前言 App 启动时间是用户第一感受。打开 1 秒就见到内容 = 留下用户；打开 5 秒还在看白色启动屏 = 一秒流失。从工程角度，启动时间牵扯到进程创建、Application 初始化、Activity onCreate、首次 measure/draw/layout。本篇拆解整个启动链路，并给出"
前言 ANR 之后的最大杀手是 Crash。本篇聊完整的崩溃监控与稳定性工程：从 Crash 发生、上报、聚合、定位、修复、回归。一个 100 万 DAU 的 App，每天能看到 5K-50K 次 Crash，治理不好就是日复一日的负面评价。 一、Crash 的分类
前言 ANR（Application Not Responding）是最让 Android 工程师紧张的 bug 类——用户看着屏幕卡死、给一星差评，5 分钟之内团队就要定位原因。CRASH 还有堆栈能直接看，ANR 要从一份 traces.txt 文件里反推。是时候系统拆一次了。 一、ANR 是什
前言 Memory Profiler 那一篇讲了"线上 OOM 怎么定位"，这一篇聊"AS 内部的 Memory Insights"——它比 Profiler 更深入，能自动帮你识别可疑对象、内存抖动堆栈、堆碎片。本篇结合 Android Studio Koala / Ladybug 的最新功能，拆
前言 上一篇聊了应用市场审核的全流程，本篇单挑最硬的一块——用户数据采集合规。PIPL、GDPR、Google Play Data Safety Form 都强制要求"知情同意"和"最小必要"原则。这些不是法律免责声明的事，而是要在代码层面改出来的工程实践。 一、合规三原则
前言 写完代码、跑通测试，只算 60%。剩下 40% 是上架——这一关没过，产品没法到用户手上。各家应用市场（华为、小米、OPPO、vivo、应用宝、Google Play）的审核差异巨大。本篇从工程师视角，整理一遍怎么从零准备上架 + 怎么应对被拒。 一、国内五大应用市场
前言 2024 年底开始，Android XR（基于 OpenXR 与 Android XR Platform）开始在三星、vivo、Lenovo 等 Android XR 头显上商用。Apple Vision Pro 把 XR 推到了消费品高地，Android 阵营必须有自己的形态。本篇聊 XR
前言 ML Kit 那一篇讲了开箱即用的能力，这一篇聊更专业的：CameraX 与自训练视觉模型的集成。从一个"智能裁剪"案例出发，覆盖 CameraX 高级配置、ONNX Runtime / TFLite 推理、性能与功耗平衡。 一、CameraX vs Camera2：为什么选 CameraX
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
