同一组需求共用界面契约、教学数据与素材，分别生成十个工程。技能路线由 Codex 按 ai2-app 技能生成；助手实际请求编辑器默认模型，系统提示词取自生产 AIAssistantBrain / AiPromptBudget，积木使用生产同源编译器和转换器。首测结果、失败原因和修复次数在 docs/native-apps-benchmark/reports/comparison-results.json 留档。生成工作目录已清理，最终可编辑源码统一保留在专题 .aia 中。
此次集中比较逻辑正确性与业务完成度；助手共用界面，不能据此评价从零设计界面的能力。测试账号到期，编辑器内完整生成/导出仍待可用账号验收。
📊 首次与最终结果
| 指标 | 技能 | 助手同源 |
|---|---|---|
| 发现问题 | 0.29 金额误拒绝；视频评论重开未显示；文件范围枚举误用 | 文本误用列表积木；嵌套 return 未阻止错误金额；视频未恢复 Source；分享文件路径不正确 |
| 助手首轮完整脚本产出及转换 | 不适用，Codex 直接编写并迭代 | 8 / 10；购物、点餐先给计划，后续生成脚本（点餐另有一次转换修复） |
| 源码转换后的业务首测 | 初次失败摘要已保留，测试器与配置问题另记 | 6 / 10（剔除测试器缺项和等价格式误判） |
| 最终业务与工程检查 | 10 / 10 | 10 / 10 |
| 真机与伴侣 | 待最后实测 | 待最后实测 |
双方人工迭代程度不同，不能用首测数字宣称总体能力排名。最终结果说明两种路线能产出可编辑、可导入、可编译并满足本组业务用例的工程；实际交互质量仍需真机检验。
🎨 本轮界面与技能改进
十类业务分别采用商品网格、图文卡片、深色音乐台、视频主视图、大字号计时、收支总览、任务管理、地图与聊天会话结构。两条路线共享此次人工界面升级，不能据此把新版界面计作某个模型独立设计的成绩。
技能路线对照助手较好的细节，补充了购物/点餐订单的创建时间、状态与可读详情，以及地图定位等待、超时、重试和成功后停止计时。新业务断言验证这些改进；原首测摘要仍单独保留。
ai2-app 技能新增按业务选结构、操作细节和截图来源规范，修正旧的多屏跳转能力说明。预览器增加真实列表数据绑定、双列卡片与隐藏面板支持，避免用同一张静态模板冒充各应用。专题截图均关联最终 .aia 哈希，明确标为 HTML 界面预览。
🛠️ 已落地改进
- 技能补充金额精度、筛选后按 ID 操作、保存后从界面重新读取内容的检查。
- 助手生产提示词区分 length / textLength、contains / textContains，提醒整数分金额、重开读取、固定确认框目标，以及文件范围枚举和普通文本的区别。
- 生产编译器不再静默丢弃带外层后续语句的嵌套 return；不支持的退出形态明确报错，并新增原失败形态回归。正常顶层守卫保持可用。
- 正式 .aia 检查器补充连接失败的积木类型诊断，并支持批量读取更大的工程数据。
- 业务测试器严格校验列表类型，显式支持实际输出中的标准积木；对等价字段、金额单位、行绑定和播放队列作适配，避免把实现选择误记为错误。
🔎 复查证据
最终 SHA-256 同时出现在案例页、下载摘要和工程报告。工程报告位于 docs/native-apps-benchmark/reports/final-projects.json，业务报告为 business-final.json。首次失败和生成、修复结果摘要保留在 comparison-results.json，原始回复和草稿归档已清理。
测试器执行最终 BKY，未知积木与组件调用会失败；它不模拟 Android UI。聊天实际 GET/POST SQLite 服务，用两个独立客户端验证通信和房间隔离。
扫码添加客服咨询
