Sync: add ai finops and deployment notes

wiki/concepts/AIFinOps.md

@@ -0,0 +1,32 @@
+---
+title: "AIFinOps"
+type: concept
+tags: ["finops", "cost-optimization", "cloud-economics"]
+sources: ["engineering-autonomous-optimization-architect"]
+last_updated: 2026-04-26
+---
+
+## Aliases
+- AI FinOps
+- AI Financial Operations
+- LLM Cost Management
+
+## Definition
+AI FinOps（Financial Operations）是 [[AutonomousOptimizationArchitect]] 的成本管理框架——持续追踪每个 LLM Provider 的 Token 消耗、成本、延迟和输出质量，建立历史性能数据库，为 [[SemanticRouting]] 提供成本感知的决策依据。目标是实现 AI 运营成本的可预测性和可控性。
+
+## Mechanism
+1. **遥测数据收集**：每次 API 调用记录 Token 数量、响应时间、错误率、成本
+2. **成本建模**：按 Provider、模型、任务类型建立成本分解模型
+3. **异常检测**：检测异常流量模式（如 500% 流量突增，可能为 bot 攻击）
+4. **预算告警**：当成本接近阈值时触发告警
+5. **优化建议**：基于历史数据生成成本优化建议（如切换到 Gemini Flash）
+
+## Key Properties
+- **成本透明**：每百万 Token 成本精确追踪
+- **可预测性**：基于历史趋势预测未来成本
+- **与治理对齐**：为 [[CircuitBreaker]] 提供成本异常检测数据
+
+## Connections
+- [[AutonomousOptimizationArchitect]] — AIFinOps 是成本管理的核心框架
+- [[SemanticRouting]] — 成本数据是路由决策的关键输入
+- [[CircuitBreaker]] — 异常成本流量触发熔断保护

wiki/concepts/CircuitBreaker.md

@@ -0,0 +1,31 @@
+---
+title: "CircuitBreaker"
+type: concept
+tags: ["reliability", "fault-tolerance", "llm-ops"]
+sources: ["engineering-autonomous-optimization-architect"]
+last_updated: 2026-04-26
+---
+
+## Aliases
+- Circuit Breaker
+- 熔断器
+- Circuit Breaker Pattern
+
+## Definition
+熔断器模式是 [[AutonomousOptimizationArchitect]] 的核心安全机制——当某个 LLM Provider 的失败频率超过阈值（如 HTTP 402/429 错误、响应超时）时，自动切断该 Provider 并切换至廉价兜底方案，同时触发告警通知人工介入。
+
+## Mechanism
+1. **监测**：追踪每个 Provider 的失败计数和失败率
+2. **触发**：当失败次数超过 `maxRetries` 阈值，或检测到 HTTP 402/429 错误流时，立即 trip 熔断器
+3. **降级**：所有请求切换到预配置的廉价兜底 Provider（如 Gemini Flash）
+4. **恢复**：人工确认问题解决后手动重置，或经过冷却期后自动尝试恢复
+
+## Key Properties
+- **防止成本失控**：阻止 Token 消耗攻击（如恶意 bot 短时间内大量请求）
+- **防止无限重试**：每个 Provider 配置最大重试次数 `maxRetries`
+- **分级降级**：逐级切换到更便宜的备用 Provider，直到找到可用路径
+
+## Connections
+- [[AutonomousOptimizationArchitect]] — 使用 CircuitBreaker 作为金融护栏的核心实现
+- [[LLMasJudge]] — 评估 Provider 降级后输出质量是否可接受
+- [[ShadowTraffic]] — 熔断触发后可异步在影子流量中测试备用 Provider

wiki/concepts/DarkLaunching.md

@@ -0,0 +1,31 @@
+---
+title: "DarkLaunching"
+type: concept
+tags: ["deployment", "release-management", "feature-rollout"]
+sources: ["engineering-autonomous-optimization-architect"]
+last_updated: 2026-04-26
+---
+
+## Aliases
+- Dark Launch
+- 暗启动
+- 灰度发布
+- Feature Flag Deployment
+
+## Definition
+暗启动是 [[AutonomousOptimizationArchitect]] 的模型引入策略——在不完全暴露给用户的前提下，将新模型部署到生产环境，通过 [[ShadowTraffic]] 验证其性能。分为三个阶段：影子测试（不返回用户）→ 灰度流量（5% 用户）→ 全量切换。
+
+## Mechanism
+1. **Phase 1 - Shadow Deployment**：新模型接收影子流量，完全不影响用户
+2. **Phase 2 - Canary**：5% 真实流量切换到新模型，监控错误率和用户满意度
+3. **Phase 3 - Full Rollout**：新模型通过所有检查后，全量替换旧模型
+
+## Key Properties
+- **风险可控**：任何阶段发现问题均可立即回滚
+- **数据驱动**：每个阶段都有明确的量化指标门槛
+- **与 CI/CD 集成**：暗启动可作为自动化发布流水线的组成部分
+
+## Connections
+- [[AutonomousOptimizationArchitect]] — 使用暗启动作为新模型引入框架
+- [[ShadowTraffic]] — 暗启动 Phase 1 的核心实现方式
+- [[CircuitBreaker]] — 提供暗启动失败时的自动保护机制

wiki/concepts/LLMasJudge.md

@@ -0,0 +1,31 @@
+---
+title: "LLMasJudge"
+type: concept
+tags: ["evaluation", "llm-evaluation", "quality-assurance"]
+sources: ["engineering-autonomous-optimization-architect"]
+last_updated: 2026-04-26
+---
+
+## Aliases
+- LLM as a Judge
+- LLM-as-Judge
+- LLM-as-a-Judge Grading
+
+## Definition
+LLM-as-a-Judge 是 [[AutonomousOptimizationArchitect]] 的评分机制——使用一个独立的 LLM（如 Claude Opus）作为"裁判"，对实验模型和生产模型的输出进行客观评分，避免人工评审的主观偏差。评分维度包括：JSON 格式正确性（5分）、延迟（3分）、幻觉检测（-10分）等。
+
+## Mechanism
+1. **评分标准预先建立**：在 [[ShadowTraffic]] 测试前，[[AutonomousOptimizationArchitect]] 明确建立数学评分标准
+2. **异步评估**：实验模型和生产模型同时处理任务，裁判 LLM 盲评两者输出
+3. **统计分析**：累积足够样本后进行统计显著性检验
+4. **自主决策**：实验模型显著优于基准时，更新路由权重
+
+## Key Properties
+- **客观性**：消除人工评分的主观偏差
+- **可扩展**：可同时评估多个 Provider 的输出
+- **数据驱动**：评分结果直接驱动 [[SemanticRouting]] 决策
+
+## Connections
+- [[AutonomousOptimizationArchitect]] — LLM-as-Judge 是核心评估工具
+- [[ShadowTraffic]] — 提供实验与基准并行执行的流量环境
+- [[SemanticRouting]] — 评分结果更新路由权重

wiki/concepts/SemanticRouting.md

@@ -0,0 +1,32 @@
+---
+title: "SemanticRouting"
+type: concept
+tags: ["routing", "llm-ops", "intelligent-routing"]
+sources: ["engineering-autonomous-optimization-architect"]
+last_updated: 2026-04-26
+---
+
+## Aliases
+- Semantic Routing
+- 语义路由
+- Intent Routing
+- Task-Aware Routing
+
+## Definition
+语义路由是 [[AutonomousOptimizationArchitect]] 的决策核心——根据任务类型、历史性能评分和当前 Provider 状态，动态选择最优的 LLM Provider。Provider 按"优化分数"（Speed + Cost + Accuracy 综合排名）排序，优先尝试排名最高的可用 Provider。
+
+## Mechanism
+1. **任务分析**：理解用户请求的类型和复杂度（如代码生成 vs. 闲聊）
+2. **Provider 排名**：按历史优化分数对所有 Provider 排序
+3. **动态选择**：从最高排名 Provider 开始尝试，直到找到可用且在成本限制内的 Provider
+4. **持续学习**：[[LLMasJudge]] 评分结果更新各 Provider 在特定任务类型上的排名
+
+## Key Properties
+- **成本感知**：始终追踪每百万 Token 成本，优先使用低成本模型
+- **性能自适应**：根据 [[ShadowTraffic]] 数据动态调整排名
+- **故障感知**：熔断器切断的 Provider 自动跳过
+
+## Connections
+- [[AutonomousOptimizationArchitect]] — 语义路由是核心路由决策逻辑
+- [[CircuitBreaker]] — 提供故障感知的 Provider 过滤
+- [[LLMasJudge]] — 提供更新路由权重的数据

wiki/concepts/ShadowTraffic.md

@@ -0,0 +1,32 @@
+---
+title: "ShadowTraffic"
+type: concept
+tags: ["testing", "a-b-testing", "dark-launch"]
+sources: ["engineering-autonomous-optimization-architect"]
+last_updated: 2026-04-26
+---
+
+## Aliases
+- Shadow Traffic
+- 影子流量
+- Shadow Testing
+- 暗测试
+
+## Definition
+影子流量是 [[AutonomousOptimizationArchitect]] 的核心测试机制——将一小部分真实用户请求（通常 5%）异步复制到实验模型，与生产模型并行执行，但不返回给用户。实验结果通过 [[LLMasJudge]] 自动评分，用于决定是否将实验模型提升为生产模型。
+
+## Mechanism
+1. **流量复制**：用户请求同时发送至生产模型和实验模型
+2. **异步评估**：实验模型结果不阻塞用户响应，通过 [[LLMasJudge]] 异步评分
+3. **统计分析**：累积 N 次（如 1000 次）执行后评估性能差距
+4. **自主升级**：实验模型统计显著优于基准时，自动更新路由权重
+
+## Key Properties
+- **零用户影响**：实验在后台进行，用户永远获得生产模型响应
+- **真实数据**：使用真实用户请求，而非人工构造的测试用例
+- **持续运行**：可 24/7 不间断运行，持续监控新模型发布
+
+## Connections
+- [[AutonomousOptimizationArchitect]] — 影子流量是核心测试基础设施
+- [[LLMasJudge]] — 对影子流量结果进行自动评分
+- [[DarkLaunching]] — 影子流量是暗启动的测试阶段

wiki/entities/Anthropic.md

@@ -1,30 +1,28 @@
----
-title: "Anthropic"
-type: entity
-tags: [AI, Claude, Anthropic]
-sources: [google-5个agent-skill设计模式-2026-03-19]
-last_updated: 2026-03-19
----
-
-## Overview
-Anthropic 是一家 AI 安全公司，开发了 Claude 系列大语言模型和 Claude Code CLI Agent。其在 Skill 设计方面的实践经验（9 类分类、3 条铁律）被 Google ADK 指南引用。
-
-## Key Contributions
-- **Claude Code**：Anthropic 的 CLI Agent，支持 SKILL.md 格式标准化
-- **9 类 Skill 分类**：从参考手册到故障排查，每类有明确场景
-- **3 条铁律**：
-  1. 只写 Agent 不知道的东西
-  2. 重点写踩坑清单
-  3. 给工具不给指令
-
-## Key Insight
-> "最好的 Skill 不是写得好的提示词，而是一个「工具箱」。" — Anthropic
-
-## Related Entities
-- [[GoogleCloud]]：引用了 Anthropic 的 Skill 实践经验
-- [[ClaudeCode]]：Anthropic 开发的 CLI Agent
-- [[ADK]]：Google Cloud 的 Agent 开发工具包
-
-## Connections
-- [[AnthropicSkill实践]] ← authored_by ← [[Anthropic]]
-- [[Google5个AgentSkill设计模式]] ← extends ← [[AnthropicSkill实践]]
+---
+title: "Anthropic"
+type: entity
+tags: ["llm-provider", "anthropic"]
+sources: ["engineering-autonomous-optimization-architect"]
+last_updated: 2026-04-26
+---
+
+## Aliases
+- Anthropic
+- Anthropic PBC
+
+## Definition
+Anthropic 是主要的 LLM Provider，提供 Claude 系列模型（Claude Opus、Claude Sonnet、Claude Haiku 等）。在 [[AutonomousOptimizationArchitect]] 系统中作为高精度基准模型，其输出常被用作 [[LLMasJudge]] 评估其他模型时的参照标准。
+
+## Role in LLM Routing
+- Claude Opus 常作为高精度基准——如果其他模型要替代 Claude，必须达到其 98%+ 精度
+- Claude Sonnet/Haiku 提供性价比选项，供 [[AutonomousOptimizationArchitect]] 按任务难度分配
+- Anthropic API 不可用时触发 [[CircuitBreaker]] 切换至 [[OpenAI]] 或 [[GoogleGemini]]
+
+## Key Properties
+- **Token 成本**：$3-15 / 1M tokens
+- **延迟**：低至中等
+- **常见用途**：复杂推理、长文本分析、安全敏感任务
+
+## Connections
+- [[OpenAI]] — 同为 LLM Provider，共同参与 [[SemanticRouting]]
+- [[GoogleGemini]] — 在成本优化场景中与 Gemini Flash 形成对比

wiki/entities/GoogleGemini.md

@@ -0,0 +1,30 @@
+---
+title: "GoogleGemini"
+type: entity
+tags: ["llm-provider", "google", "gemini"]
+sources: ["engineering-autonomous-optimization-architect"]
+last_updated: 2026-04-26
+---
+
+## Aliases
+- Gemini
+- Google Gemini
+- Gemini Flash
+- Gemini Pro
+
+## Definition
+Google Gemini 是 Google 的 LLM 系列模型，涵盖从高性价比到高性能的多种版本。在 [[AutonomousOptimizationArchitect]] 系统中，Gemini Flash 因其极高的性价比（成本约为 Claude Opus 的 1/10）而被列为重要的路由目标。
+
+## Role in LLM Routing
+- **Gemini Flash**：低成本高速度模型，如果精度达到基准的 98% 且成本远低于竞品，[[AutonomousOptimizationArchitect]] 会将流量自动路由至 Gemini
+- **Gemini Pro**：中端定位，提供能力与成本的平衡
+- 与 [[OpenAI]] 和 [[Anthropic]] 共同构成三足鼎立的 Provider 生态
+
+## Key Properties
+- **Token 成本**：$0.075-0.5 / 1M tokens（Gemini Flash 极低）
+- **延迟**：低（Gemini Flash）
+- **优势**：极高的性价比，特别适合大规模、低成本推理
+
+## Connections
+- [[OpenAI]] — 同为 LLM Provider
+- [[Anthropic]] — 高精度基准 Provider

wiki/entities/OpenAI.md

@@ -1,32 +1,27 @@
----
-title: "OpenAI"
-type: entity
-tags: [ai, company, llm]
-last_updated: 2026-04-23
----
-
-# OpenAI
-
-## Type
-Company
-
-## Aliases
-- OpenAI LLC
-- OpenAI LP（盈利主体）
-
-## Description
-OpenAI 是美国人工智能研究公司，开发了 GPT 系列大语言模型、ChatGPT 产品、API 接口及 DALL·E 图像生成模型。
-
-## Key Products
-- **ChatGPT**：对话式 AI 助手，支持自定义指令（Custom Instructions）功能
-- **GPT-4 / GPT-4o / GPT-4.5**：最新大语言模型系列
-- **OpenAI API**：为开发者提供 LLM 调用接口
-- **DALL·E**：文本生成图像模型
-- **Whisper**：开源语音识别模型
-- **Sora**：视频生成模型
-
-## Relevance to This Wiki
-OpenAI 是本 Wiki 中多个 AI 工具和方案的底层技术提供商：[[ChatGPT]] 是用户自定义配置的主体；[[OpenClaw]] 可接入 OpenAI API；n8n、Claude 等工具均支持 OpenAI 模型集成。
-
-## Sources
-- [[openai-chatgpt-个性化定义]]
+---
+title: "OpenAI"
+type: entity
+tags: ["llm-provider", "openai"]
+sources: ["engineering-autonomous-optimization-architect"]
+last_updated: 2026-04-26
+---
+
+## Aliases
+- OpenAI
+- OpenAI Inc.
+
+## Definition
+OpenAI 是主要的 LLM Provider 之一，提供 GPT 系列模型（GPT-4、GPT-4o、GPT-3.5 Turbo 等）。在 [[AutonomousOptimizationArchitect]] 系统中作为主要候选 Provider 之一参与性能排名和流量路由竞争。
+
+## Role in LLM Routing
+- 提供多种规模的模型供 [[AutonomousOptimizationArchitect]] 按任务类型分配
+- 模型历史性能（token 延迟、幻觉率、成本）被 [[AutonomousOptimizationArchitect]] 持续追踪并纳入 Provider 排名
+
+## Key Properties
+- **Token 成本**：$2.5-15 / 1M tokens（因模型而异）
+- **延迟**：中等至高（取决于模型规模）
+- **常见用途**：代码生成、复杂推理、长文档处理
+
+## Connections
+- [[Anthropic]] — 同为 LLM Provider，竞争关系，共同参与 [[SemanticRouting]]
+- [[GoogleGemini]] — 同为 LLM Provider，在性价比上与 Gemini Flash 形成竞争

wiki/sources/engineering-autonomous-optimization-architect.md

@@ -0,0 +1,52 @@
+---
+title: "Autonomous Optimization Architect"
+type: source
+tags: ["ai-finetuning", "llm-routing", "ai-fintech", "autonomous-agents", "cost-optimization"]
+date: 2026-04-26
+---
+
+## Source File
+- [[Agent/agency-agents/engineering/engineering-autonomous-optimization-architect.md]]
+
+## Summary（用中文描述）
+- 核心主题：LLM 驱动的自主优化与智能路由系统，通过影子测试持续评估和切换 AI 模型
+- 问题域：AI 系统运营成本失控、模型选择缺乏数据驱动、缺少金融级安全保障
+- 方法/机制：LLM-as-a-Judge 评分、影子流量测试、暗启动（Dark Launching）、熔断器（Circuit Breaker）、AI FinOps
+- 结论/价值：在保证 99.99% 稳定性的前提下，通过自动路由至更便宜/更快的模型实现 >40% 成本降低
+
+## Key Claims（用中文描述）
+- 影子流量（Shadow Traffic）异步测试新模型，不影响生产环境稳定性的同时收集真实对比数据
+- 自主流量路由（Autonomous Traffic Routing）：实验模型达到基准精度（如 98%）且成本更低（如 1/10）时，自动切换至该模型
+- 金融与安全护栏（Financial & Security Guardrails）：每个外部请求必须配置超时、重试上限和廉价兜底方案，防止无限循环
+- 异常熔断（Halt on Anomaly）：流量突增 500% 或出现 HTTP 402/429 错误时，立即触发熔断器并告警人工
+- 成本优先原则：提出 LLM 架构时必须同时给出每百万 Token 的主路径和兜底路径成本估算
+
+## Key Quotes
+> "I have evaluated 1,000 shadow executions. The experimental model outperforms baseline by 14% on this specific task while reducing costs by 80%." — Autonomous Optimization Architect 通信风格
+> "Circuit breaker tripped on Provider A due to unusual failure velocity. Automating failover to Provider B to prevent token drain. Admin alerted." — 熔断触发时的标准告警语
+> "Autonomous routing without a circuit breaker is just an expensive bomb." — 该 Agent 的核心理念
+
+## Key Concepts
+- [[CircuitBreaker]]：熔断器模式，当 Provider 失败频率超过阈值时自动切断并切换到廉价兜底方案
+- [[LLMasJudge]]：用 LLM 自动评估实验模型输出的质量，作为客观评分替代人工评审
+- [[ShadowTraffic]]：影子流量，将一小部分请求异步转发至实验模型，与生产结果对比评分
+- [[SemanticRouting]]：语义路由，根据任务类型和历史性能选择最优 Provider
+- [[DarkLaunching]]：暗启动/灰度发布，新模型在不影响用户的前提下逐步引入
+- [[AIFinOps]]：AI 云财务管理，跟踪每个 LLM 的 token 消耗、成本和延迟，建立历史性能排名
+
+## Key Entities
+- [[OpenAI]]：主要 LLM Provider 之一，提供 GPT 系列模型
+- [[Anthropic]]：主要 LLM Provider，提供 Claude 系列模型
+- [[GoogleGemini]]：主要 LLM Provider，提供 Gemini Flash 等高性价比模型
+- [[Firecrawl]]：网页抓取 API，当 LLM Provider 不可用时的备选数据获取方案
+
+## Connections
+- [[testing-workflow-optimizer]] ← uses ← [[AutonomousOptimizationArchitect]]（工作流优化依赖路由决策）
+- [[backend-architect-with-memory]] ← depends_on ← [[AutonomousOptimizationArchitect]]（后端架构依赖成本追踪记忆）
+- [[automation-governance-architect]] ← shares_guardrails ← [[AutonomousOptimizationArchitect]]（自动化治理与本 Agent 均涉及安全护栏设计）
+
+## Contradictions
+- 与 [[testing-performance-benchmarker]] 冲突：
+  - 冲突点：性能基准测试强调人工驱动的静态评估，本 Agent 强调机器驱动的动态 A/B 测试
+  - 当前观点：持续自动的影子测试比定期人工测试更能反映生产环境真实性能
+  - 对方观点：性能基准测试提供可控、可复现的实验室数据，而非真实流量噪声

wiki/sources/engineering-mobile-app-builder.md

@@ -0,0 +1,56 @@
+---
+title: "Mobile App Builder Agent Personality"
+type: source
+tags: []
+date: 2026-04-26
+---
+
+## Source File
+- [[Agent/agency-agents/engineering/engineering-mobile-app-builder.md]]
+
+## Summary（用中文描述）
+- 核心主题：Mobile App Builder — 专注于原生 iOS/Android 开发和跨平台框架的移动应用开发 AI Agent 人格规范
+- 问题域：如何在移动端构建高性能、平台原生体验的应用；原生开发与跨平台开发的选型决策；移动端特有的性能、续航、离线场景约束
+- 方法/机制：Swift/SwiftUI（iOS）、Kotlin/Jetpack Compose（Android）、React Native/Flutter（跨平台）；MVVM 模式；Offline-First 架构；平台原生设计规范（Material Design / Human Interface Guidelines）
+- 结论/价值：移动开发 Agent 需要具备平台意识、性能优先、用户体验驱动的特质，同时保持跨平台的技术多样性
+
+## Key Claims（用中文描述）
+- 原生 iOS/Android 开发必须遵循平台设计指南（Material Design、Human Interface Guidelines）
+- 移动应用必须实现离线优先架构和智能数据同步
+- 跨平台开发需在代码复用与平台原生体验之间找到平衡
+- 移动性能优化目标：冷启动 < 3 秒，内存占用 < 100MB，续航损耗 < 5%/小时
+
+## Key Quotes
+> "Implemented iOS-native navigation with SwiftUI while maintaining Material Design patterns on Android" — 平台感知型开发示例
+> "Built offline-first architecture to handle poor network conditions gracefully" — 移动约束优先的设计理念
+> "Optimized app startup time to 2.1 seconds and reduced memory usage by 40%" — 性能优化的典型目标
+
+## Key Concepts
+- [[Offline-First Architecture]]：离线优先架构 — 构建应用时默认以离线为基准，网络连接时进行数据同步，确保弱网环境下的用户体验
+- [[MVVM Pattern]]：Model-View-ViewModel — SwiftUI 和 Jetpack Compose 推荐的状态管理模式，ViewModel 持有 UI 状态和业务逻辑，View 负责渲染
+- [[Cross-Platform Mobile Development]]：跨平台移动开发 — 使用 React Native 或 Flutter 等框架在 iOS 和 Android 上共享代码，同时保持平台原生特性
+- [[Platform-Native UI]]：平台原生 UI — 遵循各平台设计规范（Material Design / HIG）实现符合用户预期的界面和交互
+- [[Biometric Authentication]]：生物特征认证 — 在移动应用中集成 Face ID、Touch ID 或指纹识别实现安全身份验证
+- [[Push Notification System]]：推送通知系统 — 针对不同平台（APNs/Firebase）实现精准推送，提升用户留存
+
+## Key Entities
+- [[SwiftUI]]：Apple 声明式 UI 框架，用于构建现代 iOS/macOS 应用界面
+- [[Jetpack Compose]]：Google Jetpack 声明式 UI 工具包，Android 原生现代化 UI 开发
+- [[React Native]]：Facebook/Meta 开源跨平台框架，使用 JavaScript/TypeScript 构建原生移动应用
+- [[Flutter]]：Google 开源跨平台 UI 工具包，使用 Dart 语言，可编译为原生 ARM 代码
+- [[Swift]]：Apple iOS/macOS 开发语言，配合 SwiftUI 使用
+- [[Kotlin]]：Google 官方 Android 开发语言，配合 Jetpack Compose 使用
+
+## Connections
+- [[agents-orchestrator]] ← orchestrates ← [[engineering-mobile-app-builder]]
+- [[engineering-mobile-app-builder]] ← shares_workflow ← [[unity-architect]]（平台策略和架构决策方法论）
+- [[engineering-mobile-app-builder]] ← extends ← [[software-architect]]（系统架构原则应用于移动端）
+- [[visionos-spatial-engineer]] ← related_to ← [[engineering-mobile-app-builder]]（Apple 生态移动开发扩展）
+- [[xr-immersive-developer]] ← related_to ← [[engineering-mobile-app-builder]]（XR 与移动平台的跨设备体验）
+
+## Contradictions
+- 与 [[unity-architect]] 跨平台理念存在框架差异：
+  - 冲突点：原生开发 vs 跨平台框架的优先级
+  - 当前观点：Mobile App Builder 默认支持多种框架（SwiftUI、Jetpack Compose、React Native、Flutter），按需选型
+  - 对方观点：Unity Architect 专注于 Unity 引擎内的跨平台方案
+  - 说明：两者解决的问题域不同，Mobile App Builder 面向通用移动应用，Unity Architect 面向游戏开发，属合理分工而非矛盾