uni-app x

展示全部

# uni-agent

AI改变了软件开发。

在2025年，AI还只能做代码补齐和技术咨询。但在2026年，AI写代码已经达到中级工程师水平。

整个行业从人为主、AI辅助，已经转到了 AI主写、人工评审的时代，也称为vibe Coding或agent engineer。

AI代码补全已然不香。

然而因为某些原因，大量中国开发者还未体验过顶尖的AI Agent搭配顶尖Coding模型，这造成了认知分层。

先进的开发者，日耗token过亿，想尽办法突破封锁。

而大多数开发者仍在“古法编程”，仅使用代码AI补全。信不过vibe Coding生成的代码。

DCloud推出uni-agent，推动中国开发者进入AI Coding时代。

uni-agent不是AI代码补全，也不是普通AI IDE的chat功能，它是和claude code、codex平齐的产品。对于没有用过这2个产品的开发者，需要一定的思路转变。

但与claude code等产品不同的是，uni-agent是最懂、最擅长写 uni-app (x) 以及 uniCloud 的AI专家。

同时uni-agent集成了大量自动化工具，让AI可以自动化工作，自己写代码、自己调试、自己测试、自己发布。

# 应该如何使用uni-agent

你可以像指挥数字员工一样指挥uni-agent。这与在web网页或chat里问AI问题不同。

# 错误用法

别说“你好”、“hello”

顶级AI模型的token不应该这么浪费。
别说“你是一位精通 uni-app + Vue3 + TypeScript 的资深前端开发专家”

这种背景指定的prompt已经过期。uni-agent里这么用只是在浪费token。
如果你有项目规范和要求，应该写在项目根目录的agents.md里。
别说“帮我看下这段代码怎么运行不对”，然后贴了一大段代码

不要在聊天框里贴代码。
要让uni-agent自己去理解工程上下文。你有很多更好的方式，比如说： * 选中的代码 * 当前文件第xx行 * 在输入框里敲@选一个文件 * 在HBuilderX的顶部地址栏复制路径总之不要贴代码，要让uni-agent了解这个代码在哪里，让uni-agent自己去根据上下文理解这段代码。才能更好的解决你的问题。
不要在聊天框贴运行日志你贴的日志上下文可能不全、或者太长了浪费token。要让uni-agent来分析和提取日志。
只需要告诉uni-agent，Android编译报错，去读控制台日志，自动修复编译错误直到编译通过。\

注：获取浏览器日志需要通过HBuilderX运行到Chrome（此Chrome为debug模式打开，可以获取浏览器日志）或内置浏览器。

一上来就分析一个大项目，会消耗大量token。

这不是验证uni-agent够不够聪明的好方法。
如果你想验证，可以从一个页面代码来入手，而不是整个项目。
不过幸运的是，token是有缓存的。如果开头分析了整个项目，后续继续开发这个项目，会命中之前缓存token，后续费用会降低。
避免在输入框里敲长篇需求

长篇需求写在markdown文件里，写好后地址贴到聊天框里即可。比如：根据 /xxx.md 的需求描述实现代码。
减少mcp，用好agents.md

在项目根目录下建agents.md，把工程要求、规范、注意事项、给ai提供的cli命令写清楚。
mcp已过期，效果不如cli，尽量提供cli。
不需要在聊天框贴uni的文档地址

贴url会调用web fetch工具，浪费token，网不好还会耽误时间。uni系列文档，uni-agent已经内置，所以用起来更快捷更便宜。
不要给AI笼统而庞大的任务

比如不要直接说帮我复制一个xx app。在一次对话中给AI庞大而笼统的任务，AI会倾向于偷懒。庞大的任务需要分解，并对每个子过程进行验收。
1. 分析要模仿的app，和uni-agent列出模块设计
2. 让uni-agent实现每个模块，并确认每个模块是否满足需求
3. 让uni-agent写好单元测试
4. 让uni-agent串起来，确认整体是否满足需求
5. 让uni-agent写集成测试

# 运行调试技巧

不需要给uni-agent贴报错日志，只需要告诉它，自己去读Android控制台日志，把所有编译错误都修好。就会看到uni-agent一轮一轮的改，你去喝茶，它自动干活直到干完。
你验收发现不对，就继续告诉uni-agent，某处不对，你自己打个log，然后去读日志分析原因，解决掉这个问题。
如果是UI不对，你可以贴给它正确的或期待的图，然后让uni-agent自己去对App截图，分析当前手机端UI哪里不对，如何改进。
如果涉及到手势交互，你可以告诉uni-agent，在手机端拖动swiper几次后，会看到一个bug，让它自己去拖动去，拖完再去查日志或者截图。（目前仅限Android）
如果遇到问题总修不好，怀疑是uni-app (x)的bug，那么uni-agent会自动读取issues系统数据，核验当前遇到的问题是否已经被DCloud确认为bug、是否已经在后续版本修复。
你还可以让uni-agent对怀疑点进行独立可重现项目验证，来排除怀疑，如果确定是uni-app (x)的bug，让AI自动生成报issues的markdown。
安装自动化测试框架后，你还可以让uni-agent替你写自动化测试例，自动跑自动化测试，确保运行在各平台都正常。详情

# 进化机制

必须有反馈循环，这才能让AI越用越好用。

当一个问题，AI改了好几轮终于改对以后，不要着急立即开始下一个问题，而是要告诉AI：刚才这个问题你改了几轮终于改对了，你需要总结一下这里面的根因是什么，把这个坑精炼的总结到agents.md里，避免下次再重复踩坑。同时过去这几轮你做的无效改动都要回撤。

# 清理机制

如果你总是不停把业务问题贴给AI让它解决，你的代码会越来越臃肿、架构失控。

人要洗漱、屋要扫地。代码需要定期让AI来清洁。

每让AI增加上千行代码，都应该整体让AI再次评审架构、质量、性能，进行减肥。

# 省钱注意

缓存token

AI的token费用，有输入token、输出token、缓存token。

缓存 token ：已经计算过、被模型“记住”的上下文 token，可以复用而不用重新计算。

具体来说，多轮对话时，前面轮次的内容在后续轮次对话中会再次传输给AI。这些旧内容会变成 cached tokens。

缓存token的价格是普通token的1/10甚至可能更低。

而不能命中缓存的时候，这些旧内容会导致价格会飙升。

缓存的有效期一般是5到10分钟左右。

超过有效期以后没有继续进行对话，模型厂商的服务器会把缓存清掉。你后续再问他问题的时候，之前的会话前文信息就得重新传一遍。

除了有效期超过5~10分钟，触发限额、套餐过期、资源包用完，都会造成缓存失效。

所以频繁的充小额资源包不利于节省费用。

新开会话

虽然AI有缓存token，但一个会话中处理不同的很多问题，哪怕命中缓存后费用是输入token的1/10，也还是要花钱，且容易因为前文太多太杂造成AI表现下降。

所以推荐每个问题结束后，新开一个会话。或者说，只要你觉得本对话之前的聊天记录对接下里的问题没有影响，就应该新起一个会话。

# 定位变化

自己写代码，变成指挥数字员工写代码，身份的转变需要配套意识的转变。

想象你有一批不知疲倦的、速度极快的下属，如何才能更好的利用他们，保证他们的输出符合你的要求？

给出明确清晰的指令、

给uni-agent明确的指令，你的指令模糊、很多错别字，AI的成功率会降低。

给出全面的上下文

不包含在代码中的隐式规范、仅存在于同事之间的默契约定，这些都需要写在agents.md中，让ai了解你的代码里不包含但又重要的信息。

从代码细节中出来，转向对需求、架构，以及AI没有做好的地方进行把关。

评审uni-agent生成的需求分析、评审它的架构设计、评审它的关键代码。人的有限精力，抓住这些关键点，人工确保不失控。

了解AI的能力边界

对于AI学习过的代码，AI可以写的很好，哪怕是一个一般人写不出来的复杂算法，对它也很轻松。
但对于它没见过的场景，不管是个性化的业务、复杂的组合，它就变成了一个普通工程师了，此时需要高级工程师来把关和review。

设定合格的标准，对这个数字员工非常重要。这样它就可以进行自检，然后不停地完善，直到达到你的明确要求。

这个合格的标准，可以是控制台没有报错，可以是运行界面符合你预设的设计图，可以是跑完自动化测试例。

当然，自动化测试例也可以交给uni-agent来写。

给它需求，给它验收标准，监控好它的过程，让它7*24小时自动干活，这是uni-agent的正确用法。

# 提高自动化程度，就是提高生产力

补充更多自动化工具自动化写代码、自动调试、自动测试...uni-agent帮助你实现应用开发全流程自动化

你还可以在agents.md里，补充更多cli工具，比如你们内部的持续集成系统的指令。

agent蜂群，并行干活

AI时代，更高效的agent engineer是agent蜂群。

一群agent在并行干活，7*24小时不停歇。

在使用方式正确的前提下，token消耗数量和生产力成正比。

现在衡量高级工程师的标准，就是看他日耗token能不能达到1B，即10亿token工程师。

很多投资人在投资公司前都要问，你们公司日耗token多少，有多少10亿token工程师。

想达到10亿token工程师，必然是并行模式，这意味着他非常善于驾驭AI，也意味着他的生产力是普通人的数倍。

如果一家公司有很多10亿token工程师，那这家公司的生产力必然高于普通公司很多。

多agent并行有两种：多项目并行和单项目多模块并行。

HBuilderX 支持多窗体。推荐对项目点右键，在新窗体中打开(&K)。这样每个项目有一个独立窗体、独立的 uni-agent，并行干活。

多窗体有很多入口方式，把 HBuilderX 固定在OS的底部任务栏后，对 HBuilderX 点右键，会看到项目列表，点击后也是单独窗体打开。

如果要对同一个项目进行并行开发，要注意冲突。

在HBuilderX的主窗体和单窗体中，可以对同一个项目进行2个uni-agent并行工作。

此时要区隔好2个uni-agent的工作范围。比如每个agent负责一个uni_modules。或者一个写测试例、一个写文档。

配上麦克风和语音输入法，语音指挥uni-agent 目前PC端比较好用的语音输入法是智谱AI输入法。在里面配上一些你的常用词典，效果会更好。
手机操控正在开发中，敬请期待。

# FAQ

# uni-agent和cursor、vscode相比有什么优势

曾经vscode是开发者喜欢的IDE，而cursor基于vscode提供了更好的AI辅助开发从而火过一阵。

但claude code和codex出现后，vscode和cursor都优势不再。

有些开发者对此没有认知，大多是因为没有真的用过claude code + 原版opus4.6。

因为现在写代码，AI已经不再是助手了，而是主力了。

当国外的开发者们不再打开IDE，在终端里指挥AI搞定代码时，IDE庞大的插件生态就不香了。

uni-agent，是和claude code 、codex 一个层面的产品，它是AI为主，人工负责需求、审核、微调代码。

uni-agent，因为与uni-app (x)、uniCloud的深度结合，可以让AI写uni代码写的更好、可以大幅提升开发的自动化程度。

如果你还在使用cursor、vscode写代码，你会发现：

你用的AI，拿不到小程序的运行日志。AI无法自己打log、自己排错。还需要你值守着，不停给AI粘贴日志。App更是如此，让AI自我排错是提高开发效率和自动化程度的非常重要的环节
如果你想获取浏览器的日志，要安装很多复杂的工具，这些工具不是一家提供的，使用体验并不丝滑
无法对手机指定页面截图，无法分析当前手机端UI哪里不对，和设计图有什么差别，无法自动循环改进成设计图的样子
无法连接DCloud的issues系统、论坛、文档、插件市场数据，无法确认当前遇到的问题是否是已知bug、是否已经在后续版本修复、是否有绕过方案。无法自动寻找合适的插件
无法让AI替你写自动化测试例，无法在全平台运行自动化测试。而自动化测试是AI coding的关键，有完善的测试例，你才可以更放心的让AI自主干活

# 和claude code、codex的对比

claude code、codex虽然智能强大，但纯终端体验也并不方便。

对于习惯cursor、vscode的开发者，在AI chat中经常会粘贴图片、在代码视图里进行对比确认，逐个接受或拒绝AI的修改。这些体验，是可视化界面的优势，终端并不具备。

而uni-agent具备claude code、codex的智能强大，也具备cursor、vscode的可视化体验。粘贴图片、代码对比确认都丝滑顺畅。

使用claude code、codex，同样会遇到这些cursor、vscode也无法解决的问题，

你用的AI，拿不到小程序的运行日志。AI无法自己打log、自己排错。还需要你值守着，不停给AI粘贴日志。App更是如此，让AI自我排错是提高开发效率和自动化程度的非常重要的环节
如果你想获取浏览器的日志，要安装很多复杂的工具，这些工具不是一家提供的，使用体验并不丝滑
无法对手机指定页面截图，无法分析当前手机端UI哪里不对，和设计图有什么差别，无法自动循环改进成设计图的样子
无法连接DCloud的issues系统、论坛、文档数据，无法确认当前遇到的问题是否是已知bug、是否已经在后续版本修复、是否有绕过方案。无法自动寻找合适的插件
无法让AI替你写自动化测试例，无法在全平台运行自动化测试。而自动化测试是AI coding的关键，有完善的测试例，你才可以更放心的让AI自主干活

另外有些开发者使用中转站，这里要额外提醒风险：