现有材料能说明用 AI 做出一个 App 原型、并把它部署上线让人试用,但没有涉及 Google Play 的上架流程、审核规则或发布要求,这部分无法据此回答。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
AI 能帮你做出 App,但多半停在原型
材料里的观点立正把用自然语言让 AI 写代码、做出网页、插件或 App 的阶段称为 L4,也就是“AI 试探者”。这一步的价值是让人从问 AI 变成让 AI 帮自己造东西,能解决个人生活里的单点痛点,比如记账页面、日历小工具、PDF 总结器。但它擅长的是顺利路径:需求清楚、数据简单、用户只有自己、不用长期维护。一旦遇到输入不规范、接口异常、权限、部署失败或需求迭代,系统就容易崩,产物通常是 demo 或玩具级 App1,2。所以用 AI 生成应用是可行的起点,但要把它当成可发布的产品,还得补上评估、约束、调试和维护这些能力。
先让人能试,比先上架更能检验价值
AI推演立正在点评社区成员的项目时反复提到同一件事:如果别人体验不到,就很难形成印象,讨论度也起不来;从 GitHub 下载来试还是太难,部署一下会更容易让大家尝试3,4。他还建议把 App 的亮点、解决的问题和核心思路用更简单的语言写在开头,并让用户更快感受到价值、明白这个 App 是做什么的3,5。放到你的处境里,一个可行的顺序是先把 App 部署成一个能点开的链接,找几个人试用,看他们能否在短时间内说出这个 App 解决什么问题、愿不愿意再用一次。这个反馈比先研究上架流程更能告诉你产品是否值得继续投入。
上架 Google Play 这一步材料没有覆盖
现有片段讲的是用 AI 写代码、部署网站、绑定域名这类环节,比如播客网站的做法是先给 AI 数据来源、说清页面要有什么、接上播放、部署并绑定域名,上线前检查手机和电脑上的效果6。这套思路可以迁移到 App 的部署与自测,但 Google Play 的开发者账号、打包格式、隐私政策、审核与版本发布等具体要求,材料里没有出现。这部分需要你另行查阅 Google 官方文档,不能从这些材料推出。
材料只覆盖用 AI 做原型和部署网站,没有 Google Play 上架、审核与发布流程的内容,这部分无法依据现有片段回答。
出处
- 1AI产品的六个层次
完整说明 L4 阶段能做什么、在哪些边界条件下会崩,适合判断 AI 生成 App 的能力上限。
- 22026年,AI胜任力模型:从聊天党到架构师
用更简短的方式重述 L4 的局限与心态,适合快速核对“玩具级 App”这一判断。
- 3在《AI Architect课程实践:记录灵感+辅助碰撞》下的回复
对社区项目的具体建议:讲清亮点、部署让人能试,适合理解为什么先上线试用。
- 4在《【AI Architect 课程实践】Markdown-first 动态思维捕捉器:别让“灵感火花”在应用切换中熄灭》下的回复
可回到原文核对这部分判断
- 5在《[ The AI Architect 课程实践 ] 娃的私校申请小程序初尝试》下的回复
可回到原文核对这部分判断
- 6我是怎样做视频播客的
给出用 AI 搭建并部署网站的实际步骤,可作为迁移到 App 部署的参照。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 我在网上看到有些人可以把 token 用的非常多,比如说跑几百个 agent 做这种类似 one-person company。
我感觉我现在虽然也用 Claude,但我还不是这种状态,我基本还是 single thread,或者 at most 也就 3 个 thread 这样子
几百个 agent 不是靠人同时盯几百条线程,而是把大部分任务交给自动化流程,人只看关键节点和结果。
- 如果我的本职工作和要放大的事业关系不大,该怎么选那一头?
先判断哪一头有更大的放大空间,再把稳定的一头当底座、把可放大的一头当主攻;不必平均用力,也不必立刻辞掉本职。
- 我在自建中台软件,涉及到知识库和知识台两部分,知识库采用那种路径更好?是obsian这种,还是mag或grep?
现有材料没有比较 Obsidian、mag 或 grep 这三种知识库路径,无法据此判断哪种更适合你的中台。能确定的是:知识库要服务分叉、引用、结构化资产和过程可观测,而不只是线性记录。
- 我应该如何影响我的其他同事,推进当前的项目
先弄清同事在意什么,再用他们关心的价值切入,而不是只讲自己方案正确。
- 立正从什么时候开始做视频,如何坚持下来的
立正说自己是五年前开始做视频、每周至少更新一期;起点是给餐馆做外卖教学视频,发现满足了表达欲,就一直做下去。
- 在ai时代 data scientist更应该develop什么skillset 是product/strategy方向 还是更technical/statistics方向
材料不支持把两条路当成二选一:统计与编程是入场工具,product sense 决定能否把商业问题转成数据问题;AI 时代更值钱的是设计系统、定义评估,而非只做执行。