识别和修复模型串起来，配合模型补全 NumPy、OpenCV 的图像张量转换代码。

第二天上前端。Taro 搭页面，Canvas 裁剪、相机拍照、对比展示，布局方案让技术专家模型定，样式和 TypeScript 类型交给代码模型填。

第三天真机联调。拍照、上传、算法处理、渲染，全链路走通。

这里有个重要经验：AI 编程真正的省力点，不在一句话生成整套系统——那是演示，不是开发。省力点在架构定好之后的快速填充：语法不用记，API 不用查，注意力全部留给设计本身。

五、一个月下来的四条经验

一，先写验收标准，再让 AI 写代码。明确做到什么程度算完成、边界在哪里，让它先出方案，确认无误再动手。

二，带着完整上下文修 Bug。报错时别只丢一句话，完整日志、复现步骤、前后变化一起发。AI 擅长顺着报错修表面，根因那一层，人带着挖快很多。

三，主动做减法。我加过用不上的功能，很快砍掉。加功能太容易了，判断标准就一条：它解决的是不是你最初那个麻烦。

四，分工清楚。AI 写具体逻辑又快又好，平台规则、架构取舍、产品体验，人来把关。AI 给的答案往往停留在官方文档，平台规则的具体执行它只能给保守答案，剩下的路要自己走一遍。

六、这套工作流的门槛

比想象中低。一台常开的旧电脑、一个远端服务、一个手机客户端、一套自动化推送脚本，就齐了。核心不是工具多高级，是每一环都真的在手机上够得着。

照着搭的过程中卡在哪一步，评论区聊。