移动应用上架前可自动排查常见拒审项
这套开源手册整理了 App Store 和 Google Play 的 117 种拒审情形及修复方式,覆盖隐私清单和数据安全申报。项目还提供提交前检查工具、拒审申诉指引和面向 AI 编程助手的技能。
AI 深度解读
app-store-compliance 想把应用商店的驳回前移到提审之前。它用脚本扫 iOS 和 Android 项目,把能从文件里确认的问题列出来,还能接到 AI 编程工具的命令钩子上,遇到严重风险就拦住提交流程。
如果你用 AI 写移动端功能,或者用 Expo 的 eas submit 发版,这套做法最值得借鉴的是如何分工:能从项目里确认的交给脚本,必须登录商店后台或在真机上操作的留给人。通过这两道检查,才有条件判断这版能不能送审。
一次扫描能查到什么?
项目把常见驳回模式整理在 data/rejection-patterns.json,每条关联审核条款和修复办法。手动扫一次只需要 git 和 bash。下面两行会下载仓库并扫描项目目录。
git clone https://github.com/mjmirza/app-store-compliance ~/repositories/app-store-compliance
bash ~/repositories/app-store-compliance/agent-os/hooks/app-store-compliance-guard.sh "/path/to/your/app"
第二行只替换 "/path/to/your/app" 里的路径,保留引号,以免目录名里的空格被拆成多个参数。按作者给出的量级,小项目约 1 秒,大项目最多约 1 分钟。结果按严重程度排序,能定位到源码的条目会附文件和行号。审计还可以按 critical、high、medium 整理发现、对应政策和具体修法。
原文把两项放在清单最前面,预计花约 5 分钟。第一项是演示账号和线上后端都能用,审核员拿到账号就能进入核心流程。第二项是隐私声明和运行时行为一致,第三方 SDK 的数据使用也算在内。脚本能帮你找隐私清单、权限、应用内购买和账号删除相关的线索。账号实际能否登录、App Store Connect 里最终填了什么,得拿着结果逐项核对。
首次发布还要走一遍 docs/PRE-SUBMISSION-CHECKLIST.md 的账号和发布计划准备项,包括开发者账号状态、协议是否已接受,以及 Play 账号和包名是否完成注册。拉过商店素材的话,可以用 scripts/metadata-audit.py 检查元数据目录。监管日期则会随每次扫描检查,也可以单跑 python3 scripts/deadline-checker.py,按 data/regulatory-deadlines.json 核对发行地区未来 90 天内的期限。
Hook 能拦住哪一步,怎么确认装好了?
一次扫描适合临发版补查。想在平时的发版路径上自动检查,可以把规则装成 AI 工具的 skill,再用 hook 在相关命令执行前跑扫描。假如前面的仓库已经克隆过,只需运行下面第二行。
git clone https://github.com/mjmirza/app-store-compliance ~/repositories/app-store-compliance
bash ~/repositories/app-store-compliance/scripts/install.sh --tool all
第二行的 --tool all 会安装到主目录里能识别的所有受支持工具。只想装到 Codex,可以传 --tool codex。作者给的安装时间约 1 分钟,Claude Code 之外的工具还需要 python3。安装会写入 guard、skill 和对应的 hook 配置,已有配置会保留带日期的备份。Gemini CLI 在 0.26 之前需要开启 tools.enableHooks。Windows 从 Git Bash 安装,doctor 会检查 Bash 和 PowerShell 的匹配范围。
安装器会用对应工具的命令格式模拟一次提交,确认被拦截才打印 Install verified.。OpenCode 缺少 node 时会显示 Installed, but not fully verified.。看到 FAIL,修正对应项后给安装命令加 doctor 再查。更新时先跑 git -C ~/repositories/app-store-compliance pull,再重复安装。卸载可以给命令加 uninstall,例如 install.sh --tool gemini uninstall。
fastlane、eas submit、gradle bundleRelease 和 xcrun altool 都是原文列出的触发示例。命中 critical 风险会阻断当前命令,扫描通过会显示 CLEAR.。Claude Code、Gemini CLI 和 OpenCode 还能用 /app-store-audit 主动发起审计。如果同事从独立终端或 CI 发版,要单独确认那条路径也会运行扫描。安装时通过一次模拟拦截,验证的是当前工具的 hook。
商店规则变了,监控脚本靠什么跟进?
python3 scripts/monitor.py --project /path/to/your/app 读取 Apple Developer RSS,覆盖 25 个跟踪方向,包括隐私清单、替代支付和儿童安全。长结果默认展示前 10 条,--full 展开全部。可以用 --simulate "Privacy Manifests" 或 --simulate "all" 演练迁移,也可以用 --simulate "In-App Purchase policies" --json 拿到结构化输出。仓库另有 8 个入口,分管监管、Android、生成式 AI、发布准备、无障碍、隐私、安全和监管时间线,其中安全监控覆盖 17 项要求。
按原文截至 2026 年 9 月 30 日的记录,先看输出里的 Data. 行再使用结果。除 monitor.py 外,其余监控默认读取内置样例,支持在线来源的脚本要加 --live。monitor-regulatory.py 和 monitor-security.py 没有实时订阅源。即使是 Apple RSS,抓取失败时也会回退到样例。
引用校验处理了一个容易漏掉的问题。Apple 对不存在的文章 ID 也可能返回 HTTP 200,正文实际是同一份新闻索引。python3 scripts/verify-citations.py --files docs/ data/ references/ scripts/ 会给每个域名请求一个故意构造的无效 ID,再比对正文指纹,同时把机器人拦截等 4xx 和服务端 5xx 单独归类。这个检查能发现链接落到了兜底页,规则是否适用仍要看条款正文和发行地区。
我的判断
作者引用的数据能说明提审有返工成本。原文称,2026 年第一季度两家商店的发布量同比约增 60%,iOS 单独约增 80%,另一个未注明具体区间的统计里,新提交量约增 30%,接近 60 万。Apple 在原文所称的近期某一年审核约 777 万次提交、拒绝约 193 万次,接近四分之一。Google 在 2025 年因政策问题拦下超过 175 万次提交,并阻止超过 25.5 万款应用取得过度的敏感数据访问权限。这些统计的口径各异,AI 编程工具推动提交增长是原文转述的行业推测。
项目给出的结果证据是两条开发者反馈。一位开发者按一次性审计的结果修补后首轮过审,另一位分享了获批邮件。原文没给对照数据,也没给扫描准确率或平均节省时间。作者所说的「一次驳回会耗掉一周」是对等待、修改和重提的经验估计。原文也把 2024 年起执行的隐私清单要求,以及 2025 年末起向外部 AI 发送个人数据时要在同意弹窗中点名服务商,列为高风险项。照着改之前,团队仍需要核对自己的数据流和目标商店条款。
我会把能稳定复现的严重发现接进发布流程,把审核备注、后台隐私声明这类脚本看不到的项目标成「待人工确认」。纯人工清单能覆盖后台状态,但容易漏走步骤。纯扫描适合反复跑,覆盖范围由脚本能读到的文件决定。团队引入前还要把许可算进去。整个仓库使用 OpenRoots Agent License 2.3(LicenseRef-OpenRoots-ORA-2.3)。按原文说明,公司免版税门槛为年总营收 USD 20 million,每年 1 月按通胀调整。超过门槛时,对使用该项目的产品营收中超过门槛的部分计 0.5%,每年上限 USD 250,000,按季度自报。分发副本还要在包清单内保留署名和许可信息。
能拿来做什么
- 用 Expo 的团队可以先对待发版本跑一次扫描,再用审核员拿到的演示账号,从安装包走到核心功能,确认线上后端真的能访问。
- 新增统计、登录或 AI SDK 的 PR,可以附上它采集什么、发给谁、在哪一步取得同意。发版时用这份记录对照隐私清单和商店后台声明。
- 如果发版由 AI 工具执行,先用
doctor确认 hook 能拦截实际使用的提交命令。如果发版由 CI 执行,就在上传前显式运行 guard,并把严重发现和人工待核项一起留在发布记录里。