用 AI 写 Kuikly 代码,效率翻倍?我们做了一次真实评测
一、背景:当 AI 遇上 Kuikly 的“方言”
关注 Kuikly 有一阵子了。原生渲染 + KMM、一套代码跑多端、还支持动态下发,这配置非常对我的胃口。
但在实际开发中,我一直有一个痛点:想用 Cursor 或 CodeBuddy 来提效,结果 AI 总是产生严重的“幻觉”。
根本原因在于:Kuikly 是一套拥有独特 DSL 的框架,而通用大模型对它几乎一无所知。 在没有上下文的情况下,AI 只能靠猜,结果就是:代码看着像,实则编译过不了。
直到 Kuikly 开源了 Rules 和 Skills,情况才发生了大逆转。
二、解法:Rules 定规矩,Skills 补知识
2.1 Rules —— AI 的行为准则
Rules 是写给 AI 的“编码规范文件”。只需将其放置在项目根目录,AI 每次生成代码时都会严格遵循这套规范。
配置后,能从根源上避免“风格跑偏”和“语法乱入”,确保代码符合 Kuikly 的架构要求。
2.2 Skills —— 按需加载的专项知识包
Skills 是一组可按需挂载的“专家知识包”。目前开源版本包含 11 个核心技能:
|
Skill 名称 |
简介 |
||
|---|---|---|---|
|
1 |
kuikly-ui-framework |
Kuikly UI 框架开发指南,涵盖 View、Text、Button、List、Image 等组件,以及 Router、Network、SP 等模块的使用方法 |
|
|
2 |
kuikly-animation |
Kuikly DSL 动画实现,支持声明式( |
|
|
3 |
kuikly-expand-view |
创建自定义 UI 组件,将原生 View 暴露给 Kuikly 侧,支持 Android、iOS、HarmonyOS、H5、小程序五端渲染 |
|
|
4 |
kuikly-expand-api |
创建自定义 Module,扩展原生 API,实现 Kuikly 与原生平台的双向通信 |
|
|
5 |
kuikly-network-and-json |
HTTP 请求与 JSON 数据处理,基于 Kuikly NetworkModule,支持网络请求、JSON 解析及二进制数据上传下载 |
|
|
6 |
kuikly-reactive-observer |
响应式状态管理与模板指令( |
|
|
7 |
kuikly-coroutines-threading |
异步编程与多线程管理,覆盖 Kuikly 内置协程、 |
|
|
8 |
kuikly-assets-resource |
资源管理,处理各平台(Android/iOS/HarmonyOS/H5/小程序)的资源文件加载与打包 |
|
|
9 |
kuikly-visibility-exposure |
可见性事件实现( |
|
|
10 |
kuikly-multi-module-config |
多模块 Kuikly 项目配置,支持创建子模块、配置多模块参数、解决 |
|
|
11 |
kuikly-compose-interop-dsl |
Compose DSL 中使用 Kuikly DSL 组件,支持在 Compose 中嵌入 |
Skills 的核心价值在于“精准注入”:它不会把所有文档一股脑塞给 AI,而是在你提问具体问题时,自动加载对应的知识包。这样既保证了准确性,又有效控制了 Token 消耗。
三、如何使用
# 安装 Skills
npx skills add Tencent-TDS/KuiklyUI-AI/skills
# 更新到最新版本
npx skills update Tencent-TDS/KuiklyUI-AI/skill
init命令会自动完成项目配置。如果后续 Skills 有更新,只需执行 kuikly-ai update即可同步到最新版本。
四、实战:写一个带状态管理的列表页
配置完成后,我们用一个真实的业务场景来测试效果:实现一个带下拉刷新、上拉加载更多的动态列表页。
4.1 未配置 Rules/Skills 时(对照组)
直接在 AI 中输入:“写一个动态列表页”。
AI 给出的代码(节选):
// ❌ AI 生成的错误代码:典型的 Jetpack Compose 风格,完全不是 Kuikly DSL
@Composable
fun FeedList() {
LazyColumn {
items(dataList) { item ->
Text(text = item.title)
}
}
// 下拉刷新用 SwipeRefresh...
}
问题一目了然:AI 使用了 @Composable和 LazyColumn,这是 Android 的 Jetpack Compose 写法,在 Kuikly 项目中会直接报错。
4.2 配置 Rules + Skills 后(实验组)
同样的 Prompt,AI 这次给出了完全不同的结果:
// ✅ 配置后 AI 生成的正确代码(标准 Kuikly DSL)
@Page("FeedPage")
internal class FeedPage : Pager() {
private var dataList by observable(mutableListOf<FeedItem>())
private var isRefreshing by observable(false)
private var page by observable(1)
override fun body(): ViewBuilder {
val ctx = this
return {
List {
attr {
flex(1f)
refreshEnable(true)
refreshing(ctx.isRefreshing)
}
event {
refreshEvent { ctx.loadData(refresh = true) }
reachBottomEvent { ctx.loadData(refresh = false) }
}
vfor({ ctx.dataList }) { item ->
FeedItemView(item)
}
}
}
}
private fun loadData(refresh: Boolean) {
if (refresh) {
page = 1
isRefreshing = true
}
acquireModule<NetworkModule>(NetworkModule.MODULE_NAME)
?.requestGet(API_URL, JSONObject().apply {
put("page", page)
}) { data, success, _, _ ->
isRefreshing = false
if (success) {
val newItems = parseItems(data)
if (refresh) dataList = newItems.toMutableList()
else dataList.addAll(newItems)
page++
}
}
}
}
这次的代码:
-
使用了
@Page注解和Pager基类。 -
使用了
observable进行响应式状态管理。 -
使用了
List、vfor等 Kuikly 特有 DSL。 -
网络请求调用了
NetworkModule。
几乎不需要修改,直接就可以运行。
五、评测数据:Rules 必配,Skills 提升显著
根据 Kuikly 团队的官方评测(覆盖组件使用、Module 调用、状态管理、工程规范四大场景):
|
配置组合 |
代码正确率 |
Token 消耗 |
综合评分 |
|---|---|---|---|
|
无配置 |
低 |
低 |
⭐⭐ |
|
仅 Rules |
中 |
低 |
⭐⭐⭐ |
|
Rules + Skills |
高 |
中 |
⭐⭐⭐⭐⭐ |
核心发现:
-
Rules 是底线:没有 Rules,AI 会自由发挥,产出大量无效代码。
-
Skills 是杠杆:在 Rules 的基础上叠加 Skills,代码准确率大幅提升,且能处理更复杂的业务逻辑。
-
性价比极高:仅需少量 Token 消耗,就能换来极高的代码可用性。
六、小结
Kuikly 只开源了 Rules 和 Skills,就已经让我把 AI 从“乱写 Kuikly”变成了“能写可用 Kuikly”。
对我来说,这不仅仅是省了几行代码,而是彻底改变了工作方式:
少抠语法细节,多看设计、结构和产品逻辑。
更值得期待的是,根据 Kuikly 2026 Roadmap,框架将围绕"AI 驱动开发"这一核心方向持续发力。像视觉稿转码、预览、转码 Agent、AI Chat 组件等将陆续上线,届时,AI 将不再只是"能写代码",而是能参与完整开发流程,期待早上上线
七、你可以怎么试一试?
如果你也想体验 AI 驱动的 Kuikly 开发,可以从以下几个步骤开始:
1. 根据 Kuikly 官网搭建环境
访问 Kuikly 官网,按照官方文档完成开发环境的配置,包括 JDK、IDE、SDK 等基础依赖。
2. 参考 KuiklyUI 仓库获取源码和 Demo
前往 KuiklyUI 仓库,查看完整的跨平台源码和官方 Demo。
3. 根据 Kuikly AI 仓库配置 AI 能力
克隆 KuiklyUI-AI 仓库,按照 README 指引配置 Rules 和 Skills,让你的 AI 工具具备 Kuikly 开发能力。
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。
更多推荐

所有评论(0)