HarmonyOS开发者社区

#AI Coding的风吹到了鸿蒙

场景1：UI意图验证——AI从“写完”到“跑完”

传统AI编程工具最大的盲区是什么？代码能生成，但应用跑起来长什么样，AI不知道。控件都在，布局不一定对，交互逻辑也不一定通——你得自己跑起来看、手动操作、人眼检查、回去改，循环往复。

DevEco Code的verify_ui能力补上了这一环。它内置了一个UI意图验证Agent，能在模拟器或真机上自动运行应用，通过多模态模型判断UI显示和交互逻辑的正确性，最后生成问题报告。直白说：AI写完代码之后，还会帮你亲自跑一遍，自己看界面和交互对不对。它把代码编写和功能验收两件事串到了一起。以前需要我们手动完成的循环，现在大部分由AI自己跑完。

场景2：Goal模式——“以终为始”的全自动闭环

如果说Plan+Build模式是“审方案、批执行”的人机协作，那Goal模式就是把“真干活”推向极致——基于SPEC规范，用户给出自然语言需求、验证环境和验收标准后，AI全自动完成编码→检查→修复→构建→推包→功能自验证→发现问题自动修复→再构建的迭代过程，直到满足交付目标。

故障修复的数据也能说明问题：官方数据显示故障修复成功率超过80%，分钟级自主修复。它不会等你发现bug，它自己盯着日志，崩了就修。从重复劳动中解放出来，让自己去做更有价值的事。 Goal模式做到了。

场景3：多设备适配——一句“帮我适配”省掉50%工作量

鸿蒙“一次开发，多端部署”的特性是优势也是痛点——跨设备适配成本平均增加35%的工作量。

DevEco Code的多设备开发Skill，通过一句“帮我适配”，就能将直板机代码工程快速适配至折叠屏等多形态设备，处理避让、旋转、硬件调用等常见适配问题，多设备适配效率再提升50%。高德开源的AGenUI框架也走了类似路径——由AI负责描述“界面意图”，客户端负责“原生呈现”，只需一套通用界面协议就能无缝适配鸿蒙手机、平板、车机、智慧屏等多种终端。AI不是在帮你“写代码”，而是在帮你消除鸿蒙多端生态本身的复杂性。

对DevEco Code未来的三点期待

基于上面的分析，我希望未来的DevEco Code能在以下三个方向上进化：

期待一：从“代码级修复”到“架构级建议”

目前的AI修复更多停留在语法错误、编译错误、运行时崩溃层面。但鸿蒙开发中更棘手的问题往往是架构层面的——比如分布式数据同步的一致性设计、跨设备状态迁移的完整性、多端UI的适配策略。我希望未来的DevEco Code能给出架构级的设计建议和风险提示，而不只是修bug。

期待二：从“被动响应”到“主动预警”

现在的AI更多是“你问它答”“你错它修”。但如果AI能基于对鸿蒙工程代码库的持续学习，主动识别潜在的分布式通信风险、内存泄漏隐患、跨设备兼容性问题，提前给出预警，那就从“消防员”变成了“体检医生”。字节跳动内部已经在探索这种“系统化AI Development”方向，鸿蒙生态值得跟进。

期待三：从“单点工具”到“生态协作节点”

DevEco CLI已经迈出了第一步——将2000多万字鸿蒙官方文档转化为可被Agent调用的知识资源。我希望未来这种能力能进一步开放：不仅是“AI帮你写代码”，更是“AI帮你和其他开发者协作” ——比如自动生成可被团队其他成员理解的架构文档、自动生成跨端API的契约定义、自动生成测试用例的覆盖报告。快手在鸿蒙实践中已经构建了Agent Loop双循环体系，实现了人效提升1.7倍——真正的提效不只在“写”，更在“协作” 。