简单来说，Tool Calling 就是让大模型定义并调用一组“工具”（本质上是函数或 API）。工具名称：如。描述：模型用自然语言理解它的用途。参数：输入什么，比如。输出格式：预期返回什么。当模型收到用户查询时，它不会直接生成文本，而是输出一个 JSON 对象，指示：“我需要调用这个工具，用这些参数。你的后端程序解析这个输出，实际执行工具（可能是数据库查询、HTTP 请求），然后把结果塞回模型的

简单来说，Tool Calling 就是让大模型定义并调用一组“工具”（本质上是函数或 API）。工具名称：如。描述：模型用自然语言理解它的用途。参数：输入什么，比如。输出格式：预期返回什么。当模型收到用户查询时，它不会直接生成文本，而是输出一个 JSON 对象，指示：“我需要调用这个工具，用这些参数。你的后端程序解析这个输出，实际执行工具（可能是数据库查询、HTTP 请求），然后把结果塞回模型的

Tools：可执行的操作，例如查询数据库、调用 API、执行计算、发送通知等。类似于 Tool Calling 中的函数定义。Resources：可读取的上下文数据，例如文件内容、Git 仓库、数据库记录、Slack 消息历史等。模型可以按需拉取实时上下文，而非一次性全部注入。MCP Client：AI 应用（如 Claude Desktop、Cursor IDE、自定义 Agent），负责发起请

AI Agent 可以理解为一个带大脑的自治程序。感知（Perception）：读取用户输入、环境状态、工具返回结果。推理（Reasoning）：基于当前上下文决定下一步行动（规划、分解任务）。行动（Action）：调用工具、API 或其他 Agent。记忆（Memory）：短期上下文 + 长期知识存储，用于保持状态。最经典的单 Agent 架构是ReAct（Reason + Act）模式：模型交

本次任务圆满的完成网络请求链路已打通，Flutter → OH模拟器 → 宿主机服务 的基本闭环验证通过。项目源码已上传至：maolin319/harmony_sqllite_floor_demo（gitcode）。主要是在鸿蒙文档中查到 ，在本地计算机上建立网络服务端，模拟器可以通过10.0.2.2:访问本地计算机服务端，其中10.0.2.2为模拟器的默认网关。，所以访问宿主机直接使用。没毛病的

同一份源码在不同系统上表现各异，本质在于"源码可移植性"与"二进制可运行性"存在根本差异。编译过程实际是在绑定目标环境的CPU架构、操作系统、ABI、运行时库、文件格式等关键要素。主要差异体现在：1)C运行时库(libc)与C++标准库分离，如glibc/musl与libstdc++/libc++的组合；2)二进制格式差异(ELF/Mach-O/PE)；3)

同一份源码在不同系统上表现各异，本质在于"源码可移植性"与"二进制可运行性"存在根本差异。编译过程实际是在绑定目标环境的CPU架构、操作系统、ABI、运行时库、文件格式等关键要素。主要差异体现在：1)C运行时库(libc)与C++标准库分离，如glibc/musl与libstdc++/libc++的组合；2)二进制格式差异(ELF/Mach-O/PE)；3)

flutter harmony

在 Flutter 中，状态（State） 是指在应用运行时可能发生变化的数据。用户输入的文本购物车中的商品数量当前选中的 Tab 页面从网络加载的数据Flutter 的 UI 是声明式的：当状态发生变化时，框架会重新构建受影响的 Widget 树，以更新界面。状态管理 的本质是：高效、安全地在 Widget 树的不同层级之间共享和更新状态，同时避免不必要的重建，提升性能并保持代码清晰。Provi

我真傻，真的！我单知道…之前两篇，我直接把 git ssh 地址当做 http 链接贴上去了，今天才发现。现在都已经修复了。本次上拉和下拉使用的是pull_to_refresh库，使用上比较简单，基本上没有因为配置的问题查很久的文档，在鸿蒙的虚拟机上演示也是很丝滑。遇到的问题也是都是一些细节没有仔细导致的，大家练手的时候注意前后端的数据解构配合哦。