PICO 把「人人都是开发者」带进了 XR 空间计算

XR 开发，以后只需要有创意？

文 /VR 陀螺 Wickey

" 工具链门槛降下来之后，专业开发者省下的是时间，有创意的人拿到的是入场券。把重复的工具链操作自动化，让他们把精力放回内容本身。"PICO CLI 0.5.0 的产品经理在接受 VR 陀螺采访时表示。

近日，PICO 发布了 PICO CLI 0.5.0，这是一款面向 AI 开发的命令行工具，也是 PICO Space Pro 与 PICO OS 6 空间应用开发的新入口。开发者只需用自然语言描述需求，即可由 AI 配合 CLI 完成工程创建、编码、构建、调试和模拟器运行。

经过一年发展，Vibe Coding 已快速进入 Web、App 等主流开发流程。据 JetBrains《2026 年开发者生态系统调查报告》显示，90% 的职业开发者每周至少使用一次 AI 编程 Agent，68% 已经每天使用，约 38% 的代码是在 AI 辅助下完成。

当自然语言逐渐成为新的开发入口，空间应用开发门槛进一步降低，也让更多非传统 XR 开发者有机会参与空间应用创作。对仍处在内容生态相对欠缺的 XR 行业而言，这一变化有望扩大开发者群体，并探索出更多新的应用。

PICO CLI 0.5.0，从一句自然语言开始开发空间应用

事实上，Vibe Coding 在 Web 和 App 开发中已形成较完整的 Agent 工作流，但 XR 开发还涉及 SDK、3D 场景、模拟器、真机、日志和性能分析等多套工具与环境，Agent 往往难以连续跑通整条链路。

过去 XR 应用开发往往需要开发者手动配置环境、查找 API、构建工程、连接设备并反复调试。GTC 2026 上，NVIDIA 也指出，开发者 " 必须为每个平台维护单独的代码库，每个平台都有不同的工具链、SDK 和流协议 "，这也侧面反映出 XR 开发长期存在的工程复杂度。

即使 Claude Code、Codex 等 Agent 已经能够编写 Kotlin 或 C#，但它们更多解决的仍是 " 写代码 " 这一环。真正把一个需求变成可运行的空间应用，还需要继续处理工程创建、构建、模拟器、真机、日志和性能调试等环节，开发者仍然要在多个工具之间来回切换。

图源：VR 陀螺

而 PICO 将工程创建、构建、模拟器、真机调试、日志和性能工具统一通过 CLI 开放给 Agent，再借助 Skills 和 Knowledge 让 Agent 理解工具使用方式和 PICO SDK 能力。这样，开发者只需用自然语言描述需求，Agent 就可以继续完成编码、Build、安装、启动和调试，把空间应用从一句需求一路推进到可运行状态。

这套方案覆盖了从需求描述、工程创建、代码生成，到构建、运行和调试的完整空间应用开发流程。其中，Skills 负责规范不同阶段的工具调用和执行步骤，并采用渐进式加载；Knowledge 则提供当前 SDK 的文档、API 参考和示例代码，减少 "API 幻觉 " 和版本错配，让 Agent 不必完全依赖模型已有知识或外部检索。

图源：PICO

并且，CLI 0.5.0 目前已经完整支持 PICO Spatial SDK，可通过 Kotlin 开发原生空间应用；同时支持 PICO Unity SDK 中的 Unity Spatial 和 Unity XR 工程，并覆盖 SpatialML 端侧 AI 模型工具链。此外，CLI 0.5.0 当前也为 WebSpatial 提供调试能力，可通过 HTML、React 等前端技术进行网页空间应用开发并连接模拟器预览。

PICO CLI 0.5.0 支持的多路径开发，体现其承担的是连接 AI Agent、SDK、模拟器和真机的统一入口。对于 Android、Unity、前端乃至算法背景的开发者来说，进入 PICO 空间应用开发后，不必再额外切换到一套独立的 AI 开发环境，而是可以继续使用自己熟悉的 Codex、Claude Code 或 Cursor。

这也解释了 PICO 为什么没有直接打造一个封闭的 "XR 版 Codex"。PICO 表示，现阶段更希望把相关能力做成可以被不同 Agent 接入的基础设施。" 一个开发者如果已经在用 Claude Code 或者 Codex，他想做空间应用，只需要把 PICO-CLI 装上、跑一次 setup，就可以在自己熟悉的环境里直接开始。"

PICO CLI 0.5.0 的产品经理表示："PICO-CLI 本身就是一套 harness，也就是让模型能够稳定调用工具链的那层工程框架。它是整条链路的通用底座，先把这层基础能力做扎实，上层的封装才有意义。"

而从目标开发者来看，PICO CLI 可以帮助已有开发经验的用户降低 Spatial SDK 等新 SDK 的熟悉成本，并可直接通过 AI Agent 查询 PICO 开发问题。同时，也可以把环境配置、SDK 和工具链等准备工作交给 AI，降低非专业开发者的入场门槛。

提示词丢给 Codex，PICO CLI 0.5.0 自己装好快速启动应用开发

为了测试 PICO CLI 0.5.0 对非专业开发者的友好程度，陀螺君也尝试使用 Codex 开发了一些简单的空间应用 Demo。整个过程中尽量避免专业术语，只用最直接的自然语言描述需求。

目前 PICO 空间应用开发大致可以分为 Spatial SDK、Unity 和 WebSpatial 三条路径。其中 Spatial SDK 采用 Kotlin 进行原生空间应用开发，更适合直接体验 PICO OS 6 的空间能力，因此此次测试选择了 PICO Spatial SDK 作为主要开发方式。

实测中，PICO CLI 安装较快，从检查 Node.js、npm，到安装 CLI 并选择 Codex 和 Spatial SDK，大约只用了 4 分钟。更耗时的是首次补齐 Android SDK、JDK 和 Build Tools 等基础组件，不过 Codex 可以自行检查、安装并配置环境。对于已有 Android 开发环境的开发者，这一步基本可以跳过。

在配置好环境后，陀螺君给 Codex 的第一条指令为：" 帮我做一个简单的 PICO 空间围棋 Demo，在用户面前放一张悬浮棋盘和一些黑白棋子，不需要完整围棋规则。"Codex 根据自然语言创建了 Kotlin Spatial SDK 工程，并生成 19 路棋盘、星位和固定黑白棋子，随后自行完成 Build、启动 PICO Emulator、安装 APK 并截图检查。最终，第一个可运行版本，耗时约 25 分钟。

首版棋盘的位置、比例和观察角度不太理想，于是后续依然采用最简单的指令：" 把棋盘调整得更像真实围棋桌 "" 放在用户前方稍低的位置 "。Codex 随后将棋盘调整为约 49 厘米宽，棋子直径约 2.2 厘米，并重新调整空间位置和倾角。之后还加入了位置设置的入口，可以微调左右、高度和远近，并支持恢复默认位置。

过程中也出现了一些问题，在首次加入设置面板后，" 设置界面 " 遮挡了棋盘，棋盘前沿也存在裁剪空隙。将模拟器截图反馈给 Codex 后，Agent 继续修改布局并重新构建，整个开发过程逐渐形成 " 描述需求—修改代码— Build —模拟器运行—截图检查—继续调整 " 的循环。

这类基于运行结果不断修改的过程，也让模型本身的能力差异变得更加重要。空间应用开发不只要求 AI 会写代码，还需要稳定调用工具、理解截图中的空间关系，并在较长的开发上下文中持续记住此前的需求和修改。不同模型在这些能力上的表现并不一致，就像面对同一个 " 画一只鹈鹕 " 的提示词，不同模型可能给出完全不同的结果，到了涉及空间布局、尺度和交互的 XR 应用中，这种差异同样会反映到最终开发效果上。

图源：网络

PICO 将开发空间应用对模型的要求概括为三点：工具调用稳定性、视觉理解和上下文长度。Agent 不仅要连续完成工程创建、构建、安装和日志读取，还要通过截图判断空间关系是否合理。

" 我们同时支持五个 Agent，也是同样的考虑。开发者可以根据任务特点选择合适的模型，这个决定我们不替他们做。" 因此，PICO 并没有把开发效果完全交给某个模型本身，而是通过 Skills 规范工具调用流程、由 Knowledge 提供准确的 API 和示例，再配合 CLI 返回结构化结果，尽量降低 Agent 在长链路执行中的不确定性。

从实际体验来看，开发者无需先记住大量 CLI 命令，Agent 可以按需完成工程创建、构建、模拟器运行、日志和截图等操作，并结合 Skills 和 Knowledge 继续修正问题。PICO Emulator 也让不少迭代可以先在 PC 或 Mac 上完成，减少频繁连接和佩戴头显的需求。PICO CLI 0.5.0 进一步将 " 人人都是开发者 " 的趋势推向了 XR。

PICO 也明确表示 " 人人都能开发 " 的趋势在空间应用领域正在发生。" 只是它对工具链完整性的要求更高，从创建到验证的每一步都要做扎实。这也是我们先把整条链路打通的原因。"

PICO、Meta、Apple 集体入局，更低门槛、更多 XR 空间内容的时代来了

过去几年，XR 硬件持续迭代，Apple Vision Pro、Meta Quest 3 以及即将推出的 PICO Space Pro 都在推动空间计算和 MR 体验发展。但相比硬件升级，内容生态仍是扩大使用场景的关键，而 XR 开发长期面临更高门槛，除了代码，还要处理 3D 资产、空间交互、设备适配、模拟器、真机和性能调试等复杂流程。

而今年，在空间应用开发方面最明显变化，是 AI Agent 大量进入空间应用开发中。除了 PICO 之外，Apple、Meta 等平台也在将 AI Agent 进一步接入空间应用的构建、运行和调试流程，XR 应用开发形成更完整的 Agentic Coding 工作流。

2026 年 2 月，Apple 随 Xcode 26.3 将 Codex、Claude Code 等接入 Xcode。AI 可以修改代码，还能调用 Xcode 完成 Build、Test，读取编译错误并继续修复；同时，Apple 通过 MCP 向外部 Agent 开放相关能力。虽然这套机制并非专门面向 XR，但由于 Xcode 覆盖 VisionOS 开发，也意味着 Vision Pro 应用可以直接进入同一套 Agent 开发流程。

图源：Apple

2026 年 7 月，Meta XR Core SDK v205 引入 Meta XR Operator，让 MCP 兼容的 AI Agent 读取 Unity 场景层级、截图，并模拟控制器输入，对运行中的 VR/MR 应用进行观察和验证；8 月，Meta 进一步正式介绍该工具，同时 Meta VR CLI 已可通过 MCP 让 AI Agent 操作 Quest 设备，完成应用安装、启动、日志读取、截图和性能 Trace 等任务。到 9 月，Meta 又将 Meta VR CLI、Agent Skills 和 LLM Resources 整合为更完整的 AI 开发工具体系。

图源：Meta

相比 Apple 主要从 Xcode 切入、Meta 围绕 Unity 与 Quest 设备工具链展开，PICO CLI 0.5.0 更强调统一开发入口，希望把不同 SDK、开发工具和运行环境接入同一套 Agent 工作流。对于 PICO 而言，这相当于在 PICO OS 6 和即将发布的 PICO Space Pro 之外，补上一层面向 AI 开发的基建，也让不同技术背景的开发者能够继续使用自己熟悉的 Coding Agent 进入空间应用开发。

不过，空间应用的门槛并不只来自代码，3D 资产和场景内容同样需要投入。PICO 目前通过 Spatial Editor 提供场景搭建、模型和材质编辑能力，并允许 Agent 通过 MCP 调用；更复杂的资产，则可以继续借助 Blender、Meshy、Tripo、混元 3D 等工具生成后导入。

因此，给普通开发者的建议也比较务实：第一，先把应用跑起来再谈美术。用模板和基础几何体把交互与布局验证清楚，比一开始就纠结模型精度更有效率。第二，让 AI 看到结果。多用截图和日志，让它基于真实运行效果去改，而不是凭空推断。第三，控制内容复杂度。

" 头显的性能预算有限，模型面数和贴图尺寸需要提前规划这部分 CLI 里已经有性能分析的辅助工作流，配套知识库沉淀了空间应用特有的性能经验，AI 可以帮着做初步判断。再往后，性能问题的自动排查与修复也是我们在做的方向。"PICO 也进一步向 VR 陀螺透露了后续的优化方向。

当环境配置、API 查询和重复工程操作逐渐交给 Agent 处理后，个人开发者和小团队也能用更低的成本验证空间交互想法，缩短从创意到 Demo 的距离。这有望提升 VR/MR 应用生态活跃度，并推动更多细分应用场景被验证和落地。

写在最后

PICO CLI 0.5.0 显然是一个起点，后续重点将集中在更多 SDK 与平台接入、上下文工程以及工作流稳定性三个方向。尤其当 Agent 调用链越来越长，Skills 如何组织、知识库如何检索，以及出错后的恢复能力，这都会直接决定 AI 开发空间应用能否真正走向日常化。

当工程、构建和调试越来越多交给 AI 之后，真正拉开应用差异的，将更多是对空间交互、用户需求和具体场景的理解。行业长期讨论 XR 为何迟迟没有出现真正的 " 杀手级应用 "，一个重要原因就在于开发门槛长期把大量创意挡在了技术之外。

随着 PICO CLI 0.5.0 这类 Agentic Coding 工具降低试错成本，未来 " 杀手级 XR 应用 " 或将出自那些不会写 Kotlin、不会配置 Unity，却真正理解空间使用场景的普通玩家。

第一时间了解 XR 资讯

关注 VR 陀螺官网（vrtuoluo.cn）