在 Flutter 生态里实现拖动排序，大体上有三条路可以走。我结合当时的业务需求，把它们放到一起做个硬核对比：这是官方封装好的快捷组件，开箱即用。比如 、 等。这是 Flutter 拖拽最底层的核心能力。虽然要自己搭框架，但也意味着没有任何限制，也是我最终选用的终极方案。单纯列表内排个序 ➡️ 别折腾，直接用官方 。要改点样式，需求不复杂 ➡️ 选个成熟的第三方库。内部排序 + 外部拖拽新增 +

启动应用，包括Zookeeper、Kafka、Flink以及Apache DolphinScheduler。测试Flink、Apache DolphinScheduler是否能访问成功。因为用的是虚拟机，为了让外面的主机能够访问到虚拟机的网络，需要修改下配置文件。增加Flink的路径。

dispatch_kernel_agent.py 是 KernelAgent 系统中的调度组件，负责将 subgraph_extractor.py 生成的子图（JSON 格式）转换为具体的 Triton 内核生成任务，并调度 TritonKernelAgent 来生成和验证这些内核。

单独构造反思Prompt，传入全部对话与工具结果，强制模型输出结构化JSON判断是否信息充足、是否需要继续调用工具；统一管理所有工具，标准化注册、调用、拦截；统一工具网关注册机制，所有工具集中注册；网关自动路由、统一拦截，新增工具仅新增元数据与执行函数，无侵入改动核心调度代码。ReAct：单步动态思考，每轮根据工具返回调整思路，支持自我反思纠错，适合开放式、信息不确定、需要多轮试错的复杂问题。参数

通用权限规则能解决 80% 的日常场景，但每个项目都有自己的脾气。这时候，就需要你亲自给 Claude Code 下达“私人保镖”级别的专属指令——让它知道：在这个项目里，哪些命令可以闭眼通过，哪些操作必须反复确认。

namespace crc { // 定义一个名为 crc 的命名空间，防止命名冲突class CRC { // 声明一个名为 CRC 的类public:CRC(void);// 声明 CRC 类的构造函数~CRC(void);// 声明 CRC 类的析构函数// 声明一个求和校验函数，对缓冲区 buf 从索引 i 开始的 number 个字节进行求和并取反// 声明一个 CRC16 校验函数，计

ursor、copliot这些工具，起初并未在意。但当我看到有人说“并发开10个Agent——5个写代码、3个测试、1个工作汇总、1个写文档，下班回家睡一觉，第二天来公司代码就写好测完可上线”时，还是有点震惊，AI Coding的能力已经进化到这种地步了吗？处于尝鲜，我安装了Trae，让它接手了我业余时间编写的一个小应用，效果还不错，耳目一新。等到年后开工，我尝试用Trae处理新分配的需求并编写代

单独构造反思Prompt，传入全部对话与工具结果，强制模型输出结构化JSON判断是否信息充足、是否需要继续调用工具；统一管理所有工具，标准化注册、调用、拦截；统一工具网关注册机制，所有工具集中注册；网关自动路由、统一拦截，新增工具仅新增元数据与执行函数，无侵入改动核心调度代码。ReAct：单步动态思考，每轮根据工具返回调整思路，支持自我反思纠错，适合开放式、信息不确定、需要多轮试错的复杂问题。参数

果想用国内LLM或者其他中转的LLM，通常是兼容OpenAI的模式，但是OpenAI这里配置是写死的，无法自定义baseurl：如果想直接通过vLLM配置，默认无法指定api key：看来默认就无法使用其他LLM了？已跟PM反馈过此问题，回复后续版本会考虑支持这个OpenAI兼容的LLM配置。但是目前有没有workaround呢？实际测试，通过Nginx配置结合vLLM的入口，可以实现连通国内LL

LLM是一个不可靠的“函数”，需要用可靠的代码结构把它“框”住。它不相信AI的自主规划能力，而是相信人类工程师的架构设计能力。在这种模式下，程序路径是显式定义的A→B→C流程，控制权100%在代码侧。开发者决定何时调用LLM、Prompt是什么、输出怎么解析、解析失败怎么重试。Spring AI Alibaba正是这种设计理念的代表。它提供基于Graph的图编排能力，通过声明式的API定义节点和边