Posso vibecodare AppGrowKit?

Cosa costruisci

Generare i pannelli di screenshot per l'App Store dalle schermate reali della mia app con un modello di immagini, e interrogare ogni giorno gli endpoint pubblici di Apple per posizioni, rating e recensioni delle app che possiedo.

cosa ti serve

• una API key per un modello di immagini (fal.ai o OpenAI)
• una API key per un modello di visione per il passaggio di QA
• SQLite o Postgres
• uno scheduler che giri davvero tutti i giorni

Segnalato dal maintainer, che ha fornito i numeri del catalogo dal warehouse di produzione: 1,7 milioni di app, 36 storefront, 22 milioni di rilevazioni di rating e 11 milioni di posizione su 82 giorni di raccolta, 65 GB su disco. La copertura è disomogenea per scelta, quindi i numeri vanno letti con precisione: l'ampiezza è globale, ma lo storico profondo dei posizionamenti su più mesi è concentrato sulle app e sulle keyword a cui il crawler dà priorità, non distribuito in modo uniforme su tutti gli 1,7 milioni. Verdetto scritto sul piano Pro a pagamento; il confronto DIY prende come riferimento un tracker personale per le app di cui sei proprietario più un generatore di screenshot.

Il prompt

Un weekend con un agente di coding. I buchi che restano sono qui sotto, in «cosa perdi».

Build me an App Store screenshot generator and a personal rank tracker to replace AppGrowKit, single user, my own apps only.
Use Node 22, TypeScript, SQLite (better-sqlite3), sharp, and a small React frontend on localhost. Do not offer alternative stacks.

- Screenshots: I upload my real app screens. Compose a 3-panel App Store set by sending each panel to an image model (fal.ai key in .env), passing my screens as reference images so the in-phone UI stays faithful.
- Send every render back to a vision model with a checklist: garbled text, elements sliced by a panel edge, invented star ratings or award badges, phone hardware where the style said none. If it fails, re-render once with the failures pasted in as corrections.
- Composite the headline as real text with sharp, not model-drawn glyphs. Resize output to exactly 1290x2796 (iPhone) and 2064x2752 (iPad).
- Tracking: a config file lists my App Store track IDs and the keywords I care about. A daily job hits Apple's public endpoints (itunes.apple.com/lookup, /search, the RSS chart feeds, and the customerreviews feed) with a real User-Agent and one request every 1.5 seconds.
- Store every poll as a row with a timestamp, never an upsert. Rank history is the whole point and you cannot recover a day you overwrote.
- The page shows my apps' rating and rank over time, new reviews since I last looked, and where I sit for each tracked keyword.
- Out of scope: competitor intelligence, keyword difficulty scores, and revenue estimates. Those need a catalog of hundreds of thousands of apps with months of history. Say so in the README rather than faking them from a single day of data.
- README: the two API keys, cost per screenshot set, and a warning that the tracker is worth little until it has been running for a month.

Cosa perdi

• mesi di storico su posizioni, rating e keyword che non puoi recuperare a posteriori
• il catalogo da 1,7 milioni di app su 36 storefront che sta dietro alle ricerche sui competitor e alla difficoltà delle keyword
• le stime di fatturato e download, che sono calibrate su quel catalogo
• i volumi delle keyword e i punteggi di competizione, che hanno bisogno di un corpus rispetto a cui essere relativi
• il server MCP che risponde a domande di ASO da Claude, Cursor o ChatGPT
• il controllo di accuratezza sugli screenshot generati: il critic di QA, il punteggio best-of-2 e l'output nelle dimensioni esatte

Perché pagano ancora

Perché lo scraping è facile, lo storico no. Chiunque può tirare giù le posizioni in classifica di oggi dagli endpoint pubblici di Apple; nessuno può tirare giù quelle del trimestre scorso. La scala si comporta allo stesso modo: 1,7 milioni di app su 36 storefront sono 65 GB di ClickHouse e un crawler che gira da mesi, e una copia su una macchina sola, abbastanza educata da non farsi rate-limitare, ci mette parecchio ad arrivarci. I piani a pagamento mettono il cancello sulle letture del catalogo, non sull'AI: è il segnale onesto di dove stia davvero il costo. Nella pipeline degli screenshot c'è poi ingegneria vera che una build in una sola sessione si salta: un critic di visione che ispeziona ogni render a caccia di testo sfasato ed elementi tagliati, due candidati messi a punteggio uno contro l'altro e l'output ridimensionato alle misure esatte di Apple. Senza tutto questo arrivi comunque a pannelli decenti. È arrivare a pannelli coerenti su un set da 6 in tre formati di dispositivo che ti mangia il weekend.

moat: Dati proprietari Scala dell'infrastruttura cos’è un moat

serie storiche dell'App Store raccolte in proprio; il moat è lo storico, non lo scraping

Chi l’ha già costruito

Partire da qui è vibecoding lo stesso: il prompt serve quando lo vuoi esattamente a modo tuo.

• SerpBear (si apre in una nuova scheda) — Self-hosted rank tracker for keyword sets you own. Web SEO rather than App Store, but the same daily-poll-and-chart shape. (alive)
• app-store-scraper (si apre in una nuova scheda) — Node library for Apple's public lookup, search, chart, and review endpoints. This is the data layer a DIY tracker is built on. (alive)

Sei d’accordo?

App correlate

AccuRanker 129 $ NON PROPRIO Semrush 140 $ NON PROPRIO ScreenshotOne 17 $ QUASI