|
ChatGPT 📅 2026.01 — 至今 · 7 个月 |
Claude Code 📅 2026.01 — 至今 · 7 个月 |
Cursor 📅 2025.07 — 至今 · 1 年 1 个月 |
“不再是单纯的代码编写者，而是与 AI 协同进化的应用架构师。”
技术选型的重点不在于"追新"，而在于看清每一项变更背后的工程动机——它解决了什么、又把复杂度转移到了哪里。
全程以 Compose 声明式 UI 为基准，但更值得关注的是 Material 3 Expressive（M3 1.4+）带来的范式转变：
- 动画的主题化：
MotionScheme把"动效"提升为一等公民——就像ColorScheme之于颜色。动画不再散落在各处手搓tween，而是可被主题统一编排、可切换。宜用它来收敛全应用的动效一致性。 - 新的组合式组件：
FloatingToolbar、ButtonGroup、SplitButton、WideNavigationRail——这些不是简单的 UI 控件，而是对"上下文操作"和"大屏/折叠屏导航"的官方回答。折叠屏适配中应优先评估它们，而非自行造轮子。 - 重组与性能： 审视 Compose 代码的粒度，应是"哪些状态读取会导致重组、范围多大"，而非泛泛地"用 remember 优化"。
对应真实变更：Material Icons 体系在 1.4 起被移除，迁移至 Material Symbols——这类"看似只是换图标"的改动，背后是图标系统的可变字体化，主动跟进才能避免被动踩坑。
Google 在《Guide to App Architecture》中真正推荐的是 单向数据流 (UDF) + 分层架构 (UI / Domain / Data)，而非某个特定缩写。实践应建立在这个本质上：
- 状态是单向流动的： UI 事件 → Intent → ViewModel 归约 → 不可变 UiState → UI 渲染。坚持
UiState的不可变与单一数据源，因为它让"状态从哪来"这个问题永远有确定答案。 - Domain 层按需而非教条： 不必为了"干净"而强行套用 UseCase。当多个 ViewModel 复用同一块业务逻辑、或需要把业务规则与数据层解耦时，Domain 层才显现价值——它应服务于"复用与可测试性"，而不是架构图的对称性。
- 参考但不盲从 NiA： Google 的 Now in Android 是绝佳的参考实现，但更应关心它"为什么这样切模块"，而不是照搬它的目录结构。
跟踪 Android 平台的行为变更远多于"新特性"，因为前者才决定线上稳定性：
- Android 15 · 16KB page size： 要求所有 NDK 依赖重新编译对齐。对纯 Kotlin 应用影响有限，但它把"原生库的内存对齐"这件过去被忽略的事推到了台前——宜将其纳入 CI 的合规检查。
- Predictive Back（预测式返回）： 返回手势从"黑盒"变成可预测动画，但代价是必须放弃框架层的旧转场、改用
androidx转场与 Navigation/Fragment 管理的返回栈。把它当作一次理清导航状态机的机会。 - min-target 提升至 24、Edge-to-edge： 这些"强制项"宜在升级窗口期一次性消化，而非逐版本打补丁。
- KMP 的务实边界： 拥抱 Kotlin Multiplatform 共享网络/数据/核心逻辑，但对 Compose Multiplatform 共享 UI 保持审慎——它是否适合，取决于团队是否能接受 UI 层的妥协。默认策略应是"逻辑下沉、UI 各端原生"。
- K2 编译器： Kotlin 2.x 的 K2 编译器已稳定，带来的不只是编译提速，更是前端重写后更可预测的增量编译行为。
- 构建即代码： Version Catalogs (TOML) 统一依赖、Convention Plugins 收敛构建约定。模块化的目标不是把工程拆得多碎，而是让每个模块的构建配置可被复用、可被推导。
- 性能可度量： Baseline Profiles + Macrobenchmark，让启动优化从"感觉变快了"变成"基准曲线下降了 X ms"。
"AI 并未取代开发工作，它让人跳出繁琐的样板代码，专注于系统设计与创新。"
AI 工具不是"更聪明的补全"，而是一个需要被正确调度的协作者。关键在于：把什么交给它、把什么牢牢握在自己手里。
| 工具 | 在工作流中的定位 | 如何使用 |
|---|---|---|
| Claude Code (Anthropic) |
深度推理型协作者 | 面对祖传代码时，让它先通读整个模块、输出"现状—痛点—迁移方案—影响面"的结构化分析，再逐行 Review 决定取舍。它擅长长上下文与逻辑推演，但架构判断与最终合并权始终在工程师手中。 |
| Google Gemini (Gemini 2.5 Pro) |
Android 生态向导 | 解决 SDK 兼容性、Crash 归因这类"需要贴近官方生态"的问题。同时关注 Google AI Edge——把生成式模型部署到端侧、实现离线与隐私优先的推理，是端侧 AI 的务实路径。 |
| OpenAI Codex (GitHub Copilot) |
高频行级生成 | IDE 内的毫秒级补全、批量生成 data class 与样板代码。价值在于把人从重复中解放，但产出的每一段都需要理解后才会采纳。 |
| MCP 协议 | 连接 AI 与工具链的桥梁 | Model Context Protocol 让 AI 能结构化地访问工具与上下文。它是让 Agent 真正"动手"而非"动嘴"的协议基础。 |
关于 AI Coding 的一个判断： 决定资深开发者能否用好 AI 的，不是会用多少工具，而是能否清晰地把意图与约束传达出去、并在 AI 产出后保持足够的批判性审查。越是让 AI 生成代码，越要能读懂它、证伪它。
# 随时欢迎技术交流或探讨 AI 工具的最新玩法
$ ping easin.developer
> Response:
> [Email] Easinex@gmail.com