苹果App Store的一项规定正在对Vibe编程类应用造成冲击,导致至少三款应用在过去一个月内遭到下架或封锁。据The Information的报道,Vibe编程应用Anything近期已被从App Store中移除。
Vibe编程的兴起与挑战
Vibe编程已席卷全球,彻底改变了人们对应用和网站开发的认知。用户无需任何技术背景,只需通过与Claude、Gemini、ChatGPT等大语言模型对话,便可轻松完成创作。随着Vibe编程热度持续攀升,一批专为手机端设计的Vibe编程应用也相继涌现。然而,正是这一趋势引发了与苹果政策之间的冲突。
苹果的立场
苹果方面表示,其目标并非专门针对Vibe编程类应用,而是在执行自身既有规定——该规定明确禁止应用在未经审核的情况下向用户分发软件,因为这会绕过苹果为保护用户所建立的隐私与安全防护机制。
CNET证实,争议焦点集中在App Store的第2.5.2条准则,内容如下:
"应用程序必须以独立软件包的形式存在,不得在指定容器区域之外读取或写入数据,也不得下载、安装或执行会引入新功能或更改现有功能的代码,包括对其他应用程序的影响。专为教学目的设计、旨在帮助学生测试可执行代码的教育类应用,在特定有限情形下可以下载代码,但该代码不得用于其他用途,且应用必须确保所提供的源代码对用户完全可见并可编辑。"
受影响的应用
据The Information另一份报告显示,AI Vibe编程应用Replit和Vibecode早在今年3月就已被苹果阻止推送更新,原因同样指向上述准则,苹果要求两款应用进行相应修改。
Vibecode自上线以来一直主打"创建精美移动应用的最简方式"或"在手机上进行Vibe编程"的定位,但在3月18日的更新中悄然转变了方向。新版应用将所有与"应用开发"相关的描述全部删除,改以全新定位示人:"Vibecode是利用AI快速构建强大网站的第一应用。"此次更新同时说明,该产品已转型为以学习为核心,专注于网站构建,而非应用开发。
苹果开发者计划许可协议第3.31.(B)条亦明确规定:"解释性代码可以被下载至应用程序,但须满足以下条件:(a)该代码不得通过提供与应用程序原有目的不符的功能,从而改变应用程序的主要用途。"
核心矛盾所在
综合上述被重点关注的相关准则来看,苹果正在严格执行一项基本原则:应用必须维持其原始功能,不得改变其核心用途。而Vibe编程的本质恰恰在于通过自然语言创造出全新的内容。Anything、Replit、Vibecode等应用虽为用户提供了这一创作平台,但其生成的应用程序显然无法始终保持与Vibe编程工具本身一致的功能定位,这也正是矛盾的根源所在。
Q&A
Q1:苹果App Store的第2.5.2条准则具体规定了什么内容?
A:该准则要求应用必须以独立软件包形式存在,不得在指定容器之外读写数据,也不得下载或执行会引入新功能或改变现有功能的代码。教育类应用在特定情形下可下载可执行代码,但代码不得用于其他用途,且源代码必须对用户完全可见并可编辑。这一准则是苹果封锁多款Vibe编程应用的核心依据。
Q2:Vibe编程应用Vibecode是如何应对苹果的审核压力的?
A:Vibecode在2025年3月18日发布更新,将应用定位从"创建移动应用"全面转向"构建网站",删除了所有与"应用开发"相关的描述,并将产品重新定位为以学习为核心、专注于AI辅助网站构建的工具,以此规避苹果关于应用不得改变其主要用途的相关规定。
Q3:苹果封锁Vibe编程应用的根本原因是什么?
A:苹果表示并非专门针对Vibe编程类应用,而是在执行既有准则。核心问题在于:Vibe编程应用允许用户生成并运行未经苹果审核的代码,这实质上绕过了App Store的安全与隐私审核机制。苹果的规定要求应用必须维持其原始功能,不得通过动态代码执行的方式引入新功能或改变应用的主要用途。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。