前言 大模型之外，工程团队更常用的是"成熟、稳定、可控"的端侧 AI 能力。Google ML Kit 提供了一系列以 SDK 形式提供的视觉与文本模型——人脸检测、文本识别、姿势识别、条形码、自拍分割、翻译等。本篇拆解 ML Kit 在 Android 工程中的实战用法、限制与替代方案。 一、ML
前言 RAG 让 LLM 能"读"你的资料，Function Calling 让 LLM 能"动手"——调用 App 里的具体 API。本篇聊端侧 LLM 的 Function Calling（也叫 Tool Use）能力，以及怎么在 Android 工程里把"识别调用"和"执行 API"做成可观测
前言 纯端侧 LLM 答不了"我们公司今年报销政策是啥"——因为模型知识停在训练截止日。RAG（Retrieval-Augmented Generation）通过"先检索本地知识库、再让 LLM 回答"的流程，把私有数据接入 LLM。这一篇拆解：如何在 Android 工程里搭一个能用的端侧 RAG
前言 "端侧 LLM"在 2025-2026 年真正从 PPT 落地到手机里。Qualcomm 8 Gen 3 / MediaTek Dimensity 9300+ / Apple A17 之后，几乎所有旗舰机都能跑 1B-3B 参数的量化模型。本篇不讲理论推导，讲清楚——哪些模型在 Android
前言 线上监控发现某页面内存曲线像锯齿，每 30 秒一次峰值后回落但基线在涨——典型"内存抖动"。这种 bug 不像崩溃那么显眼，但时间一长会被系统 LMK 杀掉。本篇用一个真实排查流程，讲清楚 Android Studio Memory Profiler + LeakCanary + dumpsy
前言 2024 年起，越来越多厂商把鸿蒙作为默认系统，国内 App 上架、应用市场、日常开发都开始要求"鸿蒙版"。但鸿蒙生态不会替代 Android，至少未来 3-5 年内一定是双系统共存。这篇从工程师视角，拆清楚两套体系的差异、迁移路径，以及哪些技能可以复用、哪些要重学。 一、生态定位差异
前言 2021 年 PIPL（《个人信息保护法》）落地，2023 年起应用市场（华为、小米、应用宝、OPPO、vivo）的合规审查越来越刚性。一个不留神，App 就被下架或拒绝上架。这篇不讲法条字眼，从工程角度讲清楚——一个 Android 工程应该怎么改，才能在审核员眼里"看起来合规"。 一、PI
前言 K2 编译器把编译阶段砍掉一半时间后，你会发现构建链路的另一段——配置与缓存——才是最拖时间的部分。Gradle 8.x 系列最大的一条主线就是 Configuration Cache（配置缓存），它把"配阶段"独立出来持久化。本篇从工程实战角度拆开讲。 一、Gradle 构建的三个阶段 理解
前言 2024 年 Kotlin 团队把 K2 编译器标记为稳定版(Stable)，2025 年正式默认开启。这个动作意味着——过去几年我们一直在调试的"老 K"前端，正式退役。换来的不只是编译快一点，而是整个类型系统、解析器的重写。 这一篇不扯官方公告里的漂亮话。我把日常开发会撞到的几个分水岭摆出
上一篇讲了 Scoped Storage，回到工程方法学——Android 应用架构。这是系列文章第 70 篇，正好用一篇文章把"架构演进"系统梳理一遍。从 MVP 到 MVVM 到 MVI 到 Clean Architecture，每个阶段的痛点、收益、适用场景都讲清楚。 为什么架构重要 好的架构
