1. 引言：KMP的全栈愿景

1.1 什么是KMP（Kotlin Multiplatform）？

• Kotlin Multiplatform 的核心概念与设计哲学
• 与传统跨平台方案（Flutter、React Native）的对比
• KMP在移动端、Web端、桌面端的统一能力

1.2 从Android到全栈：技术演进的必然趋势

• Android开发者面临的技能扩展需求
• 全栈开发在现代应用开发中的重要性
• KMP如何降低全栈开发的学习曲线

1.3 AI Agent时代的技术栈要求

• AI Agent应用的基本架构特点
• 为什么KMP适合构建AI Agent应用？
• 本文的目标读者与学习路径

2. KMP技术栈深度解析

2.1 核心架构：共享逻辑与平台特定实现

• Common模块：业务逻辑的统一层
• Android/iOS/Web/Desktop的预期声明与实际实现
• 依赖注入在KMP中的最佳实践

2.2 数据层：从本地存储到云端同步

• SQLDelight：跨平台数据库解决方案
• Ktor Client：统一的网络请求层
• 序列化：Kotlinx.serialization的应用

2.3 UI层：Compose Multiplatform的威力

• Compose for Android/iOS/Desktop/Web
• 共享UI组件与平台适配策略
• 状态管理：ViewModel与MVI/MVVM模式

3. 构建Android到Web的全栈应用

3.1 项目结构与模块划分

• 多平台Gradle配置详解
• 共享模块与平台模块的依赖关系
• 构建变体与产品风味管理

3.2 实战：Todo应用的全平台实现

• 数据模型定义（共享）
• 业务逻辑实现（共享）
• Android UI实现（Compose）
• Web UI实现（Compose for Web）
• 桌面端实现（Compose for Desktop）

3.3 调试与测试策略

• 跨平台单元测试
• 平台特定UI测试
• 性能分析与优化技巧

4. 迈向AI Agent：智能应用的新范式

4.1 AI Agent架构概述

• Agent的核心组件：感知、决策、执行
• 大语言模型（LLM）的集成方式
• 工具调用（Tool Calling）与函数调用

4.2 KMP在AI Agent中的优势

• 统一的业务逻辑层
• 多平台Agent实现的一致性
• 实时数据同步与状态管理

4.3 实战：构建跨平台智能助手

• 语音识别与合成（平台特定实现）
• 自然语言处理（共享逻辑）
• 知识库检索与上下文管理
• 多模态交互：文本、语音、图像

5. 高级主题与最佳实践

5.1 性能优化与内存管理

• 共享代码的内存泄漏排查
• 网络请求的缓存策略
• 图片加载与资源优化

5.2 安全与隐私保护

• 敏感数据存储（Keychain/Keystore）
• 网络通信加密
• AI模型本地化与隐私计算

5.3 部署与持续集成

• 多平台应用打包与发布
• CI/CD流水线配置
• 监控与错误报告

6. 生态与未来展望

6.1 KMP生态系统现状

• 主流库的KMP支持情况
• 社区资源与学习材料
• 企业应用案例分享

6.2 AI Agent技术的发展趋势

• 多模态AI的演进
• 边缘计算与端侧AI
• 自主Agent与自动化工作流

6.3 开发者成长路径建议

• 从Android到KMP全栈的技能地图
• AI Agent开发的学习资源
• 职业发展与市场机会

7. 结语

• KMP全栈开发的核心价值总结
• 技术选型的思考框架
• 鼓励读者动手实践的建议