Part 1｜AST 與 Source Understanding
說明為什麼 Android Framework 的 AI 輔助不能只靠文字 token，並從 Java source 的 class、method、modifier、annotation、line range 等結構資訊，建立 AST-lite 與 source-level representation 的基礎。
Enterprise Training
Android Framework：
Code-Copilot
2026 新課程｜3 小時實戰課
以 Android Vibe v14 為核心，從 AST、source indexing、retrieval、patch planning 到 LLM orchestration，建立真正懂 Android Framework 的 Code-Copilot。
當 Android Framework 的 source tree 越來越龐大，工程師真正的痛點，早就不只是會不會寫 code，而是能不能快速讀懂 framework code、能不能在龐大的 source tree 中找到該改的地方，以及能不能把 AI 從聊天工具，變成真正懂 Android Framework 的 Code-Copilot。
本課程以 Android Vibe v14 為主軸，帶領學員從 AST 建立、source-level indexing、retrieval、patch action、localization 到 LLM handoff，一路理解 AI 如何真正進入 Android Framework 的開發流程。這門課不是泛泛而談的 AI 課，也不是只示範 prompt 的入門課，而是從 source understanding 出發，建立 Android Framework 專用的 AI 輔助方法。
AI 要輔助 Android Framework，第一步不是會寫，而是會看。先理解 source tree，先建立可檢索、可定位、可分析的索引層，AI 才可能真正變成 Code-Copilot。
Course Overview
不是讓 AI 直接寫 code，而是先讓 AI 看懂 Android Framework
很多人談 AI 寫 code，第一步就想直接做生成。但在 Android Framework 這種大型系統裡，真正的第一步不是生成，而是理解。理解的起點，就是 AST；而當 AST 進一步走到 source-level representation、source tree indexing 與 retrieval，AI 才開始真正具有 Android Framework 的閱讀能力。
本課程的主線非常清楚：AST → Source Understanding → Code Indexing → Retrieval → Patch Planning → AI Handoff。先讓系統看懂程式，再讓它找得到位置，最後才讓 AI 參與分析、規劃與生成。這條主線，正是 Android Vibe v14 的核心精神。
因此，這門課要教的不是把 AI 當成萬能生成器，而是讓 AI 先變成最懂 Android Framework 的副駕。小模型負責理解 source tree、建立索引與 localization prior；LLM 則負責推理、說明、規劃與最終組合。這是一條更務實、也更接近 Android Framework 真實開發現場的 AI 導入方法。
Teaching Flow
從 AST 到 AI Handoff：這門課的四段教學主線
Part 2｜Source Tree Indexing
從 file、class、method、graph edge 拆解 source tree，建立 lexical token、structural token、semantic role token，並把 Binder、ServiceManager、permission enforcement、JNI / HAL bridge 等 Android 專屬訊號納入索引層。
Part 3｜Retrieval、Patch Action、Localization
從 Retriever、Patch Action Model、Localization Model 到 Local Patch Composer，理解為什麼 AI 的價值不只是幫你寫，而是先幫你找對 target、判斷 edit span，並在修改前完成定位與規劃。
Part 4｜Small Model × LLM Orchestration
說明 small model 與 LLM 的正確分工，建立 architecture analysis、patch plan、local patch prior 的 handoff bundle，讓 AI 輔助流程依序完成理解、檢索、定位、規劃與最終生成。
Methodology
從 source-level understanding 出發，而不是從 prompt magic 開始
這門課不是泛泛而談 AI 工具，也不是只示範幾個 prompt。真正有用的 Android Framework Code-Copilot，背後一定先有一個懂 source tree 的索引層。沒有 AST，沒有 source indexing，沒有 retrieval 與 localization，LLM 再強，也很難在大型 Framework 裡穩定工作。
因此，本課程強調的是一種新的開發方法：小模型負責理解 Android Framework 的 source tree、做 code indexing、patch action 判斷、localization 與 local patch prior；LLM 則負責推理、說明、規劃與最終組合。這不是迷信單一大模型，而是建立更務實的 AI 工程觀。
對 Android Framework 而言，真正高價值的 AI，不只是幫你補 code，而是先幫你看懂 source tree、先幫你看清架構、先幫你找到該改的地方。這也是本課程最核心的方法論。
Course Legacy
課程歷史
對 Moko365 來說，這門課的價值不在於把 AI 當成新的 buzzword，而在於把 Android Framework 真正帶進 AI。課程於 2026 年推出，以 Android Vibe v14 的實作與研究整理為核心，目標不是示範 AI 寫 code，而是建立 Android Framework 專用的 Code-Copilot 方法。
里程碑
Android Vibe v14
以 AST、source indexing、retrieval、patch action、localization 與 local patch prior 為核心，形成 Android Framework 專用的 Code-Copilot 技術主線。
2026 年
Moko365 整理 Android Vibe v14 的方法論，推出《Android Framework：Code-Copilot》3 小時實戰課，作為 AI 導入 Android Framework 研發流程的新版課程。
課程定位
從 AST 開始，到 source-level indexing、retrieval、patch planning 與 LLM orchestration，建立真正懂 Android Framework 的 AI 協作流程。
適合導入的企業情境
- Android Framework 團隊想提升大型 source tree 閱讀效率。
- BSP / System Service 團隊想導入 AI 輔助分析與實作。
- 技術主管想評估 small model + LLM 在底層研發的落地可能。
- 企業想建立自己的 Android 專用 Code-Copilot 原型。
Who Should Attend
適合對象
- Android Framework 工程師
- Android BSP / HAL / System Service 開發者
- 想把 AI 引入底層研發流程的技術主管
- 已經會使用 LLM，但想進一步提升 Android code reading 與架構分析效率的開發者
Prerequisites
先備知識
- 具 Android Framework、AOSP 或 BSP 基本經驗者最佳
- 熟悉 Java / C++ 程式碼閱讀與基本 call path 分析
- 已接觸 LLM 或 AI 工具者，可更快理解本課的協作方法
Course Outline
課綱總覽
標準版為 3 小時實戰課；企業版可延伸為工作坊、架構討論或 AI 導入研討。
3 小時標準版
Part 1｜約 45 分鐘
- 從 AST 開始：讓系統先看懂 Android Framework
- 建立 Java source 的 class、method、annotation 與 line range 表示
- 理解為什麼 Android Framework 不能只靠 token 與 grep
Part 2｜約 45 分鐘
- 從 AST 到 source tree indexing
- 建立 lexical / structural / semantic role token
- 納入 Binder、ServiceManager、permission、JNI / HAL bridge 等 Android 訊號
Part 3｜約 45 分鐘
- Retrieval、Patch Action 與 Localization
- 理解 Retriever、Patch Action Model、Localization Model、Local Patch Composer 的分工
- 把程式碼閱讀推進到修改前定位
Part 4｜約 45 分鐘
- 從 Small Model 到 LLM orchestration
- 建立 LLM handoff bundle
- 讓 AI 依序完成理解、檢索、定位、規劃與生成
企業工作坊版
版本 A｜Framework 團隊導入版
聚焦大型 source tree 閱讀、retrieval 設計與 patch planning，適合 Android Framework 團隊建立 AI 輔助 code reading 流程。
版本 B｜BSP / System Service 版
聚焦 HAL、Service、Binder、permission、JNI bridge 的跨層定位與 handoff 方法，適合 BSP、HAL 與 System Service 團隊。
版本 C｜技術主管評估版
聚焦小模型 + LLM 的角色分工、內部導入策略、資料結構與 orchestration 方案，適合架構師與技術主管做導入討論。
企業內訓可依團隊背景與目前 Android Vibe 研發進度，調整 AST、indexing、retrieval 或 LLM orchestration 的授課比例。
Learning Path
課程銜接
AF101 與 AF102 先建立 Android HAL、Binder、Service、Framework 與子系統的架構主幹；《Android Framework：Code-Copilot》則更進一步，把這些 Android Framework 知識帶進 AI 輔助開發流程。若 AF101 / AF102 幫助學員建立架構觀，那麼這門課要處理的，就是如何把這份架構觀轉化為 source tree indexing、retrieval 與 patch planning 的 AI 方法。
Jollen
Moko365 講師暨技術總監
Instructor
長期投入 Linux、Android Framework 與系統軟體架構教學
Jollen 在 Embedded Linux 與 Linux Device Driver 有超過 20 年的研發與企業內訓經驗，在 Android Framework 軟體架構方面，也有 15 年的授課經驗，並長期在科技業擔任 Linux & Android 技術顧問。
這門課的特色，不只是談 AI，而是由長期從事 Linux、Android 與系統軟體架構工作的講師主講，能夠把 Android Framework 的 code reading、架構分析與 AI 導入方法整理成一條有邏輯、可分析、可落地的學習主線。
因此，本課程強調的不是 AI 取代工程師，而是讓 AI 先變成最懂 Android Framework 的副駕。這也是 Jollen 近年在 Android Vibe 系列研究裡持續推進的方向。
Enterprise Inquiry
把 Android Framework 真正帶進 AI
若您的團隊正在面對大型 Android source tree、跨層 call path 與 AI 導入議題，本課程將提供一條從 AST、indexing、retrieval 到 LLM orchestration 的完整實戰主線。