在外面突然要看一段代码，或者线上出了个 Bug，电脑却不在身边——这是写代码的人最常遇到的尴尬时刻。等回到电脑前再处理，可能要几个小时；现在立刻处理，手机屏幕小、打字慢，又怕改错。手机当然不是写代码的主力设备，但“看懂一段代码、找到 Bug 的排查方向、改一处小地方”这三件事，完全可以在手机上完成，关键是手边有没有一个靠谱的 AI 助手。下面就用 LM Station 走一遍这个场景：它是一个聊天式的 AI 工作台，手机上随身带着，遇到代码问题随时能问。
它能帮上什么忙
先把预期说清楚：LM Station 不是 IDE，它不能替代编辑器、不能真机调试、也不能帮你部署上线。它的价值在于“理解代码”和“给思路”这两件事上，具体有五种用法。
第一，读代码、讲逻辑。接手一段别人写的代码，或者几个月前自己写的代码，先别硬读。把代码贴进 LM Station，让它用通俗的语言讲清楚：这段代码在干什么、数据从哪来、到哪去、关键的分支条件是什么。读不懂的函数、看不明白的正则，都可以逐段追问，相当于有个人坐在旁边给你讲代码。
第二，定位 Bug 的排查方向。报错信息、异常堆栈、复现步骤贴进去，描述清楚“期望是什么、实际发生了什么”，让它分析最可能的几个原因，并按可能性排序。注意：它给的是排查方向，不是确诊结果，最终还得你自己验证。
第三，写小段代码与正则。需要一段数据处理、一个格式转换、一条复杂的正则表达式时，直接描述需求让它生成。手机上适合的就是这种几十行以内的小片段，生成后贴到项目里跑一跑验证，而不是从零写一个完整模块。
第四，查文档和 API 用法。某个库的函数参数记不清了、某个 API 的返回值结构不确定，LM Station 的联网搜索和内容提取能力可以直接帮你查官方文档，把用法和示例翻出来，省得在手机浏览器里来回切换查资料。
第五，换模型交叉检查同一段代码。LM Station 聚合了 20 多个模型（GPT、Claude、Gemini、Qwen、DeepSeek 等），同一段代码可以换两个模型各审一遍。两个模型意见一致，信心就高一些；意见不一致，恰恰是最有价值的信号——说明这里有歧义，值得你多看一眼。
截图导览
下面是 LM Station 的官方界面截图，先认认路：主聊天界面、模型切换与配置、工具与搜索入口的位置，实际操作时按图索骥。
四步实操：从“看不懂”到“改得动”
- 把代码贴进去，先让它讲清楚逻辑。不要一上来就问“这段代码有什么问题”。先让 AI 讲一遍代码在干什么，确认它的理解和你的一致，再进入下一步。理解对不上的地方，往往就是 Bug 藏身的地方。
- 描述报错现象，让它给排查方向。贴上报错信息和复现步骤，说明期望结果和实际结果，让它列出最可能的 2–3 个原因，并给出每种原因的验证方法。按它给的顺序逐个验证，而不是凭感觉乱改。
- 让它给最小修改建议，并说明为什么。明确要求“只改必要的地方，不要重构整个函数”，并且让它解释每一处修改的理由。改动越小，引入新 Bug 的风险越低，也越容易回滚。
- 换一个模型再审一遍。改完之后，把修改前后的代码换另一个模型再看一遍，问它“这个修改有没有问题、有没有更好的写法”。两个模型意见不一致时，不要二选一就信，而是以官方文档和实际运行结果为准——跑一遍代码，比听谁的都可靠。
Mac 上的加分用法：选中文字就能问
回到电脑前，LM Station 在 Mac 上还有一个加分功能：Mac Text Selection Helper（Beta）。在 Mac 上选中任意文字，就能直接调用 AI 做搜索、翻译、总结——读文档时遇到不懂的 API 说明，选中就问，不用复制粘贴来回切换。需要注意两点：这个功能目前还是 Beta，并且需要单独安装，不是装好 App 就自带。手机上没有这个功能，它是 Mac 端的专属加分项。
三个提醒，先说清楚
第一，手机适合看与改，不适合从零写大项目。手机打字慢、屏幕小、没有真正的编辑器环境，写几十行小片段、改几处地方没问题，但想在手机上从零搭一个项目、写几百行代码，效率会很低，也很容易出错。大活还是等回到电脑前再做，手机只负责应急和轻量处理。
第二，不要把敏感代码贴给云端模型。含密钥、内网地址、公司内部业务逻辑的代码，不要直接贴给云端模型。LM Station 支持在 iPhone 上本地运行大模型（Ollama/离线模型），敏感代码优先用本地模型处理，数据不出设备；只有确认不敏感的代码，才适合发给云端模型。
第三，AI 给的代码要自己跑一遍再信。AI 生成的代码看起来再像样，也可能有细节错误：API 版本对不上、边界条件没处理、依赖没声明。LM Station 官网列出的工具集里包含代码执行（code execution），可以辅助验证，但最终还是要以你自己的运行结果为准。没跑过的代码，不要直接提交、更不要直接上线。
适合谁、不适合谁
适合这样用的人：经常在外面、需要随时看代码或处理紧急 Bug 的开发者；接手别人代码、想快速理解逻辑的人；写小脚本、正则、数据处理片段时想找个随身帮手的人；已经在用 LM Station 聊天、想把它扩展到编程场景的人。
不适合只靠它做决定的人：需要从零搭建项目、做架构设计、性能调优这类重活，手机加聊天式 AI 不是合适的工具；涉及生产环境的关键修改、部署上线，最终仍要靠你自己在电脑上用真正的开发环境完成并测试，AI 只能给参考，不能替你拍板。
一句话总结：手机写代码靠不靠谱，取决于你让它干什么。让它当随身编程助手——读代码、找 Bug 方向、写小片段、换模型交叉检查——这套用法是靠谱的；让它替代 IDE、真机调试和部署，那就越界了。先讲清逻辑、再给最小修改、最后换模型复核，这四步走完，手机上的应急处理就有了章法。想在手机上试试，可以从 iPhone AI 编程助手 App LM Station 开始，官网 lmstation.ai 也有功能介绍。据开发者介绍，LM Station 累计下载已突破 100 万。
延伸阅读：手机 AI 能看懂我的睡眠和运动数据吗？用 LM Station 分析 HealthKit 健康数据实测；给 AI Agent 配一双能点网页的手：Vercel 开源 agent-browser，4.5 万 star 的浏览器自动化 CLI；面试前别只刷题库：用 LM Station 做一次完整的面试准备，从公司调研到模拟面试。
利益相关：LM Station 为本站团队开发的产品，本文为官方分享。
