最终，我把这套 UI 修改流程总结为一句话：先用最新旧截图锁定页面结构，再让 GPT 生成新的视觉样例，用旧图和新图共同约束 Codex，选择更强的模型完成第一版，最后根据真机截图逐项小修。这套方法的重点，不是让 AI 直接替我们设计和修改全部页面。而是把不同 AI 的能力拆开使用：GPT 负责理解视觉、生成样例图和整理提示词；Codex 负责阅读项目代码并落地 Flutter 页面；人负责确认视

当 CUDA toolkit 也补齐后，源码编译还是失败。而且失败点已经从环境基础设施，推进到了PyTorch 头文件 / NumPy / mmcv 源码构建接口这类更深层兼容问题。尤其是在这套环境拿不到合适的mmcv 2.0.0wheel只能退回源码编译而源码编译又和当前版本栈撞上这次复现失败，不是因为 RTM/ASCFormer 代码仓库本身跑不起来，而是因为“官方 baseline 所依赖的

这次最大的教训是：UI 效果差，不一定是代码布局的问题。如果素材本身不合格，后面再怎么调布局和颜色，效果都很难好。白色矩形底板灰色背景块图片像直接贴上去背景和主体不融合正确做法应该是：先检查素材是否合格。图片该透明就必须真的透明。背景装饰尽量独立绘制，或者使用真正透明纹理。不要用代码强行修坏素材。夜间模式已定稿时，白天模式要严格隔离实现。HTML 可以辅助分析视觉，但不应直接决定 Flutter

我使用的是： - Windows - VS Code - VS Code 内的 Codex 插件 - 安卓手机 - `ntfy` 作为推送通道 本文所有路径和主题名都已经脱敏，示例中统一使用占位符： - Windows 用户目录：`C:\Users\<YourUser>` - Codex 目录：`C:\Users\<YourUser>\.codex` - ntfy 主题：`<YOUR_NTFY_T

通过的组合，我们成功在纯 Windows 环境下搭建了一条手机远程控制 AI 编程任务的轻量链路。优势：无需 WSL 或虚拟机，不占用额外系统资源；比远程桌面更省流量，适合移动场景；Tailscale 提供直连加密隧道，无需公网 IP 或复杂端口映射。关键要点Windows SSH 登录必须使用微软账户密码，而不是 PIN 码。PSMux 必须在中运行，否则无法进入交互界面。电源设置是很多人忽略的