七个小时、二十一块钱、五十五轮对话,Gemini Flow 从界面到出片逻辑被复刻成一个原生 App,首版 Demo 跑通时账单还没到一块钱。净室复刻的五步框架、踩过的十二个坑和打包好的 skill,文末都给了地址。

上周末分享了我朋友怎么用 DeepSeek Harness + REA & Craft-anything 把一个短剧工作室从 0 开始复刻出来了
马上就有人在评论区问

评论区读者提问黄果免费短剧
我也不敢回答啊,我不知道这是什么啊,但我朋友跟我说是一个app
然后看到又有人说可以复刻 app

评论区讨论能否复刻手机 App
于是,我心血来潮,就用同样的逻辑跑一下,还真给跑通了。。
不过别误会不是某果。。是把 Gemini Flow 给复刻了——一个可以生成图片、视频,以及编辑、延长视频等功能的 AI 产品。
DeepSeek Harness 出了高保真对比合集

FlowClone 与原版 Google Flow 高保真对比合集:首页与项目页

FlowClone 与原版 Google Flow 高保真对比合集:图片编辑与参数设置
不仅是「样子」,「效果」上也要复刻,所有功能都一比一搬过来了。。
谷歌应该不会搞我吧。。

效果级验证:真实 LLM 代理、延长 16 秒整段播放、多版本保留与原图归属
说回来,这个过程,虽然没有花费九牛二虎之力,但也是踩了很多坑
所以我把这些经验打包成了一个 skill bggg-copy-app,前面的兄弟拿这个 skill,就可以去复刻一个 yellow 果了。。
祝你出海顺利啊 – –

复刻装备:无头骑士+小米
还不止,为了帮助更多 OPC 降低开发门槛,我直接把这套复刻出来的 app 和 server 都打包
连同 skill 一起同步到 GitHub 了,感兴趣的可以下载来学习,或者拿它来二开,做一个类似的 AI 生成产品是没什么问题了
这些我都放文末吧。

老规矩,先上干货。
01 首要问题:怎么把手机 App 拆透?
看过上篇的朋友肯定会问:复刻手机 App 更复杂,是不是得上 jadx 反编译或者 Frida 抓包?
但实际上这次我没搞反编译,也没装上篇提过的 REA,只是借用了 Craft Anything 的逻辑:
「调查(Study)→ 重建(Build)→ 核对(Check)→ 交付(Ready)」的思路,走纯净室复刻(Clean-room):只看公开界面与交互结果,从零重写原生代码。
整套逻辑框架分五步走:

净室复刻五步走框架(定级 → ADB 真机直连 → 语义树加截图解析 → 规格化清单 → 重建与同机验收)
1定级:把复刻拆成 L0 到 L5 六级(默认卡在 L3 效果一致,拒绝静态假数据)。
2ADB 真机直连:手机开 USB 调试连电脑,DSH 直接调终端命令接管手机。
3语义树加截图解析:uiautomator dump 拿控件结构与坐标,screencap 截图提取配色、圆角与字号。
4规格化清单:输出「逐屏 UI 差异表」和「行为审计表」,记清每一步状态变化。
5原生端加服务端重建与验收:写 Kotlin 原生端与 Python 服务端,装回同一台真机左原版、右复刻逐屏核对。
网上有个项目比较火,叫 mobile-mcp,可以让 Agent 操作手机,但实操下来发现复刻需要调用更多底层能力,而原生 ADB 通道功能更全。。

原生 ADB 相比 mobile-mcp 覆盖更全的底层能力
02 踩完12 个坑,换来4 条血泪经验
如果你只是简单跟 AI 说一句,让它帮你把 App 复刻出来,那么跑到最后得到的应用大概率用不了。
这些就是我踩过的坑。
1. Agent 经常「浅尝辄止」,要让它强行穿透 3 到 5 层
Agent 操控原版 App 有个通病,就是浅尝辄止:点一下按钮看到状态变了,马上退出来写代码去搞下一个功能。泛而浅的复刻毫无价值,必须下死命令:
你要真正深度复刻,就是不要只是点击原app一层就结束了,要点进去一层,再试一下功能,不断深入到三层\四层\甚至五层,完成深度链路的处理,再完成这个链路的复刻
2. 横向功能少的产品纵向逻辑极深,「UI 像」不等于「功能对」
现在的 App 都很高级,交互都设计得很好,表面可能就一个输入框加几个按钮,横向功能很少,但背后的状态和媒体逻辑极深。
以 Gemini Flow 为例:
检查项
- 视频延长 8 秒:初版只存新片段没合并,点完还是 8 秒;拼成 16 秒后又因上游两段分辨率不同(416×752 与 400×736)导致后 8 秒花屏,最后用 Media3 Transformer 统一缩放重编码才跑通。
- 素材归属与长任务恢复:加动画和改视频必须保留原片,在同素材下存成 2/2 多版本;生成任务要拆成 jobId 落盘续查防后台被杀,下载还得校验文件头,防止把上游 HTTP 202 的 JSON 当成损坏 MP4 存下来。
3. 每次点击前重跑语义树,绝不复用旧坐标
真机遇到软键盘弹起、列表滚动,甚至小米手机误触呼出全局搜索或小爱同学,旧坐标立刻失效;而且 Compose 卡片常缺文本描述。
所以得让 Agent 反复去测状态。
4. 让 AI 反推自建 Server,把密钥和智能体留在后端
商业化 App 绝不能把网关 Key 写进安装包。我让 DeepSeek 根据前端的登录态、点数、通知和对话页,反推出 18 条接口
后期如果要加复杂 Agent,直接把 Harness 放进这个 Server 调度就行,这就是它的核心价值。
03 7 小时21 元真机实录
最后看一遍真实过程,你们跑大概率也会遇到同样情况。
连上小米 9 Pro 打开 USB 调试,在 DSH 里选 DeepSeek-V4.1-Flash Max 开完全权限,它先自动拆好环境与采集清单(底栏缓存命中率直接干到 99%):

DSH 启动复刻任务后自动拆解任务清单,缓存命中率达 99%
接着它一边发 ADB 命令点手机,一边把屏幕截成 /tmp/state.png 读回对话框自己取色量尺寸:

DSH 自动读取 /tmp/state.png 真机截图提取界面配色与结构
但我真的不懂,为什么 AI 这么喜欢画茶壶。每次让它自己决定生成什么来测试,全都是茶壶:

DSH 在真机上自动生成绿茶壶测试图并测试视频模型
半小时它就采完 59 张截图跑通了 v0 复刻版。结果一看它偷懒了——嫌编译包下载慢,先在手机 Chrome 里做了个移动端网页版。
我们要做真 App,当场打回去让它重做原生端:

第一阶段采集完成,DSH 先偷懒做了移动端 Web/PWA 版本
给任务后 DeepSeek 设计的阶段目标卡大概长这样:

DeepSeek Harness 自动设计的净室复刻阶段目标卡
切回 Kotlin + Jetpack Compose 后它很聪明,自己把漏掉的 5 类功能全用一遍看状态变化,每出一版 APK 就跟原版并排比对,像素级修复:

第二轮真机采集补齐 5 类屏幕状态,并与原版并排对照修复
做完这版原生 Demo 花了不到 7 元(6.78 元):

跑通首版原生 Demo 的 API 账单:仅花费 6.78 元
前后花了不到两个小时:

首版原生 App 从环境搭建到 v0.7 验收的时间线记录
之前有人问怎么让 Agent 持续跑几个小时?DSH 这点做得很好,直接自己规划了 30 轮自动化任务推进:

商业化改造正式开跑:自动建立 30 轮推进计划与自建后端模块
每轮跑几分钟,完成后靠 <goal_round> 自动触发回复继续干活。不过单靠内置轮次最多跑 2 到 3 小时,怎么让 Agent 稳定跑满 8 小时以上,就得祭出另一个绝活:Agent Loop。
感兴趣的评论区留言,下一期专门讲。

内置 goal_round 机制自动触发第 23/25 轮继续执行
接下来继续火力全开,喂入我们的真实 AI 网关,把假相机、假生成全换成真接口:

追投指令:接入真实 AI 网关并替换全部假数据
配合前面的穿透指令,它一口气把「虚拟形象」从 L1 入口、L2 英文协议、L3 相机自拍到 L6 网关出片共 6 层逻辑全搬进了原生 App:

按层层深入要求一次性跑通虚拟形象 L1 到 L6 六层原生实现
晚上八点继续加码,让它切到自建 Server 支持注册登录,做成可商业化发布的 Ready 状态:

追投指令:切换自建 Server 做商业化改造并持续优化 UI 细节
熬到十点半终于跑完。首日有效工作 7 小时,跑了 55 轮、消耗 4.21 亿 Token,花费才 21 元出头:

首日工作总结:有效工作约 7 小时,55 轮对话生成 630 个文件
04 开源仓库与 Skill 获取
App + Server 项目:GitHub binggandata/flowclone
包含 native/(安卓端,已做完密钥与数据脱敏,可直接编译打包)、backend/flowclone-server/(Python 服务端)、spec/(差异与审计表)
复刻 Skill 单独放在:GitHub binggandata/bggg-skills 仓库的 bggg-copy-app 目录
装好后连上安卓机,跟 DSH 说一句「用 bggg-copy-app 复刻手机上的 XX 应用」,它就会照着这套标准自己开跑。
说真的,想不出来要做什么,就先抄吧
路就是这样走出来的!
本文由人人都是产品经理作者【饼干哥哥】,微信公众号:【饼干哥哥AGI】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载
题图来自Unsplash,基于 CC0 协议


