Featured image of post 鸿蒙把 AI Agent 放进系统：开发者工作流迎来重构
AI 资讯

鸿蒙把 AI Agent 放进系统：开发者工作流迎来重构

鸿蒙尝试打通开发态与运行态智能体。

核心变化：应用从“被打开”变成“被调度”

核心变化：应用从“被打开”变成“被调度”

HarmonyOS 7 开发者 Beta 亮相两个月后，其真正值得关注的变化逐渐清晰：系统不只是增加 AI 功能，而是开始围绕 Agent 重新组织操作系统与开发工具。

资深全栈工程师、鸿蒙生态布道师刘光智在 InfoQ 访谈中指出，过去用户要先判断该打开哪个应用，再完成一连串操作；HarmonyOS 7 希望把流程反过来，由用户表达意图，系统拆解任务并调用相应能力。这里的 Agent 可理解为能够理解目标、规划步骤并调用工具的智能体。

这一思路的核心是升级到 2.0 的鸿蒙智能体框架 HMAF。它与小艺、openPangu 2.0、方舟引擎、星盾安全、星河互联以及 DevEco Code、DevEco CLI 等共同构成一套六层体系。开发者端的直接变化是，应用不再只是等待点击，而要把能力注册为可识别、可调度的智能体，向系统暴露意图、参数和回调。

六层架构与关键数据

在刘光智的拆解中，HarmonyOS 7 的 Agent 体系包括：

  • 小艺：系统级智能助手，是用户入口；
  • HMAF 2.0：负责意图理解、任务拆解和多智能体协作；
  • AI 底座：包括开源大模型 openPangu 2.0 和端侧 30B 模型；
  • 系统保障：方舟引擎、星盾安全、星河互联；
  • 开发工具：DevEco Code 与 DevEco CLI；
  • 场景层：例如空间计算。

openPangu 2.0 的 Pro 版参数规模为 5050 亿，Flash 版为 920 亿，均支持 512K 超长上下文。官方还强调其“昇腾原生”特性，称单卡吞吐率可达到主流开源模型的两倍。

系统性能方面，HarmonyOS 7 在调度层引入“性能大模型”：系统应用启动速度提升 24%，生态应用启动速度提升 34%，游戏帧率稳定性提升 40%；年度负载增长控制在 10%以内。安全方面，星盾安全架构用端侧 AI 识别诈骗套路，已帮助用户识破 347 万次潜在骗局，支付宝、抖音等应用已经接入。

开发工具走“双轨”：一个带大脑，一个开放能力

开发工具走“双轨”：一个带大脑，一个开放能力

面向开发者，鸿蒙此次采用“双轨制”。DevEco Code 更像带有自主规划能力的副驾驶，开发者给出需求后，它可规划、写代码、编译调试，并在报错时尝试修复。DevEco CLI 则不负责决策，而是把工程管理、构建检查、运行调试等鸿蒙能力封装成命令，供 Claude、Cursor 或企业自建 Agent 调用。

DevEco Code 由华为自研的毕方引擎与开源框架 OpenCode 叠加构成。毕方负责 Agent 的思考、规划和工具调用；OpenCode 提供终端交互、配置体系，以及 MCP、Skill、Plugin 等开放接口。自研部分保证鸿蒙工具链的深度优化，开源部分保证与外部生态兼容。

在工作方式上，DevEco Code 内部采用 Plan Agent 与 Build Agent 协同：前者拆解需求，后者执行编码、构建和调试。比如当需求包含“手机、电视都要能用”时，工具可在计划阶段补入多端适配思路，而不是等开发者事后修补。这意味着 AI 不只生成片段代码，也开始进入产品逻辑和工程编排。

现实短板：适配、平台支持与语料不足

鸿蒙生态的难点仍在适配。设备覆盖手机、平板、车机、穿戴等形态，不同屏幕、芯片、内存和系统 API 版本会带来安装失败、闪退、界面变形或卡顿等问题。中小团队测试设备有限，很多问题会在上线后才暴露。

华为已提供 EasyGo 平行视界、多设备 UX 自动检测等工具，帮助降低折叠屏、平板和多终端界面适配成本。但刘光智也提到几个不足：DevEco Code 暂不支持 Linux；仍较依赖 DevEco Studio，纯命令行体验有限；通用大模型中的 ArkTS 语料较少，生成代码约有 15%到 20%需要人工修正。ArkTS 是鸿蒙应用常用开发语言之一，语料不足会直接影响 AI 编码质量。

社区也在尝试补位。例如开源项目 harmonyos-ai-skill 将鸿蒙开发知识整理成 Markdown 文件，配置后可为 Claude、Cursor、Copilot 等工具补充鸿蒙知识，在一定程度上缓解语料不足问题。

行业判断：关键在开发态与运行态能否闭环

与苹果、谷歌相比，华为的差异在于把开发态工具和运行态系统 AI 放进同一套叙事。苹果更强调 Xcode 与 Apple Intelligence 的相对独立，谷歌则在 I/O 上将 AI 工具、模型、Android Studio 等内容拆分到不同 Session 中；华为则同时推进 DevEco Code、DevEco CLI、小艺和 HMAF 2.0。

这一路线的机会在于，如果开发者注册的能力能被系统安全、稳定地理解和调度，应用入口可能从图标转向意图，软件分发和交互方式都会改变。挑战也同样明确：工具成熟度、ArkTS 语料、多设备适配和原生应用建设，都会决定这套 Agent 架构能否从演示走向日常生产。短期看，鸿蒙 AI 的最大价值不是替开发者“写完全部代码”，而是把跨端适配、构建调试和能力注册这些高摩擦环节自动化；长期看，真正的分水岭是开发态 Agent 与运行态 Agent 能否形成闭环。