一、引言为什么 KMP 正在成为全栈开发的新选择Kotlin MultiplatformKMP已经从单纯的移动端跨平台方案逐步演进为覆盖 Android、iOS、桌面、Web 乃至服务端的全栈技术栈。本节将介绍 KMP 的发展背景、核心价值以及它如何与 AI Agent 开发产生交集。二、KMP 基础回顾核心概念与工程结构2.1 什么是 Kotlin Multiplatform简要说明 KMP 的定位共享业务逻辑、保留原生 UI 的跨平台方案与 Flutter、React Native 的本质区别。2.2 典型 KMP 工程结构介绍 commonMain、androidMain、iosMain 等源码集的划分以及 expect/actual 机制的基本用法。2.3 与 Kotlin/JVM、Kotlin/Native、Kotlin/JS 的关系梳理 KMP 在不同目标平台上的编译产物与运行机制为后续全栈扩展做铺垫。三、Android 端实战从共享逻辑到原生 UI3.1 在 Android 项目中接入 KMP 模块演示如何创建 KMP 模块并让 Android App 依赖共享代码包括 Gradle 配置与依赖管理。3.2 共享网络层与数据层使用 Ktor Client 实现跨平台网络请求结合 kotlinx.serialization 完成 JSON 序列化让 Android 端直接复用。3.3 Compose Multiplatform 的 Android 实践介绍 Compose Multiplatform 如何让 Android 与桌面端共享 UI 代码以及 Android 端特有的适配点。四、向服务端延伸KMP 全栈架构设计4.1 Ktor Server 与共享 DTO使用 Ktor 搭建服务端并让客户端与服务端共享数据模型、校验逻辑减少重复代码。4.2 共享业务规则与领域模型讨论哪些业务逻辑适合下沉到 commonMain哪些必须保留在平台侧给出划分原则。4.3 数据库与持久化方案介绍 SQLDelight 在多平台下的使用方式以及服务端与客户端数据持久化的差异。五、AI Agent 开发KMP 在智能应用中的角色5.1 AI Agent 的基本架构解释 AI Agent 的核心组成大模型调用、工具调用、记忆管理、任务规划并说明哪些部分可以用 Kotlin 实现。5.2 用 Kotlin 构建 Agent 核心逻辑展示如何用 Kotlin 封装 LLM API 调用、解析工具调用结果、维护对话上下文并让这部分逻辑在 Android 与服务端之间共享。5.3 移动端 Agent 的交互设计讨论 Android 端如何呈现 Agent 的思考过程、工具调用状态与最终结果以及流式输出的处理方式。5.4 服务端 Agent 与 RAG 集成介绍在 Ktor 服务端部署 Agent、接入向量数据库与检索增强生成RAG的实践思路。六、完整案例一个 KMP 全栈 AI 助手6.1 项目需求与架构总览以一个跨平台 AI 助手为例梳理客户端、服务端、共享模块的职责划分与整体架构图。6.2 共享模块实现实现共享的 Agent 核心逻辑、数据模型与网络层代码。6.3 Android 客户端实现完成 Android 端 UI、流式对话展示与工具调用状态可视化。6.4 服务端实现与部署完成 Ktor 服务端、RAG 检索与 Agent 部署并说明与客户端的联调方式。七、工程化与最佳实践7.1 多平台依赖管理与版本对齐讨论 KMP 项目中依赖版本管理、Gradle 配置优化与常见坑点。7.2 测试策略介绍 commonTest 共享测试、平台特定测试以及 Agent 逻辑的单元测试方法。7.3 性能优化与包体积控制分析 KMP 在 Android 端的包体积影响、编译时间优化与运行时性能调优。八、总结与展望回顾 KMP 全栈开发从 Android 到 AI Agent 的技术路径展望 Kotlin 生态在多平台与 AI 领域的未来发展方向。