围绕 IoT 设备能力与跨平台业务场景，
使用 AI Agent 连接需求拆解、工程实现、质量验证与持续交付。
Building IoT and Flutter applications through
AI-assisted engineering and agent-orchestrated workflows.
我是一名长期从事 IoT 与 Flutter 跨平台开发 的工程师。
过往工作主要围绕设备连接、系统能力接入、平台插件和复杂状态治理展开：
Flutter 与跨平台工程
- Android、macOS、Windows 平台能力接入与业务适配。
- Flutter Plugin、MethodChannel / EventChannel 与原生接口封装。
- 原生能力向 Dart API 的稳定映射，以及平台差异与降级策略。
- 桌面窗口、文件选择、媒体播放与复杂界面交互。
- 异步状态、订阅和应用生命周期管理。
这些经历让我持续关注一个问题：
如何把依赖设备、平台和异步状态的复杂需求，
转化为边界清晰、可以验证、能够持续交付的业务能力。
如今 LLM 提供了很多有效的工作流
AI Agent 与工程实践
- 使用 Agent 辅助需求拆解、插件开发、功能实现与问题定位。
- 用项目上下文、架构规则和任务契约约束代码修改。
- 探索基于 LangGraph 的任务编排、隔离执行与评审集成。
- 结合静态分析、自动化测试和真实平台运行验证开发结果。
IoT 开发不只是连接设备，也包括设备状态、权限、生命周期、异常恢复和平台差异的系统治理。
- Bluetooth / BLE 设备发现与通信
- USB 设备枚举、权限申请和热插拔监听
- 电池状态、系统事件与后台任务
- Android 与桌面系统能力封装
- 设备事件流和 Flutter 状态同步
- Android、macOS、Windows 差异治理
- Flutter Plugin 与 MethodChannel 设计
- 原生能力向 Dart API 的稳定映射
- 桌面文件选择、窗口和媒体能力
- 平台可用性、降级策略与异常边界
🛠 Flutter Forge
把 Flutter 的底层机制、工程架构与跨平台能力，变成可以运行、交互和观察的学习现场。
目前组织了 23 个学习模块，涵盖三棵树、事件循环、Stream、Isolate、状态管理、动效、3D，以及网络和平台能力。通过统一的模块目录与教学页面，将机制讲解和实际操作连接起来。
近期持续完善学习内容、响应式导航与跨平台适配，并提供 Web 在线体验；桌面端结合多窗口探索不同学习场景，平台受限能力也会给出明确说明。
🎨 G-code Core
面向 Flutter 应用的 G-code 解析、轨迹构建、播放控制与图形可视化组件。
从读取加工指令，到生成运动轨迹，再到场景绘制与播放，将文本指令转化为可以观察的加工过程，也为探索解析、交互与图形渲染提供了具体场景。
当前结合 Flutter GPU 实现可视化渲染，发布包支持 macOS 与 Android，持续打磨轨迹呈现和播放体验。
🧠 Agent Hub
基于 LangGraph 的工作区管理与开发任务编排实践。
通过项目注册表组织工程上下文，将能力分析、任务拆解、Worker 执行、范围检查与结果验证连接起来。任务在受管 worktree 中执行，项目特有规则通过 Adapter 接入。
Flutter Forge 是主要落地与验证工程。我在这个过程中探索如何让 Agent 在明确的上下文和修改边界内完成任务，并用代码、检查与运行结果验证交付。
在当前阶段，我仍然持续借助 AI Agent 建设 Flutter 插件和跨平台基础能力。
Agent 可以显著提高实现速度，但平台插件涉及原生 API、生命周期、线程、权限和系统差异，不能只依赖代码生成结果。因此，我更关注如何让 Agent 在明确的工程约束中工作。
- 学习与表达：让 Flutter 的底层机制和工程经验更容易被观察、理解与复用。
- 跨平台实践：探索图形渲染、设备通信与原生能力在实际应用中的落地。
- Agent 工程：将有效的开发经验沉淀为上下文约束、任务流程与验证工具。
我关注清晰的工程边界、可验证的结果，以及工具在实际项目中的价值。
- 建立项目注册表和项目级 Adapter
- 构建任务拆解、Worker 执行和集成流程
- 固化仓库路径、修改范围与架构边界
- 增加发布托管和安全执行通道
- 同步 Agent 契约、项目事实和任务状态
- 推进 Flutter Forge 的桌面端与 Android 适配
- 建设模块脚手架和模块准入检查
- 完善响应式导航和平台能力边界
- 处理视频、USB、文件选择与多窗口能力
- 建立 macOS、Windows 和 Android 验收流程
- 推进 G-code 解析与场景建模
- 将场景渲染统一到 Flutter GPU
- 增加 macOS GPU 场景验证与验收证据
从 IoT 与跨平台经验出发，
借助 Agent 建设工程能力，
再通过编排系统持续完成真实业务交付。
AI Native ≠ Generate Everything
AI Native =
- Explicit Context
- Clear Boundaries
- Structured Execution
- Verifiable Results
- Human Accountability
我相信：
- IoT 业务首先需要尊重真实设备和平台边界
- Agent 可以提升执行效率，但不能跳过工程验证
- Prompt 只能表达意图，契约才能约束执行
- Worker 完成任务不代表业务已经验收
- 自动化测试不能完全替代真实平台验证
- 基础设施的价值最终必须通过业务交付体现
- 可持续的 AI 开发依赖编排、治理和反馈闭环
我会持续记录 Flutter、IoT、跨平台 Plugin、Agent 编排、LangGraph、性能与稳定性治理相关实践。
📚 掘金