该技能的目标是在 Flutter 应用中管理 HTTP 网络通信与 JSON 数据处理，实现安全的异步 REST API 调用（GET、POST、PUT、DELETE），使用 http 包，并处理 JSON 序列化、大数据集的后台解析（通过 isolate）以及面向 AI 模型集成的结构化 JSON schema。使用前提是 http 包已添加到 pubspec.yaml，且环境支持 Dart 3 模式匹配与空安全。
决策逻辑方面，在实现 JSON 解析与序列化时按以下决策树评估：按负载大小，若 JSON 负载较小，则在主线程同步解析；若负载较大（解析耗时超过 16ms），使用 compute() 通过后台解析避免 UI 卡顿。按模型复杂度，若数据模型简单或用于快速原型，使用手动序列化（dart:convert）；若数据模型高度嵌套或属于大型生产应用，则停止并询问用户是否配置 json_serializable 与 build_runner 进行自动代码生成。
使用方式分为五个步骤。第一步配置平台权限：Android 需在 android/app/src/main/AndroidManifest.xml 中添加 uses-permission android.permission.INTERNET；macOS 需在 DebugProfile.entitlements 与 Release.entitlements 中添加 com.apple.security.network.client 键并设为 true。第二步定义 JSON 数据模型：创建强类型 Dart 类，使用工厂构造函数进行反序列化、toJson 方法进行序列化，示例中使用 Dart 3 模式匹配解析字段。第三步实现 HTTP 操作（CRUD）：使用 http 包执行网络请求，始终用 Uri.https 构建 URL 以保证安全编码，校验状态码，失败时抛出异常，示例覆盖 GET、POST、DELETE。第四步为大型 JSON 数组实现后台解析：获取大对象列表时，用 compute() 将 JSON 解码与映射移到独立 isolate，解析函数需为顶层函数，通过 compute 传字符串响应体。第五步为 AI 模型定义结构化 JSON 输出：集成 LLM（如 Gemini）时，在生成配置和系统指令中传入严格 schema 以强制可靠 JSON 输出，示例使用 Schema 定义对象、数组与字段类型，并以 responseMimeType 为 application/json、responseSchema 初始化模型，再安全解码返回的 JSON。
约束条件包括：不可变 URL 构建，始终使用 Uri.https() 或 Uri.parse() 构建 URL，带查询参数的端点绝不用原始字符串拼接；错误处理，网络请求失败绝不返回 null，始终抛出 Exception 或自定义错误类，以便 UI（如 FutureBuilder）捕获并通过 snapshot.hasError 显示错误状态；状态码校验，始终校验 response.statusCode，成功的 GET/PUT/DELETE 使用 200，成功的 POST 使用 201；库限制，标准跨平台网络不使用 dart:io HttpClient，始终使用 http 包以保证 Web 兼容性；isolate 通信，使用 compute() 时确保解析函数为顶层函数或静态方法，跨 isolate 边界只传原始值或简单对象（如 String 响应体），不要传递 http.Response 对象。
适用场景包括 Flutter 应用中的 REST API 调用、JSON 模型序列化与反序列化、大数据列表的后台解析，以及为 AI 模型集成约束结构化 JSON 输出。限制与前提：需要 http 包、Dart 3 模式匹配与空安全支持；AI 模型示例使用 firebase_vertexai 包与特定模型名；具体收费、价格、平台覆盖范围及实际运行效果暂未提供。