这就是今天讨论的话题，实际上大家普遍不觉得 AI 时代就不需要人了，AI 只是开始接管写代码这个事情，但是代码也只是软件工程的其中一环，就目前 AI 的发展趋势上，人还是需要的，。这也是 AugmentCode 公司的观点：当 Agent 已经能承担大量执行的工作后，工程师的核心竞争力，就需要从「把代码写出来」转向「决定该做什么、怎么做、如何保证结果可靠」，也就是。也就是。而这次最有意思的是，。

官方的原话是：也就是越靠近 Token efficiency frontier 的越好。最重要是，Cursor 是中间商，它相对会更加中立一点点（虽然它自己也开始做Composer），，测试方向本身就不贴合实际场景，像一些 Terminal-Bench 也是在做一些宽泛的解谜式任务，例如从棋盘位置找出最佳的国际象棋走法这些，实际上是和 Agent 要执行的 Coding 任务根本不匹配。

因为 AIApp 并不只是包含一个 LLM 请求这种简单场景，它还会涉及等组合的场景，而Genkit 的提供一个解决这样一个生产级的场景的能力。。而 Genkit就是把这些能力整合成一个统一框架，本质上就是对应的整体结构就是：${requestdays${request${inputinputActionTool${inputlocationfromto。topic所以可以看到，

这就和我们之前说的一样，我们没给 AI 一个完善的 Agent 运行条件，所以很多不必要的人工介入和返工都是在这里产生。很多时候你的 token 就是这样浪费的。

最近刚好看到了一篇名为的论文，翻译过来就是《真金白银，假货模型：Shadow API 中的欺骗性模型声明》，这对于当前 AI 市场来说是非常常见的一个情况，。所以你一直觉得 AI 不好用，会不会可能你用的是水货？现实里相信大家都知道，很多前沿闭源模型存在价格高、支付门槛、地区限制等问题，于是出现了一批第三方“代接入”服务，声称提供的 GPT、Gemini、DeepSeek 等模型与官方一致，只是更

AGP 8 和 Flamingo 需要兼容的问题大致就这样，可以看到 Android Studio 和 Gradle/Kotlin 关系捆绑得越来越紧密，如果不了解它们的依赖关系，处理器兼容就会迷失方向。另外 AGP 现在的每个大版本变动也很大，比如前面没有特别介绍的aidl和配置位，下个大版本应该就会被移除了，只能说 Gradle 真的就是为了「折腾」而生。如果你还有什么问题，欢迎评价交流。

在之前的我们就聊到，如今一个项目要有发展前景，就必须能够和 AI 持续贴一起，而显然 Flutter 做到了，除了之前的 Flutter MCP ，GenUI 等 AI 相关支持产物，现在官方又新增了支持，用于补全 Flutter 在 AI 编程缺乏官方 skills 的短板。作为：告诉 AI 什么时候该选哪种方案：包含具体的代码实现和步骤：防止 AI 生成错误或过时的代码（如禁止使用已废弃的 A

最后，我们可以总结下，从Shorebird 和 SynergyBoat 提供的对比和数据上看，Flutter 确实存在一定优势，但是也是区分场景，不同场景下优势可能就成了劣势，例如热更新和混合开发，具体还是看你需要什么。但是有一点可以看出来的是，Flutter 和 RN 在现阶段的性能上已经非常不错了，特别是 Flutter 的 Impeller 加持下，帧率和动画稳定性都有很大提升，如果你是在早

近日，腾讯的 ovCompose 和 Kuikly 都发布了全新开源更新，其中，而 ovCompose 是腾讯视频团队基于 Compose Multiplatform 生态推出的跨平台开发框架，那可能有人要问了，这两者有什么关系？首先它们都是属于腾讯大前端领域 Oteam ，并且 ovCompose 和Kuikly 都依赖于 KuiklyBase ，。

最后，论文只针对原生 iOS 开发进行测试，没有测试 Android 原生、Flutter、RN 等其他情况，按照一般直觉，这些框架的 AI 表现应该会好于 iOS 原生，当然这也只是我的个人直觉，真实数据还是得有企业做过 Benchmark 才知道。不过至少从目前看，在移动端开发领域写代码上，至少比前端安全性高一些？这个论文对比之前那些简单的需求场景，明显更具备说服力，最重要的是，，不公开测试集