- 博客(480)
- 收藏
- 关注
RSS订阅
原创 《Jetpack Compose 从入门到实战》带你踏上 Compose 开发之旅~
Jetpack Compose 从入门到实战，新书上架，谷歌开发者社区 & Kotlin中文社区 & Compose中文社区 联合推荐
2022-08-02 09:00:00
4323
7
原创 Compose 五周年回顾：从缘起到复盘
一个曾被列为“坏点子”的控件解耦计划，最终催生了Jetpack Compose——一场从“修bug”到“重写一切”的工程逆袭。始于对系统版本依赖的无奈，借力Flutter与R4A的启发，团队在“既然都做到这一步了”的冲动下，以函数式编程、Modifier链和洋葱模型为核心，逐步构建起全新的声明式UI范式。历经五年迭代，Compose不仅重塑了Android界面开发，更以务实与克制，在性能、互操作与开发者体验间找到平衡。它证明：伟大变革往往始于一个朴素痛点，成于工程师对“真正想要的API”的执着追求。
2026-10-05 09:00:00
649
原创 Android AI 开发，真正拉开差距的是工程闭环
AI生成代码已成常态，但真正的挑战在于构建可观察、可验证、可追责的开发闭环。Android开发进入Agent阶段，关键不是“写得多快”，而是“改后反馈多快”。通过标准化环境（如AndroidCLI）、合理使用子Agent分工、分层反馈机制（静态→构建→测试→运行）、自然语言驱动的探索式验证，以及将审查聚焦于意图而非代码细节，团队可实现高效且可信的协作。最终，工程流程的成熟度决定AI价值能否落地——从“能写”迈向“可信”。
2026-09-29 08:28:41
255
原创 AI 圈爆火的 Jev : 让 AI 少说话，多做判断
过去，人们认为AI的核心是“会说话”，但实际业务系统更需要的是精准、快速的决策判断。决策型模型如Jev，专注于输出结构化结果（如布尔值、评分、选择），而非生成文本，适用于工单分流、内容审核、Agent路由等高频、规则明确的场景。其优势在于输出稳定、解析简单、成本低，能有效提升系统效率与可控性。未来AI应用将趋向分层：大模型负责生成，决策模型专注判断，二者协同，让AI真正融入流程，而非仅停留在对话层面。
2026-09-20 08:30:00
216
原创 AI Coding 做视频？我看好 HyperFrames
维度Remotion创作语言构建步骤无，index.html打开即预览需要打包器（bundler）动画时序暂停动画并 seek 到精确时刻再截帧，帧级确定代码按帧号返回画面，依赖帧驱动现有 Web 素材HTML/CSS、GSAP、Lottie 动画基本可直接复用需要改写成 React 组件AI Agent 上手写纯 HTML，可直接生成与修改需理解 JSX/React 工程与构建许可证Apache 2.0（OSI 认证开源，无限制）自定义商业许可，3 人以上团队需付费。
2026-09-14 08:30:00
404
原创 四个 AI 员工面试记
<think>用户要求我根据提供的内容生成一篇不超过150字的文章摘要。摘要需要涵盖：Codex、Claude Code、OpenCode、Hermes四个AI工具的区别、评估标准、各工具特点、以及选择建议。</think>四款AI“员工”各有定位：Codex适合交活型用户，能批处理；Claude Code强于吃大量上下文但上手慢；OpenCode生态最丰富、开箱即用但安全风险高；Hermes会自我成长、越用越强。选择取决于你的场景——公司受限电脑用Codex，需读本地文件用Claude Code，要团队型
2026-09-07 08:30:00
322
原创 大模型 Token 计费原理：百万 Token 能用多久，怎样把成本降下来？
本文解析了大模型API计费中Token的含义与使用机制。Token是模型处理文本的基本单位，不等于字符或字数，其数量受语言、格式和内容复杂度影响。计费通常分为普通输入、缓存输入和输出三部分，其中输出Token通常更贵。 关键发现包括：连续对话会累积历史消息导致输入量剧增；提示词缓存虽能降低成本但仍需付费；不同使用场景下百万Token的实际容量差异巨大（从上千轮简短问答到仅数轮大型代码分析）。文章还提供了费用计算示例，并给出7条优化建议：精简规则文件、压缩上下文、控制工具输出、调节思考强度、明确输出要求、模型
2026-08-15 08:30:00
445
原创 Multica：用 AI 搭建你的数字员工团队
文章摘要： Multica创新性地将AI融入团队工作流，通过协作控制台管理"人类+AI成员"的任务协同。其核心价值在于解决AI能力分散、上下文断裂的问题，提供任务调度、状态追踪和决策闭环。系统采用管理平面与执行平面分离架构，兼容20多种异构Agent工具，支持Skills能力复用。Multica尤其适合多项目独立开发者或已规模化使用AI的团队，但要求清晰的任务定义和验收流程。文章指出，随着AI执行成本下降，未来研发优化对象将转向人机协作系统的整体效率，而Multica正是这一趋势的前瞻探
2026-08-14 08:15:00
343
原创 聊天记录都在，模型为什么还是会“忘记”？
文章摘要： 本文深入探讨了Coding Agent的三层记忆系统设计，揭示了界面交互历史、模型请求投影和逻辑执行链之间的关键区别。作者指出，成熟的Agent并非维护单一聊天记录，而是通过分层管理实现高效上下文压缩。文章详细分析了包括大结果外置、细粒度回收、区间裁剪等六种投影策略，并强调协议完整性和前缀缓存的重要性。此外，文章提出事件日志式的数据存储模型，解释了会话恢复与分叉的本质差异，为构建更鲁棒的AI编程助手提供了系统设计思路。这种分层记忆架构在平衡Token预算、缓存效率和会话连续性方面展现出显著优势。
2026-08-13 08:30:00
705
原创 AI 会不会取代软件工程师？先别只盯着写代码
摘要 随着AI技术快速发展，软件工程师的核心能力正在被重新定义。文章指出，工程师的核心价值不在于代码编写（这部分正被AI加速替代），而在于更复杂的综合能力：发现真问题、推动跨团队协作、承担技术决策责任、处理线上事故及团队建设。判断任务可替代性的三个维度是：标准化程度、结果可验证性和责任可转移性。未来工程师需转型为"问题定义者"和"AI验证者"，重点培养业务判断、系统思维、沟通协作等能力。真正稀缺的是将模糊需求转化为可靠解决方案的能力，而非代码生成速度。工程师需要主动扩大责任边界，从执行层升级为决策者，才能避
2026-08-12 08:30:00
369
原创 开发一个生产级 Agent 的最佳实践
本文深入探讨了开发生产级AI Agent系统的关键挑战与工程实践。作者指出，Agent开发的核心难点不在于模型调用或工具连接，而在于处理大模型不确定性与传统软件工程的交界问题。文章提出八大关键点：1) 将业务需求拆解为可执行的决策链路；2) 建立严格的工具调用契约而非依赖模型猜测；3) 将各类失败设计为正常流程分支；4) 为Agent循环设置执行边界；5) 通过多Agent实现权限隔离而非追求形式；6) 建立全面的业务导向评估体系；7) 采用渐进式发布策略；8) 构建完整的可观测性体系。作者强调，真正的生产
2026-08-11 08:15:00
336
原创 AI 写代码这么溜，跨平台框架还有必要吗？
文章摘要：AI编码工具虽能快速翻译不同平台代码，但跨端框架（如KMP/Flutter）的核心价值在于维护业务逻辑的一致性，而非仅减少代码量。"AI翻译双仓库"模式虽初期高效，但面临运行时差异、迭代同步成本高和业务规则分散等问题。KMP通过将业务逻辑抽离为共享代码，确保多端行为一致，在AI时代反而更具优势，因为清晰的边界更利于AI发挥。跨端的未来在于"契约化开发"，而非单纯追求代码复刻。
2026-08-10 08:30:00
381
原创 在 Coding Agent 动手前先做需求澄清：grill-me 的工作流设计与实践价值
摘要 AI Agent在执行模糊需求时容易过早补全未明确信息，导致产出偏离用户真实意图。grill-me通过改变工作流，在执行前建立"需求澄清阶段"，采用三个核心设计原则： 渐进式提问：一次只问一个最关键问题，形成对话式决策树 推荐引导：每个问题提供基于上下文的建议答案，降低用户决策成本 智能区分：Agent自行检索事实信息，仅对需要用户判断的决策点发起确认 该机制适用于代码开发、内容创作等多场景，将传统工程中的需求对齐环节引入AI协作流程，有效减少返工。相比普通Prompt或Superpowers等综合工
2026-07-27 08:30:00
312
原创 Kotlin 异步流的终极解密：彻底攻克 Cold Flow、Hot Flow 与 Channel 的发射、存储与丢失机理
Kotlin协程中的Flow与Channel本质差异深度解析 摘要： 本文深入剖析Kotlin协程中Flow与Channel的核心区别，揭示开发中常见的四大"灵异现象"背后的本质原因。通过冷流、热流和Channel三者的对比分析，阐释它们各自的数据发射机制、内存存储原理和使用场景。冷流(Flow)本质是执行配方而非数据容器，具有零内存存储特性；热流(SharedFlow/StateFlow)作为广播机制，具有可控的缓存策略；而Channel则是协程间的通信管道，采用"竞争消费"模式。文章通过底层原理分析和实
2026-07-18 08:30:00
168
原创 别再滥用 Kotlin lateinit 了！把 Bug 留给编译器
文章摘要：Kotlin的lateinit属性看似便利，实则可能引发运行时崩溃（UPAE），将本该在编译期解决的问题拖到线上。相比之下，可空类型（Nullable）通过编译器强制检查，能更安全地处理未初始化问题。虽然使用可空类型需要更多安全调用（?.或?:），但它能彻底避免空指针异常。建议仅在依赖注入或生命周期强绑定的场景使用lateinit，其他情况优先选择可空类型，并避免使用非空断言（!!），以提升代码健壮性。（150字）
2026-07-17 08:30:00
786
原创 2026年，Android + AI 迎来质变：从“移动OS”到“移动智能体生态”的范式转移
2026年，Android操作系统已从单纯的移动应用平台演变为深度集成的智能体系统（Intelligence System）。AI全面重构了系统底层、通知管理、浏览器交互及开发流程，开发者核心问题转变为“智能应部署在何处”——端侧、云端还是操作系统层？ 端侧智能通过AICore和Gemini Nano实现零延迟、隐私安全且离线的AI能力，如本地文本摘要、输入法校对等。ML Kit GenAI API和AI Edge SDK为开发者提供灵活调用路径，端云协同成为主流方案。 Android 16引入AI驱动的通
2026-07-16 08:30:00
460
原创 Android 离线存储四大法宝，你知道吗？
本文介绍了Android开发中四种主流本地存储方式的适用场景及实现方法： 内存缓存：临时存储高频访问数据，速度快但进程结束即消失，适合搜索联想词等场景，需防止内存泄漏。 Jetpack DataStore：替代SharedPreferences的键值存储方案，适合保存用户偏好设置，支持异步操作和类型安全。 Room Database：结构化数据存储方案，适合聊天记录等复杂查询场景，通过注解简化SQLite操作。 文件存储：适合大体积非结构化数据（如视频、图片），通过文件系统直接管理。 每种方案针对不同数据特
2026-07-15 08:15:00
312
原创 打破单仓迷思！Kotlin Multiplatform 双端双仓库（Polyrepo）实战：Xcode 到底看到了什么？
本文探讨了在双仓库（Polyrepo）架构下实施 Kotlin Multiplatform (KMP) 的实战方案，突破了官方教程中单仓库和全栈跨端的理想化设定。针对大中型企业 Android/iOS 独立仓库的现状，提出以下核心方案： 物理连接：通过同级目录结构（如Git/Android和Git/ios-app）实现跨仓库访问，要求团队统一开发环境路径。 心智模型：Xcode 将 KMP 编译产物视为第三方二进制依赖，需通过脚本实现即时编译： 在 Xcode 构建阶段插入 Gradle 任务，动态编译最新
2026-07-14 08:30:00
353
原创 别再只看“任务完成没”！立体量化 AI Agent 性能
评估AI Agent性能需建立多维工程化评测体系，区别于传统LLM仅关注生成内容质量。Agent作为"数字员工"，需从三个维度评估：1. 结果维度（任务成功率）；2. 过程维度（执行效率、工具调用精准度、自我纠错能力）；3. 系统维度（延迟、成本、稳定性）。落地实施需采用代码断言、环境状态验证和大模型裁判三种方法，同时警惕错误连环传递、结果波动和模型裁判被误导等工程陷阱。最终目标是构建可复现、可归因的全方位评测闭环，确保Agent在真实业务场景中的可用性。
2026-07-13 08:30:00
361
原创 理清 Kotlin 异步流的终极脑补：深入剖析 Cold Flow、Hot Flow 与 Channel 的发射机制
Kotlin协程中Flow、Channel和Hot/Cold Flow的核心机制解析 摘要： 本文深入剖析Kotlin协程中三种异步数据流处理机制的本质区别：1）Cold Flow是"运行配方"，每次收集都会重新执行代码块，不存储任何数据；2）Hot Flow是"现场广播"，通过StateFlow/SharedFlow实现数据共享，可配置有限缓存；3）Channel是单播队列，作为协程间通信原语暂存未消费数据。文章通过典型场景分析常见的认知误区，如10亿次emit不会导致内存泄漏、StateFlow只缓存最
2026-07-12 11:12:07
182
原创 大模型“暴瘦”密码：一文读懂知识蒸馏（Knowledge Distillation）与个人实战指南
在人工智能（Artificial Intelligence）飞速发展的今天，参数规模几乎每年都经历着外翻数倍甚至超十倍的增长——从百亿、千亿到万亿参数，“越庞大越强、越胖越聪明”似乎成了不争的事实。例如，DeepSeek 满血版模型（如 DeepSeek-V3/R1）的参数量已高达 671B（6710 亿）。然而，强大的能力背后，是高昂的计算成本与物理壁垒。面对资源受限的边缘设备或终端场景，我们该如何打破这道瓶颈？本文将带你深度剖析 AI 领域的“瘦身黑科技”——，并为你奉上一份手把手的个人实战指南。
2026-07-12 02:33:38
414
原创 聊聊 Quick Share：安卓这个传文件的功能，我用了两年才算真香
安卓跨设备文件传输工具Quick Share迎来重大升级，解决了安卓与iPhone间的传输壁垒。作为整合谷歌Nearby Share和三星Quick Share的新方案，它采用蓝牙发现+Wi-Fi直连技术实现高速传输，支持安卓、Windows、Chromebook及最新兼容的iPhone设备。用户可灵活设置可见性权限（仅本人设备/联系人/限时公开），保障隐私安全。特别是2025年底新增的与苹果AirDrop互通功能，首次打破系统壁垒，实现点对点直传且不留存数据。建议日常使用中根据场景选择合适分享模式，并确保
2026-07-09 08:15:00
441
原创 Android 和 iPhone 终于能互传文件了：Quick Share 打通 AirDrop 的来龙去脉
摘要： 谷歌通过逆向工程实现Android QuickShare与苹果AirDrop互通，打破生态壁垒。该功能自2025年11月首发于Pixel 10后，迅速扩展至三星、小米等主流安卓设备。核心技术是利用苹果私有协议AWDL基于Wi-Fi/蓝牙开放标准的特性，以Rust语言编写安全层，实现点对点直传。欧盟监管压力（如《数字市场法》）和Wi-Fi Aware标准演进进一步推动跨平台互传。用户现可免App、双向传输文件，标志着生态封闭性逐步松动。（148字） 关键点： 技术突破：逆向AWDL协议，蓝牙发现+Wi
2026-07-06 08:30:00
426
原创 用 Claude Code 搭一个“并行循环智能体“：从空目录到自走开发流水线
文章摘要： 本文介绍了一种构建自主AI编程智能体框架的方法，通过四个关键设计原则解决AI编程中频繁需要人工干预的问题。该框架采用并行化SubAgent机制，包含调查、规格书、实现、验证等阶段，通过规格驱动开发确保并行任务的一致性。文章详细展示了如何通过CLAU.md文件定义流程骨架，利用Skill模块按需加载具体实现步骤，并强调了输出压缩和上下文管理的重要性。最终实现的框架支持低成本、可并行的自动化开发流程，能够显著减少人工"继续"指令的输入需求。
2026-07-01 08:30:00
351
原创 从“写文档“到“做决断“：我重新理解了 AI 时代的需求定义
本文探讨了AI时代下需求定义工作的本质转变。作者通过多年实践发现，随着生成式AI能力的提升，需求定义正从"整理与归档"的工序转变为"决断"的工序。文章梳理了从早期尝试到方法论成型的完整历程，指出AI加速开发后，需求定义的核心变为"决定做什么"和"切分范围"。最终结论强调：当AI能高效完成文档和代码生成时，人类的核心价值在于判断和决策能力。这种转变要求业务各方都参与需求定义，而工具应如空气般无形，让人专注于真正的价值创造。
2026-06-30 08:15:00
216
原创 从零理解 RAG：把“向量化“和“检索“讲成人话
RAG技术解析：从零理解检索增强生成 本文用生活化比喻系统讲解了RAG（检索增强生成）技术的核心原理和实现流程。RAG通过为通用大模型配备"随身资料库"，将传统闭卷考试转变为开卷模式，让AI在回答前先检索相关文档。文章将RAG比作餐厅运营，分为"备料"（构建知识库）和"上菜"（响应用户查询）两个阶段，强调数据质量的重要性。关键环节包括：文档爬取清洗、智能分块（便利贴式处理）、语义向量化（建立语义地图）和向量数据库检索。特别指出RAG不等于向量数据库，应根据场景灵活选择检索方式，并澄清了数据存储的层次结构。全
2026-06-29 08:15:00
361
原创 等了 9 年，Kotlin 终于能用 `[1, 2, 3]` 创建集合了
Kotlin 2.4 引入了集合字面量语法（用方括号 [] 创建集合），这是社区期待近10年的功能。该特性通过简洁的语法替代传统的 listOf()/setOf() 等工厂函数，使代码更直观。使用时需添加编译参数 -Xcollection-literals，其本质是编译时将 [] 转换为对应类型的 of() 函数调用。开发者也可通过实现 operator fun of 让自定义类支持此语法。目前该特性仍处实验阶段，默认无类型推断时生成 List，适合测试数据等场景，但生产环境需谨慎使用。
2026-06-25 08:30:00
332
原创 Loop Engineering：AI Agent 时代的第四次工程范式跃迁
文章摘要： AI工程重心正从"如何与AI对话"（提示词工程）转向"如何让AI自主运行"（循环工程）。Loop Engineering（循环工程）通过设计自驱动的闭环系统，使AI能自动执行、验证和优化任务，形成复利效应。其核心包括自动化、工作树、技能、连接器、子代理五大模块及状态记忆层，源自ReAct框架的演化。这一转变得益于AI执行能力提升、工具调用成熟、企业需求增长及成本管控需求。实践时需关注验收标准、权限边界和人工介入机制，确保系统安全可控。
2026-06-22 08:30:00
316
原创 Google I/O 2026：Android 17 MemoryLimiter 来了，你的 Bitmap 优化做好了吗？
Android 17 引入 MemoryLimiter 机制，当应用内存使用超过系统设定上限时会被静默终止，不产生崩溃堆栈。该机制旨在防止内存泄漏应用拖垮系统，保护多任务体验。Bitmap 成为首要优化目标，因其解码后内存占用巨大，计算公式为宽×高×4字节（ARGB_8888 格式）。优化策略包括：1）图片按需缩放；2）避免无效透明像素；3）使用 RGB_565 格式减半内存；4）用矢量图替代小图标；5）通过 BitmapPool 复用内存。Android Studio 提供重复 Bitmap 检测、集成
2026-06-14 12:33:01
593
原创 Google I/O 2026 Android 开发最新动态
Google I/O 2026：Android迈向智能系统，五大维度全面革新 Google I/O 2026宣布Android从操作系统转向智能系统，带来密集更新： Compose First：传统View体系进入维护模式，新功能仅支持Compose，适配多设备统一开发； AI Agent生态：推出AppFunctions、A2UI协议和ADK框架，实现Agent调用应用功能、动态生成UI及多Agent协同； 性能分析Agent化：Android Studio集成AI驱动的性能分析工具，如Perfetto
2026-06-11 08:15:00
815
原创 Google I/O 2025：Android Studio 如何让 AI 帮你干活
摘要：Google在Android开发工具中创新性地整合AI，推出Agent V2框架，使AI在IDE监管下协同工作。亮点包括：支持任意模型接入、AndroidBench专用评测榜单、并行化任务处理、智能代码审查、协商式UI迁移方案，以及专为AI优化的Android CLI工具。Google通过强化IDE的质检能力（如3000+静态检查规则）与AI生成能力结合，建立"AI编码-IDE质检"的高效循环，同时推出实验性轻量构建系统LightBuild提升效率。这一策略凸显Google差异化思
2026-06-01 08:30:00
342
原创 Android AppFunction 全解析：让你的 App 被智能体驱动
摘要：AppFunction是Android 16引入的标准化能力框架，通过Jetpack库将应用功能封装为可被端侧大模型（如Gemini）直接调用的函数，实现自然语言交互与本地化执行。其核心流程分为四层：开发者通过注解声明功能→编译器生成元数据→系统全局索引→大模型检索调用。安全机制确保权限隔离，数据全程驻留设备。以笔记应用为例，展示如何通过@AppFunction注解暴露"创建/查询笔记"功能，并完成跨进程调用的完整实现，为AI与本地应用的无缝协作提供标准化方案（150字）
2026-06-01 08:30:00
900
原创 用对话造一个 App：Google AI Studio 把 Android 开发的门槛砍掉了
Google AI Studio推出全新功能，允许用户通过聊天对话直接生成原生Android应用（Kotlin+Jetpack Compose代码）。该工具将开发环境完全云端化，用户无需配置本地环境或具备编程知识，只需描述需求即可自动生成完整项目，并在浏览器内嵌模拟器中实时调试，支持真机测试和Google Play发布。相比其他AI编程工具，其核心优势在于产出物为功能完整的原生应用，而非Web应用或需要代码基础的辅助工具。上线一周即生成25万个应用，其中99%来自非技术用户。但当前仍存在复杂度上限、缺少后端
2026-05-31 08:45:00
324
原创 Google I/O 2026 | Android 全面进化：从操作系统到“智能中枢”
2026年Google I/O开发者大会宣布Android系统迎来重大变革，正式从"应用启动器"升级为"智能系统"。核心更新包括：1) UI开发进入Compose First时代，XML布局可一键转换；2) 内存管理和性能优化大幅提升，引入内存限流机制；3) 影音处理加入AI增强功能；4) 开发工具链全面AI化，支持代码生成和跨平台迁移；5) 系统向"智能体"演进，支持跨App任务编排；6) 生态扩展至折叠屏、汽车等多设备场景。这些变化标志着Android正转型为能主动理解用户需求的智能平台。
2026-05-23 19:48:14
775
原创 Agent 开发的五种架构范式及选型思路
先选适合业务阶段的架构，再谈 Agent 理想形态。别一上来就追求“全自主、多智能体、自我反思”。很多时候，一个带清晰状态流转的单 Agent，或者一个工程化良好的 SDK 应用，已经足够解决 80% 的实际问题。真正麻烦的，从来不是框架不够酷，而是你把本该简单的问题做复杂了。技术选型这件事，说到底不是比谁懂的名词多，而是谁更知道自己要解决什么问题。你会发现，成熟团队做 Agent，拼的从来不是花活，而是克制。
2026-05-18 08:30:00
941
原创 Harness Engineering 是噱头吗？
《Harness Engineering：AI工程化的新范式还是过渡方案？》 摘要： 人工智能领域近期兴起的"Harness"概念引发热议，其核心在于通过系统化工程手段解决Agent在复杂任务中的执行偏差问题。技术演进路径显示，该理念从传统的Test Harness逐步发展为包含Planner/Generator/Evaluator的三Agent架构，通过任务拆解、标准对齐和独立验证确保长周期任务质量。尽管质疑者认为这只是对传统软件工程实践的重新包装，且面临成本高昂的挑战，但实践表明：随
2026-05-11 08:30:00
456
原创 Compose 状态管理实用指南：Jetpack Compose 状态应该放在哪里？
本文探讨了Jetpack Compose中的状态管理原则，提出区分业务状态和UI状态是架构设计的关键。核心观点是：影响业务逻辑的状态应交给ViewModel管理，仅服务于界面交互的状态应保留在Composable内部。文章通过搜索框、拖拽等案例说明，过早将UI状态上移会导致不必要的复杂度和耦合。建议开发者遵循"状态尽量靠近使用位置"的原则，只有当状态确实需要共享或影响业务逻辑时才提升层级。正确区分这两类状态有助于构建边界清晰、易于维护的Compose应用架构。
2026-05-07 08:30:00
364
原创 AI Coding 知识库最佳实践：三层结构重建可维护工程
摘要： 随着AI协作工具（如Claude Code、Copilot等）在团队开发中的深入应用，配置混乱成为普遍问题。初期集中管理的配置文件逐渐演变为难以维护的“巨石文档”，根源在于不同性质的信息（全局规则、场景流程、独立任务）混杂。文章提出工程化重构方案，将配置拆分为三层： 基础层（如AGENT.md）：定义长期有效的硬性约束（如安全规范、代码规则）； 流程层（如Skill）：封装可复用的场景化操作（如部署、排障流程）； 任务层：处理可并行委派的独立任务（如代码审查、文档生成）。 分层设计通过隔离变化频率和
2026-05-01 14:37:54
822
原创 分享几个 Claude Code 自动化开发的 Skill
摘要： Claude Code的Skills功能通过智能自动化提升开发效率，将重复流程转化为一键操作。文章介绍了5个实用Skills： pr-summary：自动生成PR说明，基于代码差异智能总结。 fix-issue：从定位到修复Issue全流程自动化。 deep-research：深度分析代码库，生成系统性报告。 commit：免确认完成暂存、提交及规范化Commit信息。 explain-code：生成带流程图和类比的代码文档。 Skills支持团队共享（通过.claude/skills/目录），将开
2026-04-30 08:30:00
852
原创 VibeCoding 虽爽，发版火葬场：客户端老鸟的避坑指南
摘要： VibeCoding通过AI生成代码大幅提升客户端开发效率，但需警惕“能跑≠能上线”的陷阱。文章提出关键底线：1）安全：服务端校验权限，处理不可信输入，慎选第三方依赖；2）成本：优化电量、流量消耗，设置预算告警；3）合规：严格审核隐私政策与地区法规；4）稳定性：设计可扩展数据结构，覆盖异常测试用例；5）性能：监控帧率、内存泄漏与机型适配；6）应急：预置灰度发布、降级策略。AI应辅助工程化思考，而非替代风险把控。
2026-04-27 08:30:00
484
空空如也
Android 项目编译过程，Gradle报如下错误，如何解决？
2025-05-03
TA创建的收藏夹 TA关注的收藏夹
TA关注的人