引言：为什么选择KMP进行全栈开发？

• 移动端现状与跨平台挑战
• Kotlin Multiplatform (KMP) 的核心优势：代码共享、原生性能、渐进式采用
• 从移动端到服务端，再到AI Agent：KMP的全栈愿景

第一部分：KMP基础与Android/iOS共享业务层

1.1 KMP核心概念与项目搭建

• 理解 expect/actual 机制
• 使用 Kotlin Multiplatform Mobile (KMM) 插件创建项目
• 配置 Android (JVM) 与 iOS (Native) 目标

1.2 共享业务逻辑与数据模型

• 在 commonMain 中定义共享 ViewModel、UseCase、Repository 接口
• 使用 kotlinx.serialization 定义跨平台数据类
• 实现平台特定的依赖注入与网络层（Ktor Client 在 common 中的使用）

1.3 平台UI适配与状态共享

• Android：使用 Compose 或 ViewModel 连接共享业务层
• iOS：通过 KMP-NativeCoroutines 或 SKIE 在 SwiftUI 中消费 Flow
• 实现一套业务逻辑，双端原生体验

第二部分：向服务端延伸——KMP全栈架构

2.1 KMP服务端开发入门

• KMP 支持的服务端框架：Ktor、http4k
• 在 commonMain 中共享 API 模型与 DTO
• 构建一个简单的 Ktor 服务端应用

2.2 共享验证与业务规则

• 在 commonMain 中定义数据验证逻辑（例如使用 kotlinx-datetime）
• 共享权限检查、业务状态机等核心规则
• 避免在移动端与服务端重复实现相同逻辑

2.3 数据库与持久化层共享

• 使用 SQLDelight 生成跨平台的 .sq 文件与类型安全查询
• 在服务端（JVM）和移动端（Android/iOS）共享数据库 Schema 与迁移脚本
• 探讨 Realm、Room 等方案在 KMP 全栈中的适用性

第三部分：集成AI能力——从模型调用到智能Agent

3.1 在KMP中集成AI模型客户端

• 使用 Ktor Client 调用 OpenAI、Gemini、本地 Ollama 等 HTTP API
• 在 commonMain 中定义统一的 Prompt 模板与对话管理逻辑
• 处理流式响应（Streaming）与结构化输出（JSON Mode）

3.2 构建跨平台的AI功能模块

• 共享的文本处理、摘要、翻译、代码生成等 AI 工具链
• 在移动端实现智能助手，在服务端实现批量处理任务
• 使用 Kotlin Coroutines 与 Flow 统一管理异步 AI 调用

3.3 迈向AI Agent：共享的智能体核心

• Agent 核心概念：规划（Planning）、工具使用（Tool Use）、记忆（Memory）
• 在 commonMain 中定义 Agent、Tool、Memory 等基础接口与数据流
• 平台特定实现：
  • Android/iOS：作为轻量级个人 Agent 运行时
  • 服务端（JVM）：作为高性能、多租户的 Agent 服务后端

第四部分：实战项目——一个全栈AI笔记应用

4.1 项目架构设计

• 整体技术栈：KMP (Common, Android, iOS, JVM) + Ktor + SQLDelight + OpenAI API
• 模块划分：shared (业务逻辑、AI、数据库)、androidApp、iosApp、serverApp

4.2 核心功能实现

1. 笔记CRUD：在 shared 中定义 Note 实体与 NoteRepository 接口，各平台实现数据源。
2. AI智能摘要：在 shared 中实现调用 OpenAI 生成摘要的 SummarizeUseCase。
3. AI问答助手：在 shared 中构建一个简单的 QAAgent，支持上下文记忆。
4. 多端同步：通过共享的 SyncManager 与后端 Ktor API 交互。

4.3 部署与发布

• 将共享模块发布到 Maven 仓库
• 使用 Docker 部署 Ktor 服务端
• 将 Android 与 iOS 应用分别发布到商店

第五部分：挑战、最佳实践与未来展望

5.1 当前挑战与解决方案

• 平台特定库的桥接与封装
• 并发模型与线程安全
• 包体积与编译时间优化

5.2 推荐的工具链与库

• 调试：KMP 专属调试技巧
• 依赖管理：使用 buildSrc 或 Version Catalogs
• 监控与日志：跨平台的日志框架选择

5.3 未来展望：KMP在AI Native时代的角色

• Compose Multiplatform 对全栈 UI 的潜力
• KMP 与 Kotlin/Wasm 结合，开拓新前端
• 在边缘计算与嵌入式设备上的 AI Agent 部署

结语

• 总结 KMP 全栈开发的核心价值：效率、一致性、面向未来
• 鼓励开发者拥抱共享代码思维，探索从移动端到 AI Agent 的平滑演进路径