“工具链门槛降下来之后，专业开发者省下的是时间，有创意的人拿到的是入场券。把重复的工具链操作自动化，让他们把精力放回内容本身。”PICO CLI 0.5.0的产品经理在接受VR陀螺采访时表示。
近日，PICO 发布了PICO CLI 0.5.0，这是一款面向AI开发的命令行工具，也是PICO Space Pro与PICO OS 6空间应用开发的新入口。开发者只需用自然语言描述需求，即可由AI配合CLI完成工程创建、编码、构建、调试和模拟器运行。
经过一年发展，Vibe Coding已快速进入Web、App等主流开发流程。据JetBrains《2026年开发者生态系统调查报告》显示，90%的职业开发者每周至少使用一次AI编程Agent，68%已经每天使用，约38%的代码是在AI辅助下完成。
当自然语言逐渐成为新的开发入口，空间应用开发门槛进一步降低，也让更多非传统XR开发者有机会参与空间应用创作。对仍处在内容生态相对欠缺的XR行业而言，这一变化有望扩大开发者群体，并探索出更多新的应用。
PICO CLI 0.5.0，从一句自然语言开始开发空间应用
事实上，Vibe Coding在Web和App开发中已形成较完整的Agent工作流，但XR开发还涉及SDK、3D场景、模拟器、真机、日志和性能分析等多套工具与环境，Agent往往难以连续跑通整条链路。
过去XR应用开发往往需要开发者手动配置环境、查找API、构建工程、连接设备并反复调试。GTC 2026上，NVIDIA也指出，开发者“必须为每个平台维护单独的代码库，每个平台都有不同的工具链、SDK和流协议”，这也侧面反映出XR开发长期存在的工程复杂度。
即使Claude Code、Codex等Agent已经能够编写Kotlin或C#，但它们更多解决的仍是“写代码”这一环。真正把一个需求变成可运行的空间应用，还需要继续处理工程创建、构建、模拟器、真机、日志和性能调试等环节，开发者仍然要在多个工具之间来回切换。
图源：VR陀螺
而PICO 将工程创建、构建、模拟器、真机调试、日志和性能工具统一通过CLI开放给Agent，再借助Skills和Knowledge让Agent理解工具使用方式和PICO SDK能力。这样，开发者只需用自然语言描述需求，Agent就可以继续完成编码、Build、安装、启动和调试，把空间应用从一句需求一路推进到可运行状态。
这套方案覆盖了从需求描述、工程创建、代码生成，到构建、运行和调试的完整空间应用开发流程。其中，Skills负责规范不同阶段的工具调用和执行步骤，并采用渐进式加载；Knowledge则提供当前SDK的文档、API参考和示例代码，减少“API幻觉”和版本错配，让Agent不必完全依赖模型已有知识或外部检索。
PICO CLI 0.5.0的产品经理表示：“PICO-CLI本身就是一套 harness，也就是让模型能够稳定调用工具链的那层工程框架。它是整条链路的通用底座，先把这层基础能力做扎实，上层的封装才有意义。”
而从目标开发者来看，PICO CLI可以帮助已有开发经验的用户降低Spatial SDK等新SDK的熟悉成本，并可直接通过AI Agent查询PICO 开发问题。同时，也可以把环境配置、SDK和工具链等准备工作交给AI，降低非专业开发者的入场门槛。
提示词丢给Codex，PICO CLI 0.5.0自己装好快速启动应用开发
为了测试PICO CLI 0.5.0对非专业开发者的友好程度，陀螺君也尝试使用Codex开发了一些简单的空间应用Demo。整个过程中尽量避免专业术语，只用最直接的自然语言描述需求。
目前PICO 空间应用开发大致可以分为Spatial SDK、Unity和WebSpatial三条路径。其中Spatial SDK采用Kotlin进行原生空间应用开发，更适合直接体验PICO OS 6的空间能力，因此此次测试选择了PICO Spatial SDK作为主要开发方式。
图源：PICO
实测中，PICO CLI安装较快，从检查Node.js、npm，到安装CLI并选择Codex和Spatial SDK，大约只用了4分钟。更耗时的是首次补齐Android SDK、JDK和Build Tools等基础组件，不过Codex可以自行检查、安装并配置环境。对于已有Android开发环境的开发者，这一步基本可以跳过。
图源：VR陀螺
在配置好环境后，陀螺君给Codex的第一条指令为：“帮我做一个简单的PICO 空间围棋Demo，在用户面前放一张悬浮棋盘和一些黑白棋子，不需要完整围棋规则。”Codex根据自然语言创建了Kotlin Spatial SDK工程，并生成19路棋盘、星位和固定黑白棋子，随后自行完成Build、启动PICO Emulator、安装APK并截图检查。最终，第一个可运行版本，耗时约25分钟。
图源：VR陀螺
首版棋盘的位置、比例和观察角度不太理想，于是后续依然采用最简单的指令：“把棋盘调整得更像真实围棋桌”“放在用户前方稍低的位置”。Codex随后将棋盘调整为约49厘米宽，棋子直径约2.2厘米，并重新调整空间位置和倾角。之后还加入了位置设置的入口，可以微调左右、高度和远近，并支持恢复默认位置。
过程中也出现了一些问题，在首次加入设置面板后，“设置界面”遮挡了棋盘，棋盘前沿也存在裁剪空隙。将模拟器截图反馈给Codex后，Agent继续修改布局并重新构建，整个开发过程逐渐形成“描述需求—修改代码—Build—模拟器运行—截图检查—继续调整”的循环。
图源：VR陀螺
这类基于运行结果不断修改的过程，也让模型本身的能力差异变得更加重要。空间应用开发不只要求AI会写代码，还需要稳定调用工具、理解截图中的空间关系，并在较长的开发上下文中持续记住此前的需求和修改。不同模型在这些能力上的表现并不一致，就像面对同一个“画一只鹈鹕”的提示词，不同模型可能给出完全不同的结果，到了涉及空间布局、尺度和交互的XR应用中，这种差异同样会反映到最终开发效果上。
图源：网络
PICO 将开发空间应用对模型的要求概括为三点：工具调用稳定性、视觉理解和上下文长度。Agent不仅要连续完成工程创建、构建、安装和日志读取，还要通过截图判断空间关系是否合理。
“我们同时支持五个Agent，也是同样的考虑。开发者可以根据任务特点选择合适的模型，这个决定我们不替他们做。”因此，PICO 并没有把开发效果完全交给某个模型本身，而是通过Skills规范工具调用流程、由Knowledge提供准确的API和示例，再配合CLI返回结构化结果，尽量降低Agent在长链路执行中的不确定性。
从实际体验来看，开发者无需先记住大量CLI命令，Agent可以按需完成工程创建、构建、模拟器运行、日志和截图等操作，并结合Skills和Knowledge继续修正问题。PICO Emulator也让不少迭代可以先在PC或Mac上完成，减少频繁连接和佩戴头显的需求。PICO CLI 0.5.0进一步将“人人都是开发者”的趋势推向了XR。
PICO 也明确表示“人人都能开发”的趋势在空间应用领域正在发生。“只是它对工具链完整性的要求更高，从创建到验证的每一步都要做扎实。这也是我们先把整条链路打通的原因。”
PICO、Meta、Apple集体入局，更低门槛、更多XR空间内容的时代来了
过去几年，XR硬件持续迭代，Apple Vision Pro、Meta Quest 3以及即将推出的PICO Space Pro都在推动空间计算和MR体验发展。但相比硬件升级，内容生态仍是扩大使用场景的关键，而XR开发长期面临更高门槛，除了代码，还要处理3D资产、空间交互、设备适配、模拟器、真机和性能调试等复杂流程。
而今年，在空间应用开发方面最明显变化，是AI Agent大量进入空间应用开发中。除了PICO 之外，Apple、Meta等平台也在将AI Agent进一步接入空间应用的构建、运行和调试流程，XR应用开发形成更完整的Agentic Coding工作流。
图源：VR陀螺
2026年2月，Apple随Xcode 26.3将Codex、Claude Code等接入Xcode。AI可以修改代码，还能调用Xcode完成Build、Test，读取编译错误并继续修复；同时，Apple通过MCP向外部Agent开放相关能力。虽然这套机制并非专门面向XR，但由于Xcode覆盖VisionOS开发，也意味着Vision Pro应用可以直接进入同一套Agent开发流程。
图源：Apple
2026年7月，Meta XR Core SDK v205引入Meta XR Operator，让MCP兼容的AI Agent读取Unity场景层级、截图，并模拟控制器输入，对运行中的VR/MR应用进行观察和验证；8月，Meta进一步正式介绍该工具，同时Meta VR CLI已可通过MCP让AI Agent操作Quest设备，完成应用安装、启动、日志读取、截图和性能Trace等任务。到9月，Meta又将Meta VR CLI、Agent Skills和LLM Resources整合为更完整的AI开发工具体系。
图源：Meta
相比Apple主要从Xcode切入、Meta围绕Unity与Quest设备工具链展开，PICO CLI 0.5.0更强调统一开发入口，希望把不同SDK、开发工具和运行环境接入同一套Agent工作流。对于PICO 而言，这相当于在PICO OS 6和即将发布的PICO Space Pro之外，补上一层面向AI开发的基建，也让不同技术背景的开发者能够继续使用自己熟悉的Coding Agent进入空间应用开发。
图源：PICO
不过，空间应用的门槛并不只来自代码，3D资产和场景内容同样需要投入。PICO 目前通过Spatial Editor提供场景搭建、模型和材质编辑能力，并允许Agent通过MCP调用；更复杂的资产，则可以继续借助Blender、Meshy、Tripo、混元3D等工具生成后导入。
因此，给普通开发者的建议也比较务实：第一，先把应用跑起来再谈美术。用模板和基础几何体把交互与布局验证清楚，比一开始就纠结模型精度更有效率。第二，让AI看到结果。多用截图和日志，让它基于真实运行效果去改，而不是凭空推断。第三，控制内容复杂度。
“头显的性能预算有限，模型面数和贴图尺寸需要提前规划这部分CLI里已经有性能分析的辅助工作流，配套知识库沉淀了空间应用特有的性能经验，AI可以帮着做初步判断。再往后，性能问题的自动排查与修复也是我们在做的方向。”PICO 也进一步向VR陀螺透露了后续的优化方向。
当环境配置、API查询和重复工程操作逐渐交给Agent处理后，个人开发者和小团队也能用更低的成本验证空间交互想法，缩短从创意到Demo的距离。这有望提升VR/MR应用生态活跃度，并推动更多细分应用场景被验证和落地。
写在最后
PICO CLI 0.5.0显然是一个起点，后续重点将集中在更多SDK与平台接入、上下文工程以及工作流稳定性三个方向。尤其当Agent调用链越来越长，Skills如何组织、知识库如何检索，以及出错后的恢复能力，这都会直接决定AI开发空间应用能否真正走向日常化。
当工程、构建和调试越来越多交给AI之后，真正拉开应用差异的，将更多是对空间交互、用户需求和具体场景的理解。行业长期讨论XR为何迟迟没有出现真正的“杀手级应用”，一个重要原因就在于开发门槛长期把大量创意挡在了技术之外。
随着PICO CLI 0.5.0这类Agentic Coding工具降低试错成本，未来“杀手级XR应用”或将出自那些不会写Kotlin、不会配置Unity，却真正理解空间使用场景的普通玩家。
