受限于工作环境内网加密策略，只能使用http方式拉取gitlab上的仓库，但是由于仓库、分支较多，会存在拉取失败情况，时间比较可行的解决办法如下。

这篇文章总结了我最近 AI Coding 的实践体验：从 Prompt 到 Skill，再到 Agent、SDD 与 OpenSpec 工作流，逐步形成更稳定的协作方式。核心观点是：想让大模型真正高效产出，关键不只是模型能力，更是边界约束、规范流程和验收标准。

摘要：分析某新机型帧率低问题，发现卡在app进程RenderThread线程的dequeueBuffer阶段。通过生产者-消费者模型分析，确定问题根源是GPU处理延迟导致SurfaceFlinger无法及时合成。具体表现为GPU命令提交与buffer交换存在时序问题，使得sf需等待GPU绘制完成才能合成，从而造成帧率下降。最终确认该问题属于GPU处理瓶颈导致的性能问题。（149字）

本文系统阐述了AI Agent框架中的核心概念及其相互关系：Agent作为执行主体，通过Skill获得专业能力，受Rule约束行为边界，借助MCP连接外部工具，并利用Memory实现持续学习。各组件形成层级体系：Rule为最高约束，Skill提供任务能力，MCP实现工具交互，Memory支持知识积累，共同赋予Agent智能化的工作能力。这种架构设计模拟了人类员工的工作模式，使AI能够合规、专业、持

本文系统阐述了AI Agent框架中的核心概念及其相互关系：Agent作为执行主体，通过Skill获得专业能力，受Rule约束行为边界，借助MCP连接外部工具，并利用Memory实现持续学习。各组件形成层级体系：Rule为最高约束，Skill提供任务能力，MCP实现工具交互，Memory支持知识积累，共同赋予Agent智能化的工作能力。这种架构设计模拟了人类员工的工作模式，使AI能够合规、专业、持

    GSON是Google提供的开源库，使用很便捷，但是在使用过程中也发现了其短板，在Bean类结构复杂时，进行反序列化耗时占比较高，尤其是很多在应用启动阶段需要反序列化一些内置的数据时，很让人头疼，通过抓Trace每次都能发现这货肯定是大头。    为了从正面优化这个问题，于是我翻看了GSON反序列化的源码，实现

因为开发的是系统应用，也没必要主动去打开无障碍服务开关，于是觉得无障碍服务有很大的可发挥空间，于是借助无障碍服务，实现了一个显示当前展示的Window/Activity/Dialog的悬浮窗，用于演示无障碍服务的用法及其强大之处。如上介绍的，无障碍服务是能够获取到各种交互事件，从onAccessibilityEvent回调中可轻松拿到交互控件的packageName和className，所以基于无

源码层面分析RemoteServiceException: can't deliver broadcast 问题的根本原因。

1.前言Java语言特性中,最经常的一个就是反射机制,最近开发有用到，所以再这里整理一篇学习笔记。简单理解反射就是在运行时获得程序中每一个类型的成员和成员的信息，即使是private修饰的也是可以获取到的。2.基础使用基本API//java.lang.Class类中：//1.根据类全限定名获取类的Class对象public static Class<?> forName...