Shopify Reflex 是什么:让 Agent 不靠模拟器验证原生 App

Shopify 工程博客在 2026-11-05(美国时间)公开了 Reflex:一套面向「Agent 写大部分代码」的原生移动端架构。核心目标很具体——让 Agent 不靠模拟器也能验证 App 行为,并且用同一套测试把 iOS 与 Android 对齐。下面按官方文章拆开:四根柱子、灰盒测试怎么写、以及你想复刻时要带什么。
Agent 写屏很快,证明它可用很慢
Shopify 把 Shop 与 Shopify App 从 React Native 迁回 Swift / Kotlin 后,团队发现瓶颈不在「写出来」,而在「证明写对了」。Agent 几分钟能出一屏,但验证仍要模拟器、构建、点按脚本——他们在模拟器工具上投过资源,速度仍顶到天花板。Reflex 的回答是:逻辑可无头运行,每屏用同一份「状态 + 动作」合同暴露给 CLI,测试文件跨平台共用。
分享测试,不分享代码:实现写两遍,测试只写一遍。
四根柱子:Core、ViewModel、自省、CLI
官方把 Reflex 写成 MVVM 变体,落在四件事上:
| 柱子 | 做什么 | 给 Agent 的好处 |
|---|---|---|
| 无 UI 的 Core | ViewModel、服务、导航、GraphQL、持久化逻辑都在这里;禁止 UIKit / android.* 等平台 UI 依赖 | 逻辑可在 macOS / JVM 无头跑 |
| 严格 ViewModel 合同 | Elm 风格:Action 进、State 出,状态只在 update 里改 | 形状固定,Agent 能重复生成 |
| ViewModel 自省 | 每个屏幕暴露 JSON:名字、状态、可接受动作 | 进程外 CLI 可读可驱动 |
| 跨平台 CLI | 同一测试文件打 iOS 与 Android;不启动模拟器也能跑 | 反馈环按「函数调用 + 读 JSON」计 |
Agent 侧界面刻意极简:ls 打印当前屏名、状态 JSON、可动作列表;do Action [json] 触发一个用户动作。CLI 可对着无头 Core,也可对着真机构建里的同一套 ViewModel——不碰渲染树。官方原文写明:没有 TUI、没有配色、没有转圈,时间都花在反馈环上。
为什么不共享跨端代码
两套原生意味着每屏两份实现。Shopify 的取舍是:iOS 用 Swift、Android 用 Kotlin,中间不加跨端抽象层。理由写进工程博客:Agent 写第二份原生实现的成本已经下降;抽象层仍要背维护面、藏平台行为、把每次升级变成两步迁移。对齐靠测试:行为测试双端都跑,只过一边的 PR 合不进。
他们对比了三类常见测法:
- 跨端 E2E:仍慢、仍要模拟器,失败常靠录屏排。
- XCUITest / Espresso:更快更稳,但按平台各写一套,过一边不等于另一边过。
- 单元测试:快,测的是 mock,两套套件会像两套代码一样漂移。
落点是灰盒:测试看不到像素,也看不到内部实现细节;它只看到 UI 会看到的东西——ViewModel 的状态与动作。底下是真 reducer、真服务、真 GraphQL 客户端、真导航;只在网络与设备边缘换成 fixture。套件里不用 mocking 框架。
Core 怎么切,自省节点长什么样
以官方库存管理示例为骨架:每端拆成 Core、Mobile、CLI 三块。Core 声明它需要的平台能力协议,由宿主通过构造函数注入——Mobile 注入真 Keychain / 推送 / 相机,CLI 注入 fixture。导航也在 Core:推屏是导航器上的状态变更,CLI 可以不创建任何 View 就走完全 App。
每个 ViewModel 固定五件套:State、Action(对外)、Message(对内)、唯一写入口 update、构造注入的 Services。View 的合同只有两句:读 state,调 send(action:)。
Introspection Kit 是独立模块:ViewModel 的扩展返回一个节点——稳定屏名、state JSON、每个 Action 对应的闭包(可带 JSON 入参)、以及可选的 child。三条纪律:用户能看见的进 state、能做的进 actions;节点里不写 UI 条件分支;动作一律走 send。节点树镜像对象树,CLI 始终聚焦最深叶节点;栈/Tab 导航器可向下「借」出 goBack / selectTab。无头 CLI 用换行分隔 JSON 走 stdin/stdout;真机构建里用临时 socket 打同一批 ViewModel,Release 会编掉该服务。
删掉自省扩展,App 照常编译运行——你只是失去了从终端驱动它的能力。
测试奖杯与 Helix 行为门
覆盖形状像奖杯:底层少量单元测原语;中间是 CLI 行为测试(业务、校验、导航、错误、完整旅程),占大头,且一文件双端;顶层少量真机集成与性能套件。行为会话会装 HTTP 守卫:任何真实请求都会让测试失败,强制 fixture。官方数字:1,700+ 行为测试在 CI 双端约四分钟跑完;暖机后单用例无设备约几百毫秒,同用例上 iOS 模拟器约两秒。
测试 SDK(基于 Bun)提供 precondition(等到聚焦节点符合预期)和 do(发动作并等新状态)。失败信息直接写明哪一步、哪次动作、期望与实际状态——Helix 的行为门用的就是这层:检查点推进前,CLI 测试必须双端通过。Shopify 同时说明:像素级 UI 另有视觉评审与截图测;Sidekick(应用内助手)也复用同一套状态/动作面,不另做集成层。
自家 App 怎么复刻(官方清单)
文章写得很干脆:「这篇文章就是开源。」没有可打包的库可发——有用的是架构,而不是他们绑死会话模型与导航器的 Introspection Kit。复刻清单原文归纳为:
- 把平台和 Core 切开:无 UI 导入的模块,平台能力全构造注入;Core 必须能在 macOS / JVM 构建。
- 让每个 ViewModel 长得一样:Action 进、State 出、单一
update。 - 用扩展加自省节点:state JSON、动作闭包、无条件分支;可用宏/注解生成。
- 建成树并聚焦叶节点;容器向下借少量动作。
- 任何网络都失败;一切靠 fixture,套件才稳定。
- 写 Skills 而不是长文档:教 Agent 怎么跑 CLI、加 fixture、命名测试。
- 去掉只给人用的复杂度:不要 TUI、漂亮输出、交互向导。
站内 公司级 harness 五件套 讲的是协作外壳;这篇 Reflex 补的是移动端「无模拟器也能验行为」的合同。若仍要像素级完成证据,对照 Agent 完成证据:截图与录屏——Shopify 自己把行为测与视觉评审拆开了。
最后
先挑一个列表→详情屏,按官方形状拆出 Core ViewModel 与自省节点,再写一条 ls → do 旅程测试,让它在无模拟器路径下绿。能做到这一点,再谈双端共用测试文件、接 Helix 式行为门。