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

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

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


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。。

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 - -

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。
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:

uiautomator dump 拿控件结构与坐标,screencap 截图提取配色、圆角与字号。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。。

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。
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:
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。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。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。
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。
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%):

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:

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:

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:

给任务后 DeepSeek 设计的阶段目标卡大概长这样:

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:

做完这版原生 Demo 花了不到 7 元(6.78 元):

前后花了不到两个小时:

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:

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。

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:

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:

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:

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:

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!







