登录社区云,与社区用户共同成长
邀请您加入社区
** 主题色板接口:集中声明页面所有颜色字段(奶白底+番茄红+暖橙浅色系) */bg: string;// 页面奶白底色// 卡片纯白底色// 胶囊与输入框底色// 主标题深可可色// 副文本暖棕色// 弱文本浅驼色// 番茄红主色// 深番茄红// 浅番茄红(渐变浅端)// 暖橙辅助色// 营业中状态绿// 分隔线米色// 底部 Tab 激活色// 弹窗遮罩色// 代码预览卡深底色(浅色主题也保
本文是系列的第29 篇,对整个 HarmonyAI 项目进行源码解析与复盘,分析架构设计的得失,总结经验教训。项目复盘是软件开发的重要环节。通过审视架构设计、代码组织、开发流程,提炼可复用的经验,为后续项目奠定基础。经验问题描述最佳实践状态管理@State 数组更新不触发渲染使用展开运算符路由跳转页面路径配置错误在 module.json5 中注册所有页面异步错误Promise 未 catch统一
经过 27 篇的开发,HarmonyAI 已经具备完整功能。本文将介绍项目打包与发布流程,包括构建配置、签名打包、版本管理、CI/CD 自动化和多渠道发布策略。发布是开发流程的最后一步,也是最关键的一步。一个完整的发布流程需要经过编译、测试、签名、打包、上架等多个环节。本文将覆盖 HarmonyOS NEXT 应用发布的完整链路。版本阶段功能范围对应博客里程碑v0.0.1Alpha工程创建01-0
在 [第 19 篇]中,我们总结了 Prompt 设计原则。本文将介绍Prompt 持续优化的方法论——如何通过用户反馈和数据驱动迭代 Prompt。PromptManager 独立管理,支持模板注入和版本控制。Prompt 优化不是一次性的工作。随着用户使用场景的变化和 AI 模型的升级,Prompt 需要持续迭代。A/B 测试、用户反馈、质量评分是三大优化手段。本文将构建完整的 Prompt
在第 09 篇中,我们实现了 5 个 LLM Provider。本文将设计Provider 扩展机制,让开发者可以零侵入地接入新的 AI 模型。Provider 支持:OpenAI、DeepSeek、Qwen、智谱、豆包,统一通过 LLMProvider 接口。开闭原则:对扩展开放,对修改关闭。新增 Provider 只需实现 LLMProvider 接口并注册到工厂,无需修改任何业务代码。本文将
随着 12 个页面、15 个组件、8 个 AI 能力模块的开发完成,性能优化成为保障用户体验的关键。本文将系统性优化 HarmonyAI 的性能瓶颈,包括虚拟列表、图片压缩、缓存策略、启动优化等关键手段。性能优化是让应用从"能用"到"好用"的关键步骤。通过虚拟列表、图片压缩、缓存策略等手段,可以显著提升响应速度和流畅度。HarmonyAI 的性能优化涵盖LazyForEach 虚拟列表、图片智能压
在 [第 23 篇]中,我们实现了主题切换。本文将实现完整的设置中心,让用户可以统一管理 AI 配置、主题、数据等。设置中心是用户自定义 APP 行为的核心入口。良好的设置设计应分类清晰、操作直观、修改即时生效。本文实现了设置中心。四大设置组:AI / 主题 / 数据 / 关于,分类清晰一键操作:清缓存、导数据、清除所有安全确认:危险操作二次确认即时生效:修改配置立即保存安全区适配:顶部和底部正确
本文实现了主题切换与玻璃拟态效果。三模式切换:浅色/深色/跟随系统,满足不同使用场景:全局状态管理,统一控制主题变更玻璃拟态:backdropBlur 毛玻璃效果,营造通透视觉主题适配:@Consume/@Provide 实现组件级主题感知平滑过渡:300ms 动画效果,切换自然流畅配置持久化:Preferences 保存用户偏好,下次启动恢复安全区协同:所有页面通过 AppStorage 获取安
在 [第 08 篇] 和 [第 09 篇]中,我们分别实现了和Provider。本文将设计统一 AIService,作为所有 AI 能力的统一入口,整合 PromptManager、CacheManager 和 LLM Provider。AIService是连接 UI 层和 AI 能力的桥梁。所有 AI 功能——聊天、翻译、OCR、花语、总结——都通过 AIService 统一调用,无需直接操作
在 [第 03 篇]中,首页展示了 8 个快捷入口。本文将设计完整的AI 工具箱页面,将 HarmonyAI 所有 AI 能力集中展示,并支持搜索过滤、使用统计和个性化推荐。AI 工具箱是所有 AI 功能的集中入口。所有图标采用SVG 矢量图实现,确保在不同分辨率下清晰显示。本文实现了AI 工具箱的完整设计。8 个 AI 能力:统一展示,一键直达,所有图标采用 SVG 矢量图最近使用:记录用户偏好
在 [第 07 篇]中,我们实现了基于的数据库持久化。本文将实现多级缓存策略,在数据库之上构建内存缓存层,提升应用的响应速度和离线可用性。缓存是提升应用性能的关键手段。合理的缓存策略可以减少 API 调用次数、降低网络延迟、节省 AI 服务费用。HarmonyAI 采用内存缓存 + 持久化缓存的两级架构,配合 DatabaseManager 实现完整的缓存管理体系。本文实现了多级缓存与历史记录系统
在 [第 08 篇]中,我们实现了 Prompt 管理系统。本文将总结Prompt 工程的最佳实践,帮助写出高质量的 AI Prompt。是 AI 应用开发的核心技能。一个好的 Prompt 能让模型输出质量提升数倍。本文将系统性地介绍 Prompt 设计原则、优化策略和常见陷阱。本文总结了Prompt 工程的最佳实践。六大原则:具体明确、角色设定、格式指定、示例引导、边界定义、分步指导高级技术:
在 [第 09 篇]中,我们实现了 Provider 切换。本文将实现模型参数配置,让用户精细控制 AI 的生成行为。模型参数直接影响 AI 输出的质量和风格。Temperature 控制创造性,Top-P 控制多样性,Max Tokens 控制输出长度。合理的参数配置是获得高质量 AI 回复的关键。本文实现了模型参数配置。5 个关键参数实时预览:参数调整即时生效预设方案:精确/平衡/创意一键切换
本文实现了图片上传与识别功能。双模式选择:拍照 + 相册,灵活获取图片多模态 AI 分析:GPT-4o 图片理解,描述内容和场景图片问答:针对图片内容进行多轮对话ImageUtil:Base64 编码、压缩、裁剪一站式工具图片缓存:LRU 缓存 + TTL 自动过期性能优化:图片压缩、缩放手势。
在 [第 15 篇]中,我们实现了 AI 待办生成。本文将实现更复杂的 AI 日程规划——用户输入一句话,AI 自动生成完整的日程安排并检测时间冲突。本文将实现:图1:AI 日程规划页面布局1.2 技术架构二、数据模型2.1 日程数据结构2.2 日程类型配置三、ScheduleManager 实现3.1 核心代码3.2 日程优化器四、安全区适配4.1 安全区工具类五、Prompt 模板5.1 sc
本文实现了AI 待办事项生成功能。自然语言理解:一句话自动提取待办事项四档优先级:紧急/重要/普通/低优,Eisenhower Matrix 分类时间分组:今天/明天/本周/未来,自动排期分类统计:总计、完成、逾期一目了然灵活操作:勾选完成、删除、标签管理多 Provider 支持:OpenAI、DeepSeek、Qwen、智谱、豆包:独立管理 prompt,支持版本控制安全区适配:通过 AppS
本文实现了完整的AI 代码解释功能。三维分析:解释 + 优化 + 重构,覆盖开发全场景8 种语言自动检测:无需手动选择语言复杂度评级:A-F 六档评估代码质量反模式检测:自动识别 Magic Number、深层嵌套等问题重构代码预览:对比优化前后差异Prompt 模板:结构化分析输出多 Provider 支持:OpenAI、DeepSeek、Qwen、智谱、豆包:独立管理 prompt,支持版本控
│ ← 返回 文章总结 ││ ││ │ 粘贴文章内容... │ │ ← 输入区域│ │ │ ││ │ │ ││ ││ ⟳ 开始总结 ││ ││ [图表] 总结结果 ││ ││ 核心观点: ││ 1. 观点一 │ ← 核心观点│ 2. 观点二 ││ ││ 关键词: ││ AI HarmonyOS NEXT │ ← 关键词标签│ ││ [文档] 核心摘要 ││ │ 200字摘要... │ │ ← 摘要
本文实现了AI 每日花语功能。花语查询:输入花名获取花语、寓意、故事、诗句每日推荐:每天自动推荐一种花精美卡片:渐变背景 + 入场动画搜索功能:内置 24 种常见花卉多 Provider 支持:OpenAI、DeepSeek、Qwen、智谱、豆包:独立管理 prompt,支持版本控制安全区适配:通过 AppStorage 获取 statusBarHeight 和 navBarHeight数据持久化
/ 源语言,'auto' 表示自动检测// 目标语言: string;// 发音(可选): string[];// 其他译法(可选)// 母语名称// SVG 图标资源名{ code: 'zh-CN', name: '中文(简体)', nativeName: '简体中文', icon: 'ic_flag_cn' },{ code: 'en', name: '英语', nativeName: 'En
本文实现了OCR 文字识别功能,覆盖了从图片获取到文字识别的完整流程。:HarmonyOS NEXT 原生 OCR API,无需第三方 SDK:支持拍照和相册两种方式获取图片OCRService:识别结果封装(文字 + 置信度 + 位置)OCRManager:OCR + AI 翻译/总结的复合能力图片压缩:大图压缩后识别,性能提升 2-3 倍动态权限:相机和相册权限运行时申请[Provider 抽
本文实现了完整的Prompt 独立管理体系,这是企业级 AI 应用的关键基础设施。独立文件存储:每个 Prompt 独立.md文件,支持 YAML front matter模板引擎参数注入、条件渲染、循环渲染版本管理:semver 版本号、changelog、元数据追踪动态加载:运行时加载和重新加载,无需重新编译缓存优化:LRU 缓存 + TTL,减少重复编译A/B 测试:支持 Prompt 变体
title: string = '新对话';// 外键// 该消息的 Token 数本文实现了完整的会话管理与聊天记录持久化,从数据库设计到 UI 展示形成了完整闭环。数据模型:Conversation 一对多 ChatMessage:关系型数据库存储Repository 模式:数据访问抽象层:统一状态管理历史记录页:列表展示 + 搜索 + 删除外键级联:删除会话自动删除消息数据迁移:应用升级兼容
id: string;// 唯一标识// 图标资源// 标题// 描述// 路由路径// 主题色本文实现了 HarmonyAI 的首页,包含快捷入口网格、AI 推荐卡片、最近聊天列表、每日一句和今日花语五大模块。2×4 快捷入口网格:8 个 AI 功能入口,点击跳转对应页面横向滑动推荐卡片:智能推荐,滑动切换最近聊天列表:展示最近对话,快速进入聊天每日一句 + 今日花语:首页内容丰富度提升完整主题
本文介绍了一个基于HarmonyOS的AI考研择校分析应用开发实践。文章从对齐阶段的需求分析开始,详细阐述了在考研热度持续攀升背景下,考生面临的信息不对称、数据分散等痛点,以及如何通过AI技术提供智能化择校服务。技术架构采用HarmonyOS ArkTS语言开发的MVVM模式,包含Model-Service-Page三层结构,支持单向数据流和响应式UI更新。核心功能包括用户输入收集、AI数据处理和
摘要:本文详细介绍了基于HarmonyOS Next和ArkTS开发的"AI简历项目经历改写"应用的全流程实践。文章采用六阶段开发方法论(对齐、架构、原子化、审批、自动化执行、评估),从需求分析到架构设计,重点阐述了MVC变体架构(Model-View-Service)的实现,包括数据模型定义、UI组件开发与业务逻辑处理。通过核心代码片段展示了ArkTS语言特性与HarmonyOS API的应用,
本文介绍了一个基于HarmonyOS开发的AI简历关键词提取工具的技术实践。该工具通过分析求职简历和岗位描述,自动提取关键技能要求并计算匹配度,帮助求职者优化简历。文章详细阐述了从需求对齐、架构设计到任务分解、质量控制和评估的全流程开发实践,展示了HarmonyOS原生应用的标准化开发模式。项目采用ArkTS语言和ArkUI框架,实现三层MVVM架构,包含7个原子化开发任务,通过Mock数据优先和
随着HarmonyOS 7.0发布,互动卡片(LiveForm)重新定义了桌面交互边界。与传统静态卡片不同,互动卡片支持帧动画3D变换破框渲染等高级能力。本文以官方睡眠卡片与双Ability架构配置权重化帧序列设计与流畅起床动画实现点击触发与破框动效状态回推与双态无缝切换适用版本:DevEco Studio 6.1.0 Release及以上,HarmonyOS SDK 6.1+双Ability架构
本文详细介绍了如何创建一个企业级的 HarmonyOS NEXT AI 工程。两阶段创建:基础工程 → 企业级目录结构18 个模块目录:分层清晰,职责明确核心配置首个页面验证:启动页确认项目可编译运行Git 初始化:版本控制与 Tag 管理[项目规划与架构设计][首页设计与快捷入口实现]DevEco Studio 下载HarmonyOS NEXT 开发指南Stage 模型开发文档ArkTS 语法规
文章摘要:本文详细介绍了基于HarmonyOS平台开发"AI租房避坑清单"应用的全流程实践。采用ArkTS/ArkUI技术栈,遵循六阶段方法论(Align-Architect-Atomize-Approve-Automate-Assess),从需求分析到架构设计再到代码实现。重点展示了MVVM架构在ArkTS中的特殊实现方式,包括使用Record<string, Object>管理动态数据、可空类
本文详细介绍了基于HarmonyOS开发的AI短视频选题灵感应用的全流程实现。该应用采用MVVM架构,使用ArkTS语言和ArkUI框架,通过表单收集用户输入(领域、平台、目标),生成结构化选题方案。开发过程涵盖需求对齐、架构设计(Model-Service-View三层)、数据流管理(@State状态驱动)、严格类型约束等关键技术点,最终实现一个可无缝集成到AI工具矩阵的原子化应用。本文特别强调
本文介绍了基于HarmonyOS ArkTS框架构建AI短视频脚本生成器的全流程技术实践。文章采用"对齐→架构→原子化→审批→自动化→评估"六阶段方法论,详细讲解了从需求分析到交付落地的完整开发过程。 在需求对齐阶段,通过用户画像矩阵明确三类核心用户需求,并确定技术选型采用ArkTS+ArkUI组合。架构设计采用MVVM模式,实现数据层、业务层与UI层的解耦。原子化开发阶段通过自定义数据模型和Mo
摘要 本文介绍基于HarmonyOS ArkTS框架开发AI知识付费课程大纲生成器的全流程技术实践。该系统采用MVVM架构,通过Mock数据模拟AI生成结果,帮助课程设计师快速生成包含课程结构、定价策略、营销卖点等要素的大纲方案。文章详细阐述了"对齐→架构→原子化→审批→自动化→评估"六阶段方法论,包括需求分析、ArkTS语法适配、ArkUI声明式UI开发等关键技术要点。该方案具有离线运行、快速响
本应用是一个典型的 HarmonyOS ArkTS 多 Tab 页移动端应用,采用暖橙黄系彩色卡片风格设计,核心功能涵盖宠物信息管理、健康档案记录、日程提醒管理、社区互动交流以及个人中心设置五大模块。整体代码结构清晰,从上到下可以分为以下几个层次:这种从"数据定义"到"UI 表现"的分层架构,是 ArkTS 开发中推荐的最佳实践,使得数据流转清晰、组件职责明确、代码可维护性强。本应用一口气定义了1
摘要:本文以HarmonyOS生态下的"AI小红书文案"应用开发为例,系统介绍从需求对齐到交付的全流程开发实践。项目采用三层架构(UI表现层、业务服务层、数据模型层),严格遵循ArkTS语法约束与ArkUI声明式开发规范,通过@State状态管理实现响应式UI。核心功能包括用户输入采集、AI文案生成(当前阶段使用Mock数据)和结构化结果展示。文章详细解析了项目上下文、需求边界确认、技术约束对齐等
本文介绍了基于HarmonyOS开发的"AI差评分析"应用的技术实践。该应用利用ArkTS语言和ArkUI框架,构建了一个智能化差评分析仪表盘,支持问题分类、根因分析、情绪倾向和改进建议等核心功能。文章详细阐述了六阶段开发流程(对齐→架构→原子化→审批→自动化→评估),重点分析了ArkTS语法约束、三层架构设计(Page/Model/Service)以及MVVM模式在HarmonyOS中的实现方式
本文介绍了基于HarmonyOS的AI家居配色应用开发全流程实践。项目采用ArkTS语言和ArkUI框架,遵循Model-Service-Page三层架构模式。通过需求对齐阶段的三轮沟通,明确了核心功能边界,解决了家居配色专业知识门槛高、试错成本大等痛点。技术方案选择ArkUI声明式框架、@State响应式驱动和Service层内置Mock策略,实现了UI与AI服务的解耦开发。架构设计采用MVVM
本文详细阐述了基于HarmonyOS平台和ArkTS语言开发"AI客户投诉回复"应用的完整实践过程。文章采用六阶段工程范式(对齐→架构→原子化→审批→自动化执行→评估),从需求分析到最终实现逐步展开。核心内容包括:1) 对齐阶段明确技术栈约束和ArkTS语法规则;2) 架构设计采用三层结构(UI层-服务层-模型层)实现关注点分离;3) 详细代码示例展示数据模型定义、状态管理和UI组件实现;4) 强
在实现过程中,我们遇到了多个ArkTS特有的语法约束。统计指标数据说明源文件数3个代码总行数~250行含注释和空行数据模型字段15个含2个数组字段UI组件层级4层用户输入字段3个行业、调性、人群构建产物大小约50KB单个HAP包编译时间<5秒增量编译第三方依赖0个纯SDK API实现本文以"AI品牌起名Slogan"应用为案例,详细阐述了基于HarmonyOS Next与ArkTS开发AI原生应用
本文详细介绍了基于HarmonyOS开发"AI合同审查"应用的全流程技术实践。文章采用六阶段方法论:对齐(Align)阶段分析需求和技术规范;架构(Architect)阶段设计三层模型;原子化(Atomize)阶段拆分功能模块;审批(Approve)阶段实施代码审查;自动化执行(Automate)阶段构建流程;评估(Assess)阶段进行性能优化。全文包含ArkTS代码示例、架构设计图、数据流分析
/ AI单词记忆卡Data - 核心数据模型class AI单词记忆卡Data {cards: string[] // 卡片列表(支持批量)word: string // 单词phonetic: string // 音标pos: string // 词性meaning: string // 中文释义root: string // 词根mnemonic: string // 记忆技巧example:
本文介绍了一个基于HarmonyOS的AI减脂增肌计划应用开发实践。该项目针对传统健身计划存在的效率低下、个性化不足等问题,通过AI技术为用户提供智能化训练方案。文章详细阐述了从需求分析到架构设计的全流程:在需求定义阶段明确了用户输入和AI输出的数据模型;在架构设计上采用MVVM模式,分为视图层、服务层和数据模型层,实现单向数据流和状态驱动更新。该方案充分利用ArkTS语言特性和HarmonyOS
摘要:本文详细介绍了HarmonyOS平台上AI公众号选题应用的六阶段开发方法论(6A),涵盖从需求对接到评估的完整流程。通过分析项目结构、ArkTS语法约束和三层架构设计,重点阐述了UI层的声明式开发、数据模型设计和服务层封装。文章提供了ArkTS代码示例,展示了如何实现单向数据流和模块化设计,并强调与主框架的集成要点。该案例为HarmonyOS开发者提供了从0到1构建AI应用的实战参考,特别适
本文介绍了在HarmonyOS平台上使用ArkTS语言开发「AI公众号涨粉选题」智能应用的完整流程,包括六大阶段:对齐、架构、原子化、审批、自动化执行和评估。重点分析了ArkTS语法约束适配策略,如类型定义、状态管理等技术要点,并采用MVC分层架构设计,结合声明式UI和数据模型规范。文章通过实际代码示例,为零外部依赖的HarmonyOS原生AI应用开发提供了实践指南,适用于创意娱乐类智能应用的构建