移动开发 X AI

SmartInspector的全量分析流程拆解：Orchestrator路由、AgentState数据流转、四个Agent的串联设计，以及错误处理和Token截断的实战经验。

SmartInspector的意图路由设计：用max_tokens=5的few-shot分类，把用户输入快速分发到5个Agent。包含真实代码、准确率数据和调优过程。

# 一个CLI工具的架构是怎么搭起来的 > SmartInspector 的 graph 包只有 4 个文件、不到 300 行代码，但它承载了整个多 Agent 调度的核心逻辑。这篇文章聊聊它是怎么

## 一次分析请求的完整旅程 在 SmartInspector CLI 里，用户输入 `/full

## 问题：LLM 不擅长什么 我们先达成一个共识：**LLM 不擅长精确计算**。 这不是黑

## 痛点：Perfetto trace 里的信息为什么不够用 做过 Android 性能优化的同

## 传统 Perfetto 使用方式的局限 用过 Perfetto 的人都懂这个流程： 1.

# Token消耗优化：多Agent协作的隐形成本 > SmartInspector 一次完整分析要跑 4-5 轮 LLM 调用，每轮的输入 token 数不同。如果不对 token 做控制，随着对

# 用AI重构代码的正确姿势 > SmartInspector 经历了一次涉及全部4层的重构：采集层、Agent编排层、SDK层、基础设施层。全程用 Claude Code 辅助，踩了不少坑，也总结

SmartInspector从0到89个commit，Claude Code承担了70%的编码工作。哪些环节适合AI，哪些不适合？真实复盘。

用 Claude Code 从零搭了一套 Android 性能分析 CLI，自动采集 trace、AI 分析、源码级定位。分享开发过程和踩坑经验，附开源项目地址。