在这里插入图片描述

📖 引言

想象一下这样的场景：

你正在做饭，手上沾着面粉，突然想了解一下傣族的泼水节。你不用擦干手、解锁手机、打开App、搜索……只需要对着手机说一声："小艺小艺，傣族的传统节日是什么？"小艺就会直接告诉你答案，甚至还能打开「民族图鉴」的傣族详情页。

这就是语音交互的魅力——解放双手，自然便捷。

在鸿蒙系统中，语音交互是通过**Skill（技能）**来实现的。小艺助手是系统级的语音入口，第三方应用可以通过开发Skill，让自己的服务被用户用语音唤起。

你可能会问：

  • 什么是Skill？它和普通的App有什么区别？
  • Skill有哪些类型？「民族图鉴」适合做什么样的Skill？
  • Skill的开发流程是怎样的？需要哪些技术栈？
  • 语音交互的核心概念有哪些？意图、槽位、对话流是什么？
  • 怎么让Skill和App联动？语音怎么打开App的特定页面？
  • 识别不准、意图匹配错误怎么办？怎么提升对话体验？

这些问题非常重要。语音交互是AI时代的重要交互方式，掌握Skill开发，能让你的应用拥有"语音入口"，降低用户使用门槛，提升用户体验。

本文将系统讲解鸿蒙Skill技能开发的完整知识体系。我们会从基础概念讲起，逐步深入到Skill的设计、开发、测试、上架全流程，并结合「民族图鉴」项目，设计并实现一个民族查询技能。

🎯 学习目标

完成本文后，你将能够：

  • ✅ 理解什么是Skill，以及Skill的类型和价值
  • ✅ 掌握Skill开发的完整流程：注册→开发→测试→上架
  • ✅ 理解语音交互的核心概念：意图、槽位、对话流
  • ✅ 学会设计「民族图鉴」的Skill技能
  • ✅ 掌握Skill与App的联动方式
  • ✅ 理解多轮对话设计的要点
  • ✅ 具备实战开发Skill的能力
  • ✅ 了解常见问题及解决方案

💡 需求分析

为什么要做Skill？

在讲技术之前，我们先回答一个最根本的问题：为什么要花时间做Skill？它能给「民族图鉴」带来什么价值？

1. 降低使用门槛：说一句话就能用

很多用户下载了App，但可能很久才打开一次。而语音是最自然的交互方式——用户不需要找到App图标、不需要点击、不需要打字，说一句话就能获取信息。

场景举例：

  • “小艺，今天推荐哪个民族？” → 直接获取今日推荐
  • “小艺，藏族的人口有多少？” → 快速查询民族信息
  • “小艺，打开民族图鉴看傣族” → 直接跳转到详情页

对于「民族图鉴」这样的工具类/内容类应用，Skill可以：

  • 大幅降低使用门槛
  • 提高功能使用率
  • 增加用户触达渠道
2. 系统级入口：无处不在

小艺是鸿蒙系统的级助手，用户在任何界面都可以唤起：

  • 桌面：长按Home键、说"小艺小艺"
  • 锁屏：熄屏状态下也能唤起（支持的设备）
  • 任何App内：通过小艺悬浮球或手势

这意味着，你的Skill可以无处不在——用户不需要打开你的App，就能使用你的服务。

3. 先发优势：流量红利

新的平台往往意味着新的流量红利。先入驻的Skill往往能获得：

  • 更多的推荐曝光
  • 更早的用户积累
  • 更好的搜索排名
4. 技术储备：拥抱AI时代

语音交互是AI时代的重要交互方式。掌握Skill开发：

  • 是对AI交互的实践和探索
  • 为后续更复杂的Agent开发打基础
  • 提升团队的技术竞争力

Skill和App的关系

很多人会混淆Skill和App的关系。它们不是替代关系，而是互补关系。

维度 App Skill
交互方式 触控为主 语音为主
使用场景 深度使用、复杂操作 快速查询、简单操作
入口 桌面图标、应用市场 小艺助手、系统搜索
内容展示 丰富的视觉界面 语音回复 + 简单卡片
开发技术 ArkUI/ArkTS 技能平台 + 后端服务
优势 体验丰富、功能完整 使用便捷、触达方便

最佳实践：

  • Skill做轻量功能：快速查询、简单操作、语音播报
  • App做深度体验：详细内容、丰富交互、复杂功能
  • 两者联动：Skill引导用户打开App，App内也可以用语音操作

对于「民族图鉴」来说：

  • Skill：快速查询民族基本信息、今日推荐、节日问答
  • App：详细介绍、图片展示、音乐播放、知识答题、地图分布
  • 联动：Skill回复后，提供"查看详情"按钮，点击跳转到App对应页面

🛠️ 核心实现

步骤1：什么是Skill——鸿蒙的技能系统

在深入开发之前，我们先建立对Skill的基本认知。

1.1 Skill的定义

Skill（技能） 是鸿蒙系统中，第三方应用向小艺助手提供的服务能力。简单说，Skill就是"小艺能帮你做的事情"。

比如：

  • 天气Skill：“今天天气怎么样？”
  • 音乐Skill：“播放一首周杰伦的歌”
  • 闹钟Skill：“明天早上7点叫我起床”
  • 民族图鉴Skill：“傣族的传统节日是什么？”
1.2 Skill的类型

鸿蒙的Skill分为三大类：

Skill类型
├── 官方技能
│   ├── 系统内置（打电话、发短信、设闹钟等）
│   ├── 华为自有服务（天气、音乐、视频等）
│   └── 深度集成，体验最好
├── 第三方技能
│   ├── 第三方开发者开发
│   ├── 在技能市场上架
│   └── 用户可以选择启用/禁用
└── 自定义技能
    ├── 用户自己创建的简单技能
    ├── 比如"回家模式"（开空调+开灯+放音乐）
    └── 面向普通用户，不是开发者

我们作为应用开发者，主要关注第三方技能。

1.3 Skill的形态

Skill有几种不同的形态，适用于不同场景：

形态 说明 适用场景 示例
语音播报 只用语音回复 简单信息查询 “傣族的人口有多少”
语音+卡片 语音回复 + 屏幕上显示卡片 需要展示信息的 民族介绍 + 封面图
语音+跳转 语音回复 + 点击跳转到App 需要深度操作的 “查看详情” → 打开App
多轮对话 多轮问答，逐步澄清 复杂需求、需要补充信息 “我想了解一个民族” → 追问"哪个民族？"

对于「民族图鉴」，我们会用到：

  • 语音播报：简单的问答（人口、节日等）
  • 语音+卡片：民族简介 + 封面图
  • 语音+跳转：提供"查看详情"按钮
  • 多轮对话：用户没说清楚时追问

步骤1.5：AI原生应用的完整架构

在深入Skill开发之前，我们先从更高的视角来看一下AI原生应用的整体架构。理解了这个架构，你就能明白Skill处在什么位置，以及它和Agent、模型、数据之间的关系。

四层架构模型

AI原生应用采用四层架构设计，从下到上依次是：

┌─────────────────────────────────────────────────────┐
│                    Agent层（智能体层）                │
│  民族文化Agent / 学习助手Agent / 旅游规划Agent...    │
│  意图理解 · 任务规划 · 工具调用 · 多轮对话           │
├─────────────────────────────────────────────────────┤
│                    Skill层（技能层）                 │
│  问答Skill / 翻译Skill / 推荐Skill / 讲解Skill...   │
│  单一职责 · 可组合 · 可发现 · 可复用                 │
├─────────────────────────────────────────────────────┤
│                    模型层（Model层）                 │
│  端侧大模型 / 云端大模型 / 垂直领域模型 / 小模型     │
│  NLU · NLG · 多模态理解 · 推理能力                  │
├─────────────────────────────────────────────────────┤
│                    数据层（Data层）                  │
│  民族知识库 / 用户数据 / 对话日志 / 知识图谱         │
│  数据采集 · 数据清洗 · 知识表示 · 数据安全          │
└─────────────────────────────────────────────────────┘

下面我们逐层讲解。

第一层：数据层（Data Layer）

数据是AI的"粮食"，没有好的数据，再强的模型也没用。

数据层的核心组成：

组成 说明 「民族图鉴」示例
领域知识库 垂直领域的结构化知识 56个民族的百科知识、历史文化、风俗民情
用户数据 用户的个人数据和行为 收藏列表、阅读历史、学习记录、偏好标签
对话日志 用户与AI的对话记录 历史对话、用户提问、AI回复、用户反馈
知识图谱 实体和关系的网络结构 民族-节日关系、民族-服饰关系、民族-地区关系
素材库 图片、音频、视频等 民族图片、民族音乐、介绍视频

数据层的关键工作：

  1. 数据采集：从各种渠道收集数据
  2. 数据清洗：去重、纠错、补全、标准化
  3. 知识表示：把数据组织成AI能理解的形式
  4. 数据安全：脱敏、加密、权限控制

对「民族图鉴」的意义：

  • 我们现有的56个民族数据，就是AI技能的"知识源泉"
  • 数据越丰富、越准确，AI回答的质量就越高
  • 后续可以不断扩充数据，让AI越来越"聪明"
第二层：模型层（Model Layer）

模型是AI的"大脑"，负责理解和生成。

模型层的核心组成：

模型层
├── 端侧模型
│   ├── 轻量级大模型（On-device LLM）
│   ├── 小模型（NLU、TTS、图像识别等）
│   └── 特点：隐私好、延迟低、离线可用
├── 云端模型
│   ├── 通用大模型（如盘古大模型）
│   ├── 垂直领域微调模型
│   └── 特点：能力强、更新快
└── 模型调度
    ├── 端云协同（简单端侧做，复杂云端做）
    ├── 智能路由（根据任务选最合适的模型）
    └── 模型热更新（不用发版就能更新模型）

模型层的关键能力：

  1. 自然语言理解（NLU）：听懂用户在说什么
  2. 自然语言生成（NLG）：生成自然的回复
  3. 多模态理解：理解图片、语音、文字等多种模态
  4. 推理能力：逻辑推理、知识推理、数学计算

对「民族图鉴」的意义：

  • 简单问题（如"傣族人口多少"）用端侧模型，快且保护隐私
  • 复杂问题（如"比较傣族和泰国泰族的文化异同"）用云端模型，效果好
  • 端云协同，兼顾体验和成本
第三层：Skill层（Skill Layer）

Skill是AI的"手和脚"，是具体的能力单元。我们这篇文章讲的就是这一层。

Skill层的核心特点：

  • 单一职责：一个Skill只做一件事，做好一件事
  • 可组合：多个Skill可以组合起来完成复杂任务
  • 可发现：系统能自动发现和调用Skill
  • 可复用：同一个Skill可以被多个Agent调用

Skill的分类：

类型 说明 「民族图鉴」示例
信息查询类 查询和获取信息 民族问答Skill、节日查询Skill
内容生成类 生成文本、图片等 民族讲解Skill、推荐Skill
工具操作类 操作设备或应用 打开App Skill、分享Skill
服务调用类 调用后端服务 翻译Skill、知识库查询Skill

Skill和模型的关系：

  • 模型是"通用能力"，Skill是"场景化能力"
  • 模型负责"理解和生成"，Skill负责"具体做事"
  • 一个模型可以支撑很多个Skill
  • Skill可以调用模型，也可以不调用（如纯逻辑的Skill）
第四层：Agent层（Agent Layer）

Agent是AI的"总指挥"，负责理解用户意图、规划任务、调用工具、生成结果。

Agent和Skill的关系：

  • Agent是"项目经理"：理解需求、拆解任务、协调资源
  • Skill是"专家"：专注做好某一件具体的事
  • Agent可以调用多个Skill来完成复杂任务
  • 一个Skill可以被多个Agent调用

Agent的核心能力：

  1. 意图理解：准确理解用户想做什么
  2. 任务规划：把复杂任务拆解成多个步骤
  3. 工具调用：选择和调用合适的Skill/工具
  4. 结果整合：把多个工具的结果整合起来
  5. 多轮对话：和用户多轮交互，澄清需求

「民族图鉴」Agent示例：

假设用户说：“我下个月去云南旅游，帮我介绍一下当地的少数民族文化，再推荐几个必体验的。”

Agent的工作流程：

用户需求：云南旅游 + 少数民族文化介绍 + 体验推荐
    │
    ▼
意图理解：用户要去云南旅游，想了解当地少数民族
    │
    ▼
任务规划：
  1. 查询云南主要的少数民族（调用民族查询Skill）
  2. 介绍这些民族的文化特色（调用民族讲解Skill）
  3. 推荐可体验的文化活动（调用推荐Skill）
  4. 整理成旅游攻略形式（调用内容生成Skill）
    │
    ▼
工具调用 → 依次调用各个Skill
    │
    ▼
结果整合 → 把各Skill的结果整合成一篇完整的攻略
    │
    ▼
用户反馈 → 根据用户反馈调整
四层架构的协同工作

这四层不是孤立的，而是协同工作的：

用户提问："傣族的泼水节是怎么来的？"
    │
    ├───────────────────────────────────────────┐
    │                                           ▼
    │         Agent层：理解意图，规划任务       │
    │         意图：查询民族节日起源            │
    │         规划：调用问答Skill查询           │
    │                                           │
    ├───────────────────────────────────────────┤
    │                                           ▼
    │         Skill层：执行具体任务             │
    │         问答Skill处理节日查询请求         │
    │                                           │
    ├───────────────────────────────────────────┤
    │                                           ▼
    │         模型层：理解和生成                │
    │         NLU理解问题语义                  │
    │         NLG生成自然回答                  │
    │                                           │
    ├───────────────────────────────────────────┤
    │                                           ▼
    └─────── 数据层：提供知识素材               │
              从民族知识库中查找傣族节日数据    │
              返回结构化的节日信息              │

可以这样理解：

  • 数据层是"知识库"：AI的知识来源
  • 模型层是"大脑"：负责思考和理解
  • Skill层是"手脚"：负责具体做事
  • Agent层是"指挥"：负责协调和决策

四层协同，构成了完整的AI原生应用体系。

步骤2：Skill开发流程

开发一个Skill，大致分为四个阶段：注册 → 开发 → 测试 → 上架。

Skill开发流程
├── 1. 注册
│   ├── 注册华为开发者账号
│   ├── 登录技能开发平台
│   ├── 创建技能，填写基本信息
│   └── 配置技能的基本属性
├── 2. 开发
│   ├── 定义意图（Intent）
│   ├── 定义槽位（Slot）
│   ├── 设计对话流
│   ├── 开发后端服务（ fulfillment ）
│   └── 配置语音交互模型
├── 3. 测试
│   ├── 在线测试（平台模拟器）
│   ├── 真机测试（小艺助手）
│   ├── 功能测试（所有意图都能正确触发）
│   └── 体验测试（对话是否自然流畅）
└── 4. 上架
    ├── 提交审核
    ├── 审核通过
    ├── 上架技能市场
    └── 用户可以启用

下面我们逐一讲解每个阶段的要点。

2.1 注册阶段

1. 注册华为开发者账号

  • 访问华为开发者联盟官网
  • 注册企业开发者账号（个人也可以，但企业权限更多）
  • 完成实名认证

2. 创建技能

  • 登录小艺技能开放平台
  • 点击"创建技能"
  • 填写技能名称、调用名、技能简介
  • 选择技能分类（如：工具、教育、生活服务等）

3. 技能的基本属性

属性 说明 注意事项
技能名称 技能的显示名称 简洁明了，不超过10个字
调用名 用户用语音唤起技能的词 容易发音、不容易混淆
技能简介 一句话描述技能能做什么 清晰说明技能价值
详细描述 详细介绍技能功能 列出主要功能和使用示例
图标 技能的图标 符合设计规范

「民族图鉴」技能的基本信息示例：

  • 技能名称：民族图鉴
  • 调用名：民族图鉴
  • 技能简介：查询中国56个民族的文化知识
  • 分类：教育 / 文化
2.2 开发阶段

这是最核心的阶段，我们后面会详细讲。核心工作：

  • 定义用户可能会说的话（意图）
  • 定义需要抽取的信息（槽位）
  • 设计对话流程
  • 开发后端服务来处理请求
2.3 测试阶段

开发完成后，需要充分测试：

1. 在线测试

  • 平台提供的测试工具
  • 输入文字，看能否正确识别意图和槽位
  • 看回复是否正确

2. 真机测试

  • 在手机上用小艺助手测试
  • 用真实语音测试，看识别效果
  • 测试不同的说法、不同的口音

3. 测试要点

  • 每个意图都要覆盖到
  • 测试边界情况（用户说的话不在预期内）
  • 测试多轮对话的连贯性
  • 测试错误处理（服务异常时的兜底回复）
2.4 上架阶段

测试通过后，就可以提交审核了：

1. 提交审核

  • 填写审核信息
  • 上传测试说明（告诉审核员怎么测）
  • 提交审核

2. 审核周期

  • 通常几个工作日
  • 如果被驳回，根据反馈修改后重新提交

3. 上架后

  • 用户可以在技能市场找到你的技能
  • 可以查看使用数据（调用次数、用户数等）
  • 持续优化迭代

步骤3：语音交互的核心概念

要开发Skill，必须理解几个核心概念：意图（Intent）、槽位（Slot）、对话流（Dialog Flow）。

这些是语音交互的基石，理解了它们，你就理解了语音交互的本质。

3.1 意图（Intent）

意图就是"用户想做什么"。每一种用户需求对应一个意图。

比如用户说：

  • “傣族的传统节日是什么？” → 意图：查询民族节日
  • “藏族的人口有多少？” → 意图：查询民族人口
  • “今天推荐哪个民族？” → 意图：今日民族推荐

意图的组成：

意图（Intent）
├── 意图名称：唯一标识，如 query_ethnic_festival
├── 用户说法（Utterance）：
│   ├── "傣族的传统节日是什么？"
│   ├── "藏族有什么节日？"
│   ├── "苗族过什么节？"
│   └── （越多越好，覆盖各种说法）
└── 槽位（Slot）：需要从用户话里抽取的信息
    └── 民族名称：傣族 / 藏族 / 苗族

设计意图的原则：

  1. 一个意图对应一个用户目标

    • 不要把多个不同的目标混在一个意图里
    • 比如"查询节日"和"查询人口"是两个意图，不要合并

  2. 意图粒度要适中

    • 太粗：一个意图处理太多情况，逻辑复杂
    • 太细：意图太多，维护困难
    • 经验：按"用户要做什么事"来划分

  3. 用户说法要足够多

    • 每个意图至少准备10~20条用户说法
    • 覆盖不同的表达方式：书面语、口语、简略说法
    • 覆盖不同的提问方式：疑问句、陈述句、祈使句

「民族图鉴」的意图设计：

意图名称 说明 用户说法示例
query_ethnic_info 查询民族基本信息 “介绍一下傣族”、“我想了解藏族”
query_ethnic_population 查询民族人口 “壮族有多少人”、“回族人口是多少”
query_ethnic_festival 查询民族节日 “傣族有什么传统节日”、“苗族的节日”
query_ethnic_custom 查询民族习俗 “蒙古族有什么风俗习惯”
daily_recommendation 今日民族推荐 “今天推荐哪个民族”、“每日推荐”
ethnic_quiz 知识问答 “考考我民族知识”
open_app_page 打开App页面 “打开民族图鉴的傣族页面”
3.2 槽位（Slot）

槽位就是"需要从用户话里抽取的关键信息"。

比如用户说"傣族的传统节日是什么？"，我们需要抽取的信息是：

  • 民族名称：傣族

这个"民族名称"就是一个槽位。

槽位的类型：

类型 说明 示例
系统槽位 平台内置的通用槽位 时间、地点、数字、人名等
自定义槽位 开发者自己定义的 民族名称、节日名称等

槽位的属性：

属性 说明 示例
槽位名称 唯一标识 ethnic_name
槽位类型 系统/自定义 自定义槽位：民族名称
是否必填 用户必须提供吗 是（查询哪个民族的信息，必须知道民族名）
追问话术 用户没说时怎么问 “你想了解哪个民族呢？”
槽位值列表 可能的取值列表 汉族、壮族、回族、苗族、维吾尔族……

「民族图鉴」的槽位设计：

槽位名称 类型 是否必填 追问话术 槽位值示例
ethnic_name 自定义 是 “你想了解哪个民族呢？” 汉族、壮族、回族、藏族、苗族……
info_type 自定义 否 - 节日、习俗、人口、饮食、服饰……
quiz_category 自定义 否 - 历史、文化、习俗、节日……

槽位填充的两种方式：

  1. 用户直接说出

    • 用户：“傣族的传统节日是什么？”
    • 槽位 ethnic_name = “傣族”（从用户话里直接抽取）

  2. 系统追问获取

    • 用户：“传统节日有哪些？”
    • 系统：“你想了解哪个民族的传统节日呢？”（追问）
    • 用户：“傣族的”
    • 槽位 ethnic_name = “傣族”（通过追问获取）

这就是多轮对话的基本原理——当必要的槽位没填时，系统会主动追问。

3.3 对话流（Dialog Flow）

对话流就是"用户和系统对话的流程"。简单的单轮问答不需要对话流，但复杂的多轮对话就需要设计。

单轮对话 vs 多轮对话：

类型 说明 示例
单轮对话 一问一答，一次交互完成 用户：“傣族的人口有多少？” → 系统回答
多轮对话 多轮交互，逐步澄清需求 用户：“我想了解一个民族” → 系统：“哪个民族？” → 用户：“傣族” → 系统回答

多轮对话的触发场景：

  1. 槽位缺失：必要的信息用户没说，需要追问

    • 用户：“查一下节日” → 缺"民族名称" → 追问"哪个民族的节日？"

  2. 确认信息：重要操作前需要用户确认

    • 用户：“清空收藏” → 确认"确定要清空所有收藏吗？"

  3. 选项澄清：用户需求模糊，需要用户选择

    • 用户：“我想了解傣族” → “你想了解傣族的哪方面？节日/习俗/饮食/服饰？”

对话流设计的原则：

  1. 最少轮次原则：尽量用最少的对话轮次满足需求

    • 能一轮解决的，不要用两轮
    • 追问太多，用户会不耐烦

  2. 自然流畅原则：对话要像人与人聊天，不要太机械

    • 追问话术要自然
    • 可以有一些"语气词"，不要太生硬

  3. 容错原则：用户说的话可能不在预期内，要能优雅处理

    • 没听懂时，换个方式问
    • 连续听不懂时，给出选项
    • 实在不行，引导用户打开App操作

步骤4：「民族图鉴」Skill设计

讲完了理论，我们来实际设计「民族图鉴」的Skill。

4.1 技能定位

首先明确技能的定位：

  • 定位：民族文化知识查询助手
  • 目标用户：对民族文化感兴趣的用户
  • 核心价值：快速查询56个民族的文化知识
  • 与App的关系：Skill做轻量查询，App做深度体验
4.2 意图设计

我们设计8个核心意图：

民族图鉴Skill意图设计
├── 1. 查询民族基本信息（query_ethnic_info）
│   ├── 说法："介绍一下傣族"、"我想了解藏族"、"回族是什么样的民族"
│   ├── 槽位：ethnic_name（必填）
│   └── 回复：语音播报简介 + 显示卡片 + "查看详情"按钮
│
├── 2. 查询民族人口（query_ethnic_population）
│   ├── 说法："壮族有多少人口"、"苗族有多少人"
│   ├── 槽位：ethnic_name（必填）
│   └── 回复：语音播报人口数据
│
├── 3. 查询民族节日（query_ethnic_festival）
│   ├── 说法："傣族有什么传统节日"、"藏族的节日"
│   ├── 槽位：ethnic_name（必填）
│   └── 回复：语音播报主要节日 + 简单介绍
│
├── 4. 查询民族习俗（query_ethnic_custom）
│   ├── 说法："蒙古族有什么风俗习惯"、"彝族的习俗"
│   ├── 槽位：ethnic_name（必填）
│   └── 回复：语音播报主要习俗
│
├── 5. 今日民族推荐（daily_recommendation）
│   ├── 说法："今天推荐哪个民族"、"今日民族"、"每天一个民族"
│   ├── 槽位：无
│   └── 回复：推荐一个民族 + 简介 + "查看详情"按钮
│
├── 6. 知识问答（ethnic_quiz）
│   ├── 说法："考我一个民族知识题"、"民族知识问答"
│   ├── 槽位：quiz_category（可选）
│   └── 回复：出题 + 用户回答后判断对错
│
├── 7. 打开App页面（open_app_page）
│   ├── 说法："打开民族图鉴看傣族"、"在民族图鉴里搜索藏族"
│   ├── 槽位：ethnic_name（必填）
│   └── 回复："好的，正在为你打开" → 跳转到App对应页面
│
└── 8. 帮助（help）
    ├── 说法："你能做什么"、"帮助"、"怎么用"
    ├── 槽位：无
    └── 回复：介绍技能功能，给出示例说法
4.3 槽位设计

自定义槽位：民族名称（ethnic_name）

槽位值：56个民族的名称，以及常见的别名/简称。

槽位值 别名/同义词
汉族 汉人、华夏族
壮族 壮族
回族 回民、回族
苗族 苗族
维吾尔族 维吾尔、维族
藏族 藏、藏族
…… ……

自定义槽位：信息类型（info_type）

槽位值 同义词
节日 传统节日、节日有哪些
习俗 风俗习惯、习俗是什么
人口 人口数量、有多少人
饮食 吃什么、特色美食
服饰 穿什么、传统服装
建筑 住什么、传统民居
4.4 对话流设计

我们以"查询民族信息"为例，设计对话流：

用户发起查询
    │
    ├─► 用户说了民族名称？
    │   ├─ 是 ──► 直接回答
    │   └─ 否 ──► 追问："你想了解哪个民族呢？"
    │                   │
    │                   └─► 用户回答民族名 ──► 回答
    │
    └─► 用户指定了信息类型？
        ├─ 是 ──► 回答该类型的信息
        └─ 否 ──► 回答基本简介 + 询问"还想了解哪方面？"

示例对话1（完整信息，单轮）：

用户：“傣族的传统节日是什么？”
系统：“傣族的传统节日有泼水节、关门节、开门节等。其中最著名的是泼水节，一般在公历4月中旬举行，人们通过泼水来祈福。”

示例对话2（缺民族，多轮）：

用户：“传统节日有哪些？”
系统：“你想了解哪个民族的传统节日呢？”
用户：“傣族的”
系统：“傣族的传统节日有泼水节、关门节、开门节等……”

示例对话3（模糊查询，多轮澄清）：

用户：“我想了解一个少数民族”
系统：“中国有55个少数民族，你想了解哪一个呢？可以告诉我民族名称，或者我给你推荐一个？”
用户：“你推荐一个吧”
系统：“好的，今天给你推荐傣族……”

步骤5：Skill与App的联动

Skill不是孤立的，它应该和App形成联动。Skill做轻量入口，App做深度体验。

5.1 联动的方式

Skill和App的联动主要有几种方式：

联动方式 说明 适用场景
deeplink跳转 Skill回复中带链接，点击跳转到App指定页面 查看详情、深度操作
语音打开App 用户语音指令直接打开App “打开民族图鉴”
语音操作App App内集成语音，用语音操作App内部功能 App内的语音控制
数据互通 Skill和App共享用户数据 收藏、历史记录同步
5.2 deeplink跳转实现

deeplink是最常用的联动方式。

原理：

  1. App配置deeplink scheme，如 ethnicbook://
  2. Skill的回复卡片中携带deeplink链接，如 ethnicbook://detail?ethnic=dai
  3. 用户点击卡片，系统根据deeplink打开App的指定页面

App端配置deeplink：

在 module.json5 中配置：

{
  "module": {
    "abilities": [
      {
        "name": "EntryAbility",
        "skills": [
          {
            "entities": ["entity.system.home"],
            "actions": ["action.system.home"]
          },
          {
            "entities": ["entity.system.browsable"],
            "actions": ["action.system.view"],
            "uris": [
              {
                "scheme": "ethnicbook",
                "host": "detail",
                "path": ""
              }
            ]
          }
        ]
      }
    ]
  }
}

App端接收deeplink参数：

在Ability中接收参数并跳转：

// EntryAbility.ets
import AbilityConstant from '@ohos.app.ability.AbilityConstant';
import UIAbility from '@ohos.app.ability.UIAbility';
import Want from '@ohos.app.ability.Want';

export default class EntryAbility extends UIAbility {
  onCreate(want: Want, launchParam: AbilityConstant.LaunchParam): void {
    // 检查是否是deeplink唤起
    if (want.uri) {
      this.handleDeepLink(want.uri);
    }
  }

  private handleDeepLink(uri: string): void {
    // 解析uri，如 ethnicbook://detail?ethnic=dai
    const url = new URL(uri);
    const path = url.pathname;
    const params = url.searchParams;
    
    if (path === '/detail' || path === 'detail') {
      const ethnicName = params.get('ethnic');
      if (ethnicName) {
        // 保存参数，等页面加载后跳转
        AppStorage.setOrCreate('deepLinkEthnic', ethnicName);
      }
    }
  }
}

首页检查deeplink并跳转：

// Index.ets
@Entry
@Component
struct Index {
  @StorageLink('deepLinkEthnic') deepLinkEthnic: string = '';

  aboutToAppear(): void {
    if (this.deepLinkEthnic) {
      // 跳转到对应民族详情页
      this.navigateToDetail(this.deepLinkEthnic);
      // 清空，避免重复跳转
      AppStorage.setOrCreate('deepLinkEthnic', '');
    }
  }
}
5.3 语音打开App

用户可以直接说"打开民族图鉴"来启动App。这个是系统默认支持的，只要App安装了就能用。

但如果想让语音指令更丰富，比如：

  • “打开民族图鉴看傣族” → 直接跳转到傣族详情页
  • “打开民族图鉴的音乐页面” → 直接跳转到音乐页

就需要配置deeplink + Skill意图来实现。

5.4 App内集成语音

除了通过小艺助手使用Skill，还可以在App内部集成语音交互能力。这样用户在App内也能用语音操作。

App内集成语音的场景：

  • 搜索页面：语音搜索民族
  • 详情页面：语音播报介绍
  • 问答页面：语音提问

实现方式：

  • 使用HarmonyOS的语音识别API（ASR）
  • 使用TTS API做语音合成
  • 可以接入小艺的语音能力，也可以用第三方SDK

对于「民族图鉴」，我们已经有了TTS语音播报功能（第22篇）。后续可以增加语音搜索功能——用户点击搜索框的麦克风按钮，说话就能搜索民族。

步骤5.5：Skill技能的设计原则与开发规范

在开始动手开发之前，我们需要先明确Skill的设计原则和开发规范。好的设计是成功的一半。

设计原则

原则1：单一职责原则（Single Responsibility）

一个Skill只做一件事，把这件事做好。

  • ❌ 不好：一个Skill既做问答，又做翻译，还做推荐
  • ✅ 好：问答Skill专注问答，翻译Skill专注翻译，推荐Skill专注推荐

为什么？

  • 职责单一，更容易理解和维护
  • 更容易被系统发现和调用
  • 可以灵活组合，完成复杂任务
  • 出问题时更容易定位和修复

原则2：可组合原则（Composable）

Skill要设计成可以组合使用的"积木块"。

可组合的设计要点：

  1. 输入输出标准化：统一的接口格式，方便互相调用
  2. 无状态或状态可控：不依赖外部状态，或者状态可以传入
  3. 粒度适中：太大不好组合，太小组合成本高
  4. 错误处理完善：失败了能优雅降级，不影响整体

「民族图鉴」的Skill组合示例：

用户："用傣语说一句泼水节快乐，再翻译给我听"
    │
    ├─ 第一步：翻译Skill（中文 → 傣语）
    ├─ 第二步：TTS Skill（文字 → 语音播报）
    └─ 第三步：讲解Skill（解释泼水节的含义）

原则3：用户价值优先（User Value First）

做Skill不是为了"炫技"，而是为了给用户创造价值。

判断一个Skill值不值得做的三个问题：

  1. 用户真的需要这个功能吗？（需求真实吗？）
  2. 用语音/AI方式做，比传统方式更好吗？（体验提升了吗？）
  3. 成本和收益成正比吗？（ROI合理吗？）

「民族图鉴」的Skill优先级判断：

  • ✅ 民族问答：需求真实，语音方式更便捷，ROI高 → 优先做
  • ⚠️ 民族翻译：需求有，但使用频率可能不高 → 其次做
  • ❌ 民族服饰3D试穿：听起来酷，但技术难度大、使用场景少 → 暂缓

原则4：渐进式增强（Progressive Enhancement）

从简单的开始，逐步增强能力，不要追求一步到位。

渐进式路线：

  1. MVP版本：只做最核心的1~2个功能
  2. 迭代优化：根据用户反馈，逐步增加功能
  3. 能力扩展：从单轮对话到多轮对话，从语音到多模态
  4. 智能化升级：从规则匹配到模型驱动

「民族图鉴」的Skill演进路线：

  • V1.0：固定问答（FAQ），只能问预设的问题
  • V2.0：单轮对话，支持槽位填充和追问
  • V3.0：多轮对话，支持上下文理解
  • V4.0：Agent化，能理解复杂需求、调用多个Skill
开发规范

规范1：命名规范

类型 命名规则 示例
Skill名称 产品名 + 功能 + Skill 民族图鉴问答Skill
意图名称 动词_名词 query_ethnic_info
槽位名称 名词_属性 ethnic_name
调用名 简短、易发音 民族图鉴

规范2：话术规范

  • 语音回复控制在30秒以内
  • 口语化，避免书面语和专业术语
  • 重要信息放在前面
  • 结尾可以引导用户下一步操作

规范3：错误处理规范

  • 必须有兜底回复，不能让用户听到"错误"、"异常"之类的话
  • 听不懂时，先换个方式问，再引导到App
  • 服务异常时，礼貌告知"稍后再试"

规范4：安全与隐私规范

  • 不收集不必要的用户数据
  • 敏感数据必须脱敏处理
  • 对话日志加密存储
  • 遵守相关法律法规

步骤5.7：Agent智能体的工作原理

前面我们多次提到Agent，现在来深入了解一下Agent的工作原理。理解了Agent，你就能理解AI原生应用的未来方向。

Agent是什么？

Agent（智能体） 是一个具有自主决策能力的智能实体，它能理解用户意图、规划任务、调用工具、并最终完成用户交给它的任务。

Agent vs 传统App vs Skill：

维度 传统App Skill Agent
交互方式 触控操作 语音问答 自然语言对话
主动性 被动等待用户操作 被动响应提问 主动提供服务
任务复杂度 简单、固定 单一任务 复杂、多变
学习能力 没有 弱 强，能持续学习
扩展性 需要发版 需要配置 可以自主学习新技能

简单理解：

  • App：工具，你用它做事
  • Skill：技能，它帮你做一件事
  • Agent：助手，它理解你的需求，帮你把事情做好
Agent的工作流程

Agent的工作流程可以概括为四步循环：

┌─────────────────────────────────────────────────┐
│                                                  │
│   ① 意图识别 ──► ② 任务规划 ──► ③ 工具调用       │
│        ▲                                        │
│        │                                        │
│        └────────── ④ 结果生成 ◄─────────┘       │
│                                                  │
│                    ↕ 反馈循环                     │
│                  用户反馈                         │
└─────────────────────────────────────────────────┘

下面我们详细讲解每一步。

第一步：意图识别（Intent Recognition）

目标：理解用户到底想做什么。

输入：用户的自然语言（语音、文字、图片等）
输出：结构化的意图 + 关键信息（槽位）

意图识别的过程：

  1. 预处理：语音转文字、纠错、标准化
  2. 分类：判断属于哪个意图类别
  3. 槽位填充：抽取关键信息
  4. 置信度评估：判断识别结果有多靠谱

示例：

用户说：“我想了解一下傣族的传统节日”

  • 意图：查询民族节日（query_ethnic_festival）
  • 槽位：ethnic_name = “傣族”
  • 置信度：0.95（很有把握）
第二步：任务规划（Task Planning）

目标：把用户的需求拆解成可执行的步骤。

什么时候需要规划？

  • 简单任务：不需要规划，直接调用对应的Skill
  • 复杂任务：需要拆解成多个步骤，依次执行

规划的方法：

  1. 基于规则的规划：预定义好的流程，适合固定场景
  2. 基于模型的规划：大模型自己规划，适合复杂场景
  3. 混合模式：简单的用规则，复杂的用模型

「民族图鉴」Agent规划示例：

用户需求：“我要做一个关于傣族文化的PPT，帮我收集一下资料”

Agent的规划：

任务：收集傣族文化资料，用于PPT
    │
    ├─ 步骤1：收集傣族基本信息（调用：民族问答Skill）
    ├─ 步骤2：收集傣族节日资料（调用：节日查询Skill）
    ├─ 步骤3：收集傣族服饰资料（调用：服饰查询Skill）
    ├─ 步骤4：收集傣族美食资料（调用：美食查询Skill）
    ├─ 步骤5：查找相关图片（调用：图片搜索Skill）
    └─ 步骤6：整理成PPT大纲格式（调用：内容生成Skill）
第三步：工具调用（Tool Use）

目标：调用合适的工具/Skill，执行具体的任务。

工具调用的关键问题：

  1. 选哪个工具？：根据任务选择最合适的Skill
  2. 怎么传参数？：把槽位和上下文整理成工具需要的格式
  3. 失败了怎么办？：重试？换个工具？告诉用户？
  4. 结果怎么处理？：直接返回？还是再加工一下？

工具调用的过程：

选择工具 → 准备参数 → 调用工具 → 处理结果 → 判断是否需要更多工具
     ↑                                                    │
     └──────────────── 循环直到任务完成 ───────────────────┘

「民族图鉴」工具调用示例：

任务：查询傣族的节日
    │
    ├─ 选择工具：节日查询Skill
    ├─ 传入参数：ethnic_name = "傣族"
    ├─ 调用Skill，获取结果
    ├─ 结果处理：整理成自然语言
    └─ 判断：信息足够了，不需要再调用其他工具
第四步：结果生成（Result Generation）

目标：把工具返回的结果，整理成用户能理解的自然语言。

结果生成的原则：

  1. 准确：信息要准确，不能出错
  2. 简洁：不要太啰嗦，重点突出
  3. 自然：像人说话一样，不要太机械
  4. 有用：给出的信息对用户有价值
  5. 引导：可以引导用户下一步操作

不好的回复 vs 好的回复：

不好的回复 好的回复
“查询结果：傣族节日有泼水节、关门节、开门节。” “傣族的传统节日可多啦~ 最有名的是泼水节，每年4月中旬举行，大家通过泼水来祈福。还有关门节、开门节等佛教节日。想了解哪个节日的详细介绍吗？”
Agent的记忆系统

要让Agent"聪明"，它需要有记忆。记不住之前说过什么，就没法进行连贯的多轮对话。

记忆的三个层次：

层次 说明 作用 「民族图鉴」示例
短期记忆 当前对话的上下文 多轮对话理解 上一轮聊的是傣族，这一轮说"他们的节日"能理解是傣族的节日
中期记忆 用户的偏好和习惯 个性化推荐 用户经常看西南地区的民族，就多推荐相关内容
长期记忆 用户的历史数据 持续学习和优化 用户的收藏、学习记录、历史对话

记忆管理的要点：

  1. 记忆不是越多越好：有用的才记，没用的忘了也没关系
  2. 记忆有时效性：太久远的记忆优先级降低
  3. 记忆可更新：用户的偏好会变，记忆也要跟着更新
  4. 记忆要安全：用户的隐私数据要保护好

步骤5.8：多模态交互

语音只是AI交互的一种方式。真正的AI原生应用，应该支持多模态交互——语音、文字、图像、手势，用户想用哪种就用哪种。

什么是多模态交互？

模态（Modality） 就是信息的传递方式。多模态，就是多种信息传递方式一起用。

常见的交互模态：

模态 说明 输入/输出 「民族图鉴」场景
语音 说话和听 输入+输出 语音提问、语音播报
文字 打字和阅读 输入+输出 文字搜索、文字介绍
图像 拍照和看图 输入+输出 拍照识服饰、图片展示
手势 手势操作 输入 手势翻页、手势控制
视频 视频通话/录制 输入+输出 视频讲解、AR体验

多模态的核心思想：

  • 用户选择：用户想用什么方式就用什么方式
  • 场景适配：不同场景用最合适的模态
  • 无缝切换：各种模态之间可以无缝切换
  • 互相补充：一种模态说不清楚的，用另一种补充
多模态交互的应用场景

场景1：早上起床，眼睛还睁不开

  • 语音交互最方便：“小艺，今天推荐哪个民族？”
  • 不用看手机，听就行了

场景2：在公交车上，太吵了听不清

  • 文字交互更合适：打开App，文字搜索
  • 或者看卡片展示的内容

场景3：看到一件漂亮的民族服饰，想知道是哪个民族的

  • 图像交互最直接：拍张照，AI识别
  • 比打字描述方便多了

场景4：做饭，手上沾着面

  • 语音+手势：语音提问，手势翻页
  • 不用碰手机
「民族图鉴」的多模态设计

输入侧（用户→AI）：

模态 功能 实现方式
语音 语音提问、语音搜索 小艺Skill + App内语音识别
文字 文字搜索、文字对话 搜索框 + 聊天页面
图像 拍照识别民族服饰 调用视觉AI能力
扫码 扫码看民族介绍 扫描民族文化卡片上的二维码

输出侧（AI→用户）：

模态 功能 实现方式
语音 语音播报、语音回答 TTS语音合成
文字 文字介绍、文字回答 文本展示
图片 民族图片、文物图片 图片展示 + 图片超分
音频 民族音乐、歌曲 音乐播放器
视频 民族纪录片、介绍视频 视频播放器

多模态协同的例子：

用户用语音问：“傣族的泼水节是什么样的？”

  • 语音输出：“泼水节是傣族最隆重的节日，一般在4月中旬举行……”
  • 文字输出：同步显示文字介绍
  • 图片输出：展示泼水节的精美图片
  • 视频输出：如果有相关视频，也可以推荐

用户用图片问：“这件衣服是哪个民族的？”（拍照上传）

  • 图像识别：识别出是苗族服饰
  • 语音输出：“这是苗族的传统服饰哦~ 苗族服饰非常精美，以银饰和刺绣闻名……”
  • 文字+图片：展示更多苗族服饰的图片和介绍

步骤5.9：对话管理与上下文理解

多轮对话是AI交互的高级形式。要让对话自然流畅，对话管理和上下文理解是关键。

什么是对话管理？

对话管理（Dialog Management） 就是控制对话流程的技术——决定什么时候说什么、什么时候追问、什么时候结束。

对话管理的核心任务：

  1. 状态跟踪：记住对话进行到哪一步了
  2. 行为决策：决定下一步该做什么（回答？追问？确认？）
  3. 错误恢复：用户说的话听不懂时，怎么拉回来
  4. 策略优化：怎么说用户体验最好
上下文理解的难点

上下文理解说起来简单，做起来难。难在哪呢？

难点1：指代消解

“它”、“他”、“她”、“这个”、“那个”、“他们”……这些指代词，人很容易理解，但AI不一定。

示例：

用户：“介绍一下傣族”
AI：“傣族是中国的少数民族之一……”
用户：“他们的传统节日有哪些？”
👉 难点："他们"指谁？—— 傣族

难点2：省略理解

人说话经常会省略，AI要能"脑补"出省略的部分。

示例：

用户：“藏族的人口有多少？”
AI：“藏族约有706万人……”
用户：“蒙古族呢？”
👉 难点：“蒙古族呢？” = “蒙古族的人口有多少呢？”

难点3：话题切换

用户可能聊着聊着就换话题了，AI要能跟上。

示例：

用户：“傣族的泼水节是什么时候？”
AI：“一般在公历4月中旬……”
用户：“对了，蒙古族的那达慕大会呢？”
👉 难点：用户从傣族跳到蒙古族了，要能跟上

上下文理解的实现方法

方法1：基于规则的方法

人工定义各种规则，比如：

  • 如果用户说"他/她/它/他们"，就指代上一轮提到的实体
  • 如果用户说"XX呢？"，就用上一轮的问题模板替换实体
  • 如果用户说"对了/话说回来"，可能是要换话题

优点：简单、可控、准确
缺点：不够灵活，覆盖不了所有情况

方法2：基于模型的方法

用大模型来理解上下文，把整个对话历史都传给模型，让模型自己判断。

优点：灵活、智能、覆盖广
缺点：有时候会"脑补"错，不够可控，成本高

方法3：混合方法（推荐）

简单的用规则，复杂的用模型，两者结合。

  • 规则处理常见情况，保证准确性
  • 模型处理复杂情况，保证灵活性
  • 规则兜底，模型增强
对话管理的最佳实践

实践1：设定清晰的对话目标

每一段对话都要有明确的目标，不要东拉西扯。

  • 目标明确：用户想查傣族的节日 → 查到就结束
  • 目标模糊：用户说"随便聊聊" → 引导到具体功能

实践2：控制对话长度

能一轮解决的，不要用两轮；能三轮解决的，不要用五轮。

  • 对话太长，用户会不耐烦
  • 每多一轮，用户流失率就增加一分

实践3：给出明确的引导

用户不知道该说什么的时候，给点提示。

  • “你可以问我节日、习俗、人口等问题哦~”
  • “想了解哪个民族？傣族、藏族、还是蒙古族？”

实践4：优雅地处理失败

听不懂的时候，不要说"我听不懂"，要说：

  • “抱歉，我没太听清，能再说一遍吗？”
  • “你可以试试问XX、XX或XX”
  • “这个问题我暂时回答不了，你可以打开App查看更多内容”

步骤6：多轮对话设计

多轮对话是提升语音交互体验的关键。设计好多轮对话，能让用户感觉"这个助手很聪明"。

6.1 上下文理解

多轮对话的核心是上下文理解——系统要记得之前的对话内容。

示例：

用户：“傣族的传统节日是什么？”
系统：“傣族的传统节日有泼水节、关门节、开门节……”
用户：“那他们的习俗呢？” → 这里的"他们"指傣族，系统要能理解
系统：“傣族的主要习俗有……”

上下文管理的要点：

  1. 记住关键槽位：上一轮提到的民族名称，下一轮可以继续用
  2. 支持指代消解："他/她/它/这个/那个/他们"等指代，要能正确理解
  3. 支持省略说法：“那习俗呢？” = “那傣族的习俗呢？”
  4. 上下文有有效期：太久远的上下文就不要了，避免混淆
6.2 追问澄清的艺术

追问是门艺术——问得好，用户觉得贴心；问得不好，用户觉得麻烦。

追问设计的原则：

  1. 能不问就不问

    • 能从上下文推断的，就不要问
    • 能给默认值的，就不要问
    • 能猜的，先猜，猜错了再纠正

  2. 一次只问一个问题

    • 不要同时问多个问题，用户记不住
    • “你想了解哪个民族的哪方面信息？” → 不好，两个问题
    • 先问"你想了解哪个民族？“，再问"你想了解哪方面？” → 好，分步来

  3. 给出选项

    • 开放式问题用户不知道怎么答
    • 给出选项，用户更容易回答
    • “你想了解哪个民族？傣族、藏族、还是其他？” → 比开放式好

  4. 追问话术要自然

    • 不要太机械、太生硬
    • 可以有一些变化，不要每次都一模一样

不好的追问 vs 好的追问：

不好的追问 好的追问
“请输入民族名称” “你想了解哪个民族呢？”
“参数缺失：ethnic_name” “我没听清是哪个民族，能再说一遍吗？”
“你想了解什么信息？” “你想了解这个民族的哪方面？节日、习俗、还是饮食？”
6.3 错误处理与兜底

用户不会总是按照我们设计的来说话。当系统听不懂的时候，怎么处理？

错误处理的层级：

用户说话
    │
    ├─► 能匹配到意图？
    │   ├─ 是 ──► 正常处理
    │   └─ 否 ──► 尝试模糊匹配
    │              │
    │              ├─ 模糊匹配成功？
    │              │   ├─ 是 ──► 确认："你是想了解XX吗？"
    │              │   └─ 否 ──► 换个方式问
    │              │
    │              └─ 还是不懂？
    │                   ├─ 第一次："没太听懂，能换个说法吗？"
    │                   ├─ 第二次："你可以试试问XX、XX或XX"
    │                   └─ 第三次："抱歉，这个我还不太会。你可以打开App查看更多内容。"
    │
    └─► 服务异常？
        └─ 是 ──► "抱歉，服务暂时不可用，请稍后再试。"

兜底策略：

  1. 引导到App：Skill处理不了的，引导用户打开App
  2. 给出示例：告诉用户可以问什么
  3. 保持礼貌：即使听不懂，也要友好
  4. 不要死循环：连续几次听不懂，就不要追问了

步骤7：实战——接入小艺技能

讲了这么多理论，我们来看看实际怎么开发。由于Skill开发主要是在华为的技能开发平台上操作（拖拽式配置 + 后端服务），我们重点讲思路和架构。

7.1 技术架构

「民族图鉴」Skill的技术架构：

用户 → 小艺助手 → 技能平台 → 我们的后端服务
                              │
                              ├─ 意图处理逻辑
                              ├─ 民族数据查询
                              ├─ 回复内容生成
                              └─ 返回给技能平台

两种开发模式：

模式 说明 适用场景
问答式（FAQ） 平台内置的问答功能，配置问题和答案 简单的固定问答
自定义服务 自己开发后端服务，处理请求并返回回复 复杂的逻辑、动态数据

对于「民族图鉴」，因为有56个民族的数据，而且回复内容需要动态生成，所以应该用自定义服务模式。

7.2 后端服务开发

后端服务的核心工作：

  1. 接收技能平台的请求（JSON格式）
  2. 解析意图和槽位
  3. 查询民族数据
  4. 生成回复内容（语音文本 + 卡片信息）
  5. 返回给技能平台

请求示例（简化版）：

{
  "intent": "query_ethnic_festival",
  "slots": {
    "ethnic_name": {
      "value": "傣族",
      "confidence": 0.95
    }
  },
  "session_id": "xxx",
  "request_id": "yyy"
}

回复示例（简化版）：

{
  "reply": "傣族的传统节日有泼水节、关门节、开门节等。其中最著名的是泼水节，一般在公历4月中旬举行，人们通过泼水来祈福。",
  "card": {
    "title": "傣族 · 传统节日",
    "subtitle": "泼水节、关门节、开门节",
    "image_url": "https://xxx/dai.jpg",
    "buttons": [
      {
        "text": "查看详情",
        "url": "ethnicbook://detail?ethnic=dai"
      }
    ]
  }
}
7.3 民族数据接口

我们需要提供几个API接口：

// 民族数据服务
interface EthnicSkillService {
  // 查询民族基本信息
  getEthnicInfo(ethnicName: string): EthnicInfo;
  
  // 查询民族人口
  getEthnicPopulation(ethnicName: string): PopulationData;
  
  // 查询民族节日
  getEthnicFestivals(ethnicName: string): FestivalData[];
  
  // 查询民族习俗
  getEthnicCustoms(ethnicName: string): CustomData[];
  
  // 获取今日推荐
  getDailyRecommendation(): EthnicInfo;
  
  // 获取一道问答题
  getQuizQuestion(category?: string): QuizQuestion;
}

数据来源：

  • 可以复用「民族图鉴」App已有的数据源
  • 如果App的数据是本地的，需要在后端也部署一份
  • 或者让后端调用App的服务端接口（如果有的话）

对于「民族图鉴」目前的Mock数据，可以：

  • 把Mock数据部署到后端
  • 或者把Mock数据转换为FAQ形式，直接在技能平台配置（初期可以用这种方式快速验证）
7.4 回复内容设计

回复内容的设计很重要，直接影响用户体验。

语音回复的设计原则：

  1. 简洁：语音是线性的，太长用户记不住

    • 控制在30秒以内
    • 重点信息放在前面
    • 复杂信息引导用户看卡片或打开App

  2. 口语化：像人说话一样，不要太书面

    • “傣族的人口约有1329万人” → 好
    • “根据第六次人口普查数据显示，傣族人口数量为1329985人” → 太书面

  3. 有温度：适当加入一些语气词

    • “好的"、"没错”
    • 但不要太多，显得不专业

卡片回复的设计原则：

  1. 信息精炼：卡片空间有限，只放最核心的信息
  2. 视觉美观：配图 + 清晰的排版
  3. 行动按钮：提供"查看详情"等按钮，引导用户到App

步骤8：「民族图鉴」AI技能设计全景

前面我们讲了很多理论，现在来系统地设计一下「民族图鉴」的AI技能体系。我们要做哪些Skill？每个Skill做什么？怎么做？

技能体系总览

「民族图鉴」的AI技能分为四大类，共8个核心Skill：

「民族图鉴」AI技能体系
├── 问答类Skill
│   ├── 民族问答Skill：回答民族文化相关问题
│   └── 知识问答Skill：民族知识答题、考试
│
├── 工具类Skill
│   ├── 民族翻译Skill：少数民族语言翻译
│   └── 民族讲解Skill：语音讲解、导览
│
├── 推荐类Skill
│   ├── 今日民族Skill：每日推荐一个民族
│   └── 个性化推荐Skill：根据用户兴趣推荐
│
└── 操作类Skill
    ├── 打开App Skill：语音打开App指定页面
    └── 分享Skill：分享民族内容

下面我们详细设计其中最重要的4个Skill。

8.1 民族问答Skill

定位：最核心的Skill，回答用户关于民族文化的各种问题。

核心能力：

  • 支持56个民族的基本信息查询
  • 支持节日、习俗、饮食、服饰、建筑等分类查询
  • 支持多轮对话和上下文理解
  • 支持模糊查询和纠错

意图设计（12个核心意图）：

意图名称 说明 核心槽位
query_ethnic_info 查询民族基本信息 ethnic_name（必填）
query_ethnic_population 查询民族人口 ethnic_name（必填）
query_ethnic_festival 查询民族节日 ethnic_name（必填）
query_ethnic_custom 查询民族习俗 ethnic_name（必填）
query_ethnic_food 查询民族饮食 ethnic_name（必填）
query_ethnic_clothing 查询民族服饰 ethnic_name（必填）
query_ethnic_architecture 查询民族建筑 ethnic_name（必填）
query_ethnic_history 查询民族历史 ethnic_name（必填）
query_ethnic_language 查询民族语言 ethnic_name（必填）
query_ethnic_region 查询民族分布地区 ethnic_name（必填）
search_ethnic 搜索民族（模糊） keyword（必填）
help 帮助/你能做什么 无

典型对话示例：

用户：傣族的传统节日有哪些？
AI：傣族的传统节日可丰富了~ 最有名的是泼水节，每年4月中旬举行，人们通过泼水来祈福。还有关门节、开门节、花街节等。想详细了解哪个节日呢？

用户：泼水节是怎么来的？
AI：关于泼水节的由来，有一个美丽的传说……（讲述传说）想了解更多傣族文化吗？

用户：他们平时吃什么？
（系统理解"他们"指傣族）
AI：傣族的饮食很有特色，主食是大米，喜欢吃糯米。特色美食有菠萝饭、竹筒饭、酸笋、香茅草烤鱼…… 要不要打开App看看详细的美食介绍？
8.2 民族翻译Skill

定位：少数民族语言翻译工具，帮助用户了解和学习少数民族语言。

核心能力：

  • 支持常用少数民族语言和汉语的互译
  • 支持语音翻译（说汉语，翻成民族语；说民族语，翻成汉语）
  • 支持常用语、日常对话翻译
  • 可以朗读翻译结果

支持的语言（初期）：

  • 藏语、维吾尔语、蒙古语、壮语、朝鲜语
  • 后续逐步增加更多民族语言

意图设计：

意图名称 说明 槽位
translate_text 翻译文字 source_lang, target_lang, text
translate_voice 语音翻译 source_lang, target_lang
daily_phrases 常用语/日常对话 language, category
learn_language 学习语言 language, level

典型对话示例：

用户：用藏语说"你好"怎么说？
AI：藏语的"你好"读作"扎西德勒"（Tashi Delek），也是吉祥如意的意思~ 要听发音吗？

用户："谢谢"用蒙古语怎么说？
AI：蒙古语的"谢谢"是"bayarllaa"，读作"巴亚尔拉拉"。还有什么想翻译的吗？

用户：我想学几句维吾尔语日常对话
AI：好呀~ 我教你几句常用的维吾尔语对话。第一句："你好"——"亚克西姆塞斯"……
8.3 民族推荐Skill

定位：个性化推荐引擎，根据用户兴趣推荐民族文化内容。

核心能力：

  • 每日推荐一个民族（今日民族）
  • 根据用户阅读历史推荐
  • 根据用户收藏推荐
  • 根据用户所在地区推荐当地民族
  • 可以按类别推荐（节日、美食、服饰等）

意图设计：

意图名称 说明 槽位
daily_recommendation 今日民族推荐 无
recommend_ethnic 推荐民族 category（可选）
recommend_similar 推荐相似的 ethnic_name（可选）
surprise_me 随便推荐一个 无

推荐策略：

  1. 冷启动：新用户先推荐知名度高的（汉族、壮族、藏族、蒙古族等）
  2. 基于内容：根据用户看过的民族，推荐相似的（如同地区、同语系）
  3. 基于行为：根据用户的收藏、分享、阅读时长判断兴趣
  4. 多样性：不要总是推荐同一类，保持新鲜感

典型对话示例：

用户：今天推荐哪个民族？
AI：今天给你推荐「纳西族」~ 纳西族主要分布在云南丽江，有着古老的东巴文化和美丽的丽江古城。想了解更多吗？

用户：再推荐一个
AI：那给你推荐「朝鲜族」吧~ 朝鲜族能歌善舞，美食也很多，比如冷面、泡菜、打糕…… 你之前收藏过朝鲜族的服饰，应该会感兴趣吧？

用户：有没有什么比较小众的民族？
AI：那我推荐一个你可能没怎么听说过的——「独龙族」。独龙族是中国人口最少的民族之一，主要生活在云南独龙江流域，有着独特的纹面文化……
8.4 民族讲解Skill

定位：语音讲解助手，像导游一样为用户讲解民族文化知识。

核心能力：

  • 语音讲解民族介绍
  • 支持不同长度的讲解（简版/详版）
  • 支持专题讲解（节日专题、服饰专题等）
  • 可以随时暂停、继续、提问

意图设计：

意图名称 说明 槽位
tell_me_about 给我讲讲XX ethnic_name（必填）
explain_topic 讲解某个主题 topic（必填）
continue 继续讲 无
go_deeper 详细讲讲 无
skip 跳过/下一个 无

讲解模式：

  1. 故事模式：像讲故事一样讲，生动有趣
  2. 知识模式：系统化讲解，信息量大
  3. 问答模式：边讲边问，互动性强
  4. 快速模式：简要介绍，30秒搞定

典型对话示例：

用户：给我讲讲藏族吧
AI：好的~ 藏族是中国一个古老而神秘的民族，主要分布在西藏、青海、四川等地。藏族有着灿烂的文化，比如藏传佛教、唐卡、藏戏……（简短介绍）
要详细了解藏族的文化吗？还是想了解某个方面？

用户：详细讲讲他们的文化
AI：好的~ 藏族文化非常丰富，主要包括这几个方面：
第一，宗教文化。藏传佛教对藏族影响深远……
第二，艺术文化。唐卡、藏戏、锅庄舞……
第三，建筑文化。布达拉宫、大昭寺……
（边讲边问）对哪方面最感兴趣呀？

用户：唐卡
AI：你真有眼光~ 唐卡是藏族特有的绘画艺术，被称为"藏文化的百科全书"。唐卡的题材很广泛，有宗教故事、历史人物、医学、天文……
想知道唐卡是怎么画出来的吗？

步骤9：Skill的发布与上架

Skill开发完成后，需要发布和上架，用户才能用。让我们来了解一下完整的发布流程。

发布前的检查清单

在提交审核之前，先对照这个清单检查一遍：

功能检查：

  • 所有意图都能正确触发
  • 所有槽位都能正确填充
  • 多轮对话流程顺畅
  • 错误处理和兜底回复正常
  • deeplink跳转正常
  • 卡片展示正常

体验检查：

  • 语音回复自然流畅，不机械
  • 回复长度合适（30秒以内）
  • 追问话术自然，不生硬
  • 错误回复友好
  • 有引导用户下一步操作

合规检查：

  • 内容合规，没有违法违规内容
  • 隐私政策完善
  • 没有收集不必要的用户数据
  • 符合相关法律法规
  • 图标、名称符合设计规范
提交流程

第一步：完善技能信息

在技能开发平台填写完整的技能信息：

  • 技能名称、调用名、图标
  • 技能简介、详细描述
  • 功能列表、使用示例
  • 分类、标签
  • 隐私政策、服务协议

第二步：提交测试报告

  • 测试用例和测试结果
  • 典型对话示例
  • 边界情况处理说明
  • 兼容性说明

第三步：提交审核

  • 选择审核版本
  • 填写审核说明
  • 上传测试账号（如果需要）
  • 提交审核

第四步：等待审核结果

  • 审核周期：通常3~5个工作日
  • 如果通过：恭喜，可以上架了
  • 如果被驳回：根据反馈修改，重新提交
常见拒审原因与对策
拒审原因 说明 对策
功能无法使用 提交的Skill无法正常工作 上线前充分测试，确保所有功能正常
内容违规 包含违法违规或敏感内容 严格审核内容，遵守相关规定
描述不符 实际功能和描述不一样 如实描述，不夸大、不误导
体验太差 经常听不懂、答非所问 优化模型，增加训练数据，完善兜底
隐私问题 违规收集用户数据 遵守隐私政策，只收集必要的数据
稳定性差 经常出错、崩溃 完善错误处理，保证服务稳定
上架后的运营

上架不是结束，而是开始。上架后还需要持续运营和优化。

数据监控：

  • 调用次数：多少人在用
  • 用户留存：用户会不会回来用
  • 意图分布：用户最喜欢问什么
  • 错误率：多少时候答不上来
  • 用户反馈：好评还是差评

持续优化：

  • 分析错误案例，持续优化意图识别
  • 收集用户反馈，增加用户需要的功能
  • 优化话术，让对话更自然
  • 扩充知识库，让AI越来越聪明

版本迭代：

  • 小版本：修复Bug、优化体验
  • 中版本：增加新功能、新意图
  • 大版本：架构升级、能力跃升

步骤10：AI应用的安全与隐私保护

AI在带来便利的同时，也带来了新的安全和隐私问题。我们必须高度重视。

安全风险与防范

风险1：数据泄露

AI应用会收集和处理大量用户数据，如果保护不好，就可能泄露。

防范措施：

  • 数据最小化：只收集必要的数据，能不收集就不收集
  • 数据加密：存储加密、传输加密
  • 访问控制：严格的权限管理
  • 安全审计：记录所有数据访问，便于追溯

「民族图鉴」的做法：

  • 对话日志只保留必要的时间（如30天）
  • 用户数据匿名化处理
  • 不收集用户的真实身份信息
  • 敏感数据（如语音）本地处理，不上传

风险2：内容安全

AI生成的内容可能有问题——虚假信息、有害内容、偏见等。

防范措施：

  • 内容审核：AI生成的内容要经过审核
  • 敏感词过滤：过滤违法违规内容
  • 知识库校验：确保知识库的内容准确可靠
  • 用户举报：提供举报渠道，及时处理

「民族图鉴」的做法：

  • 民族知识来自权威来源，确保准确
  • 敏感问题有预设的安全回复
  • 不回答与民族文化无关的敏感问题
  • 引导用户通过正规渠道获取信息

风险3：越权操作

AI可能会被诱导去做一些它不该做的事情。

防范措施：

  • 权限控制：Skill能做什么、不能做什么，严格限制
  • 操作确认：重要操作需要用户确认
  • 边界清晰：明确Skill的能力边界，不越界
  • 异常检测：检测异常行为，及时干预

「民族图鉴」的做法：

  • Skill只能查询民族文化内容，不能做其他操作
  • 不访问用户的个人数据（通讯录、位置等）
  • 不执行系统级操作（打电话、发短信等）
  • 严格限制Skill的权限范围
隐私保护原则

原则1：透明原则

  • 明确告诉用户收集了什么数据、用来做什么
  • 隐私政策清晰易懂，不要用法律文书式的语言
  • 用户有权知道自己的数据被如何使用

原则2：用户控制原则

  • 用户可以选择是否开启AI功能
  • 用户可以查看、导出、删除自己的数据
  • 用户可以随时关闭数据收集

原则3：数据最小化原则

  • 只收集实现功能所必需的数据
  • 能在本地处理的，就不上传到云端
  • 数据保留时间越短越好

原则4：安全保障原则

  • 采取一切合理的安全措施保护用户数据
  • 定期进行安全审计和漏洞扫描
  • 发生数据泄露时及时通知用户
「民族图鉴」的隐私保护实践

1. 数据收集清单

数据类型 是否收集 用途 保留时间
对话内容 是（可选） 优化AI回答质量 30天
语音数据 否 - -
用户ID 是（匿名） 统计使用情况 永久（可删除）
设备信息 是 兼容性优化 永久（匿名）
位置信息 否 - -
联系方式 否 - -

2. 用户权利

  • 用户可以在设置中关闭AI功能
  • 用户可以申请删除自己的所有数据
  • 用户可以导出自己的对话历史
  • 用户可以选择是否参与数据收集

3. 技术保障

  • 端到端加密传输
  • 数据存储加密
  • 严格的内部访问权限
  • 定期安全审计

⚠️ 常见问题与解答

Q1：语音识别不准怎么办？

A：语音识别不准是语音交互的常见问题，可以从几个方面优化：

1. 优化用户说法

  • 收集更多的用户说法，覆盖不同的表达方式
  • 考虑方言口音、常见的发音错误
  • 加入同音词、近音词的匹配

2. 设计容错机制

  • 识别置信度低时，主动确认：“你是想说傣族吗？”
  • 提供纠错入口：“不对，我是说XX”
  • 连续识别失败时，引导用户用文字输入或打开App

3. 选择好的调用名

  • 调用名要容易发音，不容易和其他词混淆
  • 避免用生僻字、多音字
  • 比如"民族图鉴"就比"靺鞨文化"好识别得多

4. 提示用户怎么说

  • 在帮助信息里给出示例说法
  • 用户第一次使用时，给出引导
  • “你可以问：傣族的传统节日是什么”

Q2：意图匹配错误怎么办？

A：意图匹配错误也是常见问题。可以从这几个方面优化：

1. 增加训练数据

  • 每个意图的用户说法越多，识别越准
  • 覆盖不同的句式、不同的用词
  • 可以找人帮忙"众包"测试，收集真实说法

2. 优化意图设计

  • 意图之间的边界要清晰，不要重叠
  • 如果两个意图容易混淆，考虑合并或拆分
  • 定期分析错误案例，持续优化

3. 加入确认机制

  • 对于重要操作，即使置信度高，也可以确认
  • 置信度低时，一定要确认
  • “你是想了解傣族的节日吗？”

4. 提供反馈渠道

  • 用户可以纠正错误
  • 收集错误数据，持续优化模型

Q3：对话体验差，感觉很机械怎么办？

A：对话体验是个精细活，需要不断打磨。几个提升建议：

1. 话术多样化

  • 同一个意思，准备几种不同的说法
  • 随机选择一种，避免每次都一样
  • 比如"好的"、“没问题”、“来啦~”

2. 加入语气词

  • 适当使用"嗯"、“哦”、“呀”、"呢"等语气词
  • 但要适度，太多会显得不专业
  • 根据技能定位调整：偏活泼的可以多些，偏专业的少些

3. 控制对话轮次

  • 能一轮解决的，不要用两轮
  • 追问太多，用户会不耐烦
  • 实在搞不定，引导用户打开App

4. 有"人情味"

  • 用户说"谢谢"，要回复"不客气~"
  • 用户说"你好"，要打招呼
  • 一些基本的寒暄要有

Q4：Skill开发需要服务器吗？

A：看情况：

不需要服务器的情况：

  • 简单的FAQ问答（固定的问题和答案）
  • 技能平台内置的功能足够用
  • 数据量小，直接在平台配置

需要服务器的情况：

  • 数据量大，动态变化
  • 需要复杂的业务逻辑
  • 需要和App的后端打通
  • 需要用户系统、数据存储等

对于「民族图鉴」：

  • 初期：可以先用FAQ模式，把常见问题配置好
  • 中期：开发简单的后端服务，提供动态查询
  • 长期：和App后端打通，数据同步

Q5：用户不用小艺怎么办？怎么推广Skill？

A：这是个好问题。Skill做出来了，没人用也不行。几个推广思路：

1. App内引导

  • 在App的设置页、关于页介绍Skill功能
  • 弹窗提示用户"试试语音查询：小艺，傣族的节日是什么？"
  • 首次进入相关页面时提示

2. 分享传播

  • 用户觉得好用，可以分享给朋友
  • “你可以对小艺说’问民族图鉴，傣族的节日’”

3. 应用市场描述

  • 在应用商店的描述里提到Skill功能
  • 截图展示语音交互的效果

4. 技能市场优化

  • 好的图标、名称、描述
  • 鼓励用户好评
  • 争取官方推荐

📝 本章小结

核心知识点

本文系统讲解了鸿蒙Skill技能开发的知识体系：

1. 什么是Skill

  • Skill是小艺助手的技能，第三方应用可以开发
  • Skill和App是互补关系，不是替代关系
  • Skill做轻量查询，App做深度体验

2. Skill的类型

  • 官方技能、第三方技能、自定义技能
  • 形态：语音播报、语音+卡片、语音+跳转、多轮对话

3. Skill开发流程

  • 注册：开发者账号、创建技能、基本信息
  • 开发：定义意图、槽位、对话流、后端服务
  • 测试：在线测试、真机测试、功能测试、体验测试
  • 上架：提交审核、审核通过、上架运营

4. 核心概念

  • 意图（Intent）：用户想做什么
  • 槽位（Slot）：需要抽取的关键信息
  • 对话流（Dialog Flow）：多轮对话的流程设计

5. 「民族图鉴」Skill设计

  • 8个核心意图：查询信息、人口、节日、习俗、今日推荐、知识问答、打开App、帮助
  • 自定义槽位：民族名称、信息类型
  • 多轮对话：缺槽位追问、模糊澄清、错误兜底

6. Skill与App联动

  • deeplink跳转：点击卡片跳转到App指定页面
  • 语音打开App：直接语音指令启动App
  • App内集成语音：App内的语音操作

7. 多轮对话设计

  • 上下文理解：记住之前的对话内容
  • 追问艺术：能不问就不问、一次问一个、给出选项
  • 错误兜底：听不懂时的处理策略

最佳实践总结

✅ Skill定位：做轻量，不做重型

Skill的核心价值：快速、便捷、低门槛
- 查询类：快速获取信息
- 操作类：简单快捷操作
- 入口类：引导用户打开App
复杂的、深度的功能，交给App来做

✅ 对话设计：像人一样聊天

简洁：控制在30秒以内
自然：口语化，有温度
容错：听不懂也友好
最少轮次：能一轮解决，不要用两轮

✅ Skill与App联动：形成闭环

Skill做入口：让用户快速触达
App做深度：提供完整的体验
互相导流：Skill → App → Skill
数据互通：用户数据、使用记录同步

下一步预告

在下一篇文章（第73篇）中，我们将：

  • 🤖 了解什么是Agent智能体，以及它和传统App的区别
  • 🔗 学习A2A（App to App Agent）协议，应用间如何智能协作
  • 🧠 理解Agent的核心能力：自然语言理解、任务规划、工具调用、多轮对话
  • 🏗️ 掌握Agent开发框架：元能力、意图描述、服务注册
  • 🎯 为「民族图鉴」设计几个Agent：文化问答、旅游规划、学习助手
  • 💻 实战：开发一个民族文化问答Agent
  • 💡 探讨Agent的能力边界、数据安全、用户信任等问题

Agent是比Skill更高级的智能形态，也是未来应用的发展方向。让我们一起探索AI原生应用的新世界！

🔗 相关链接

💡 提示：Skill开发不仅仅是技术问题，更是产品问题和设计问题。好的语音交互，应该让用户感觉"自然"、“流畅”、“聪明”。技术是基础，对话设计和体验打磨才是关键。多站在用户的角度思考，多测试、多迭代，才能做出好用的Skill。

# harmonyos # 交互 # 华为
Logo
HarmonyOS开发者社区

讨论HarmonyOS开发技术，专注于API与组件、DevEco Studio、测试、元服务和应用上架分发等。

更多推荐

cover

鸿蒙 ArkTS 实战：Pet Meetup 从宠物聚会到兴趣活动工具完整解析

avatar HarmonyOS开发者社区

模型压缩：量化与剪枝技术在移动端的应用（220）

在鸿蒙（HarmonyOS）生态中，模型压缩是让大模型走出云端、在移动端“掌心绽放”的核心技术。通过量化与剪枝，开发者可以在保持模型精度损失可控的前提下，大幅降低显存占用和计算量，从而在算力与内存受限的手机上流畅运行 AI 模型。

avatar HarmonyOS开发者社区

自然语言处理：实体抽取与情感分析（217）

在鸿蒙（HarmonyOS）生态中，自然语言处理（NLP）能力为开发者提供了强大的文本语义理解工具，广泛应用于智能客服、内容审核、舆情分析等场景。

avatar HarmonyOS开发者社区