Android Framework 修改需要先定位子系統、架構層與 call path。模型依據明確範圍產生 patch，再進行編譯與驗證。

AI 應用於 Android Framework 底層修改時，先建立 understanding。工作流處理 source tree、retrieval、localization、patch planning 與 handoff bundle。AFV100、AFV101 與 AFV102 依序建立共同語言、Framework 方法與日常流程。

先定義 AI 在 Android Framework 底層的任務

AI 在 Android Framework 底層的主要角色是協助工程師完成從理解到交接的前半段工作。這包含了幾件非常具體的事：幫你快速看懂 source tree、幫你找到 entry point、幫你縮小相關檔案與方法範圍、幫你整理既有模式與相鄰實作，然後再把這些資訊收斂成一份可交給 LLM 的 handoff bundle。

AI 適合在已知方向下協助理解 source tree、call path 與修改邊界。明確上下文建立可驗證的工程協作。

Android Framework 的 AI 工作流先理解程式、定位位置並縮小範圍，再把整理過的 truth 交給 LLM。

直接修改的限制

Android Framework 包含 service、binder、permission enforcement、JNI、HAL bridge 與跨層 call path。修改前需要定位 framework、system service 或底層 bridge。

AFV101 的課程主線依序為 AST、Source Understanding、Code Indexing、Retrieval、Patch Planning 與 AI Handoff。AST、source-level indexing、retrieval 與 localization 建立閱讀能力。模型據此定位修改位置並產生 patch。

穩定流程先由小模型或檢索層處理 source understanding。程式結構、相鄰實作、關鍵 method 與 patch 邊界整理完成後，再交給 LLM 推理與規劃。

一個 Android Framework 的實作範例

團隊需要修改 system service 的行為。特定事件發生時，系統加入檢查流程與記錄邏輯。這類任務先定位 service、method、call path 與既有限制。

Vibe Coding 工作流先整理子系統、service entry point、call path、相關 class、method、permission check、logging pattern 與 patch 邊界。

接著，retrieval 系統取得相關 code path、相鄰方法、既有 pattern 與 local patch prior。工程師將需求、目標 service、關鍵 method、相鄰實作模式、限制條件與 patch 範圍整理成 handoff bundle。LLM 依據完整的修改任務進行後續處理。

Vibe Coding 先整理 Android-specific truth，再交給 AI 完成推理與組合。成果可進入 review、refine 與 apply。

以課程建立完整工作流

AFV100 建立小模型與 LLM 分工，以及 retrieval、localization、patch planning 與 handoff bundle。AFV101 延伸到 Android Framework 的 AST、indexing 與 retrieval。AFV102 建立三種日常工作模式。

這條學習路徑建立工程判斷。學員依序處理 code reading、call path、retrieval 與 LLM handoff。

AI 帶來的工程價值

AI 可以加快 Android Framework 的結構理解、修改定位與邊界判斷。這些能力提升理解密度與協作品質。

AI 應用於 Android Framework 底層修改時，工作流涵蓋 source understanding、retrieval、patch planning 與 handoff。Moko365 的 Vibe Coding 系列先建立方法與工作流，接著進入工具與生成。

快速整理

  • AI 在 Android Framework 底層協助理解、定位與交接。
  • 真正穩定的方法，是 AST → Source Understanding → Retrieval → Patch Planning → AI Handoff。
  • 沒有 source tree 的理解層，LLM 很容易在大型 Framework 裡失焦。
  • Vibe Coding 的核心，是先把 Android-specific truth 整理好，再交給 AI 做推理與組合。
  • AFV100、AFV101 與 AFV102 三門課，正好對應從通識、索引到日常工作流的完整學習路徑。