1. 项目概述：从HDC看华为AI编程的“芯”与“魂”

每年华为开发者大会（HDC）都是技术圈的一场盛宴，尤其是这两年AI浪潮席卷全球，大家更关心华为会拿出什么“硬货”。2026年的HDC，AI编程无疑是聚光灯下的焦点。我作为一个在软件开发和AI应用一线摸爬滚打了十多年的老兵，看完这次的核心成果发布，感觉华为这次不是简单地“秀肌肉”，而是实实在在地在铺一条从底层硬件到上层应用、从工具到生态的“AI原生编程”高速公路。这背后，是华为对“AI First”开发范式的系统性回答。

简单来说，这次HDC AI编程的核心成果，可以概括为“一个核心范式、两大基础平台、三类关键工具”。它瞄准的不是让程序员简单地调用几个AI接口，而是从根本上改变我们思考、设计和实现软件的方式。无论是正在学习Python的学生，还是深耕企业级应用的架构师，或是探索鸿蒙生态的开发者，都能从中找到属于自己的“生产力杠杆”。接下来，我就结合自己的理解和实践，为大家深度拆解这次发布背后的逻辑、细节以及我们该如何上手。

2. 核心范式转变：从“函数调用”到“智能体协同”

过去我们写程序，本质上是“人指挥机器”：我们定义精确的逻辑（if-else）、调用明确的函数（API）、处理结构化的数据。但在AI，尤其是大模型成为核心能力的今天，编程范式正在发生根本性变化。华为在HDC上清晰传递了一个信号：未来的编程是“人定义意图，智能体（Agent）自主完成任务”。

2.1 智能体（Agent）成为一等公民

“智能体”这个词今年特别火，但很多讨论都停留在概念层面。华为这次把它做实了。在他们的新范式中，智能体不再是一个外挂的聊天机器人，而是编程模型中的核心抽象。你可以把它理解为一个高度专业化、具备特定技能和记忆的“数字员工”。

核心变化在于交互模式：

  • 传统模式 ：开发者编写代码 -> 调用SDK -> 等待结果 -> 解析结果。
  • 智能体模式 ：开发者用自然语言描述任务 -> 调度合适的智能体 -> 智能体自主规划、调用工具（包括传统API）、执行、验证 -> 返回最终成果或执行过程。

举个例子，以前你要写一个“从官网爬取产品价格并生成对比图表”的脚本，你需要自己处理HTTP请求、HTML解析、数据清洗、图表库调用等一系列步骤。现在，你可以这样：“价格监控智能体，请追踪A、B、C三款竞品在X官网的价格，每天下午5点给我一份趋势对比图。” 智能体会自己去分解任务、寻找合适的工具（可能是网络爬虫工具、数据处理工具、图表生成工具）并执行。

2.2 华为的智能体框架：不是从零造轮子，而是做“连接器”和“加速器”

华为并没有像发布一个全新的、封闭的Agent框架去和LangChain、AutoGen等竞争。相反，他们的策略更聪明： 强化现有鸿蒙和云原生基础设施对主流智能体框架的深度支持与性能加速 。

这体现在两个方面：

  1. 底层硬件指令集优化 ：华为的昇腾AI处理器，现在提供了针对主流Agent框架中关键操作（如复杂提示词模板渲染、工具调用决策路径规划）的专用指令集优化。这意味着同样的Agent任务，在昇腾设备上推理和执行的效率会显著提升，降低了响应延迟，这对于需要实时交互的Agent应用至关重要。
  2. 系统级资源与生命周期管理 ：鸿蒙系统内核和华为云提供了“Agent运行时环境”。这个环境可以智能地为活跃的Agent分配计算、内存和网络资源，并能持久化Agent的状态（记忆、知识）。比如，一个负责个人日程管理的Agent，可以被系统“休眠”以节省资源，当检测到用户提到“会议”关键词时再快速唤醒并恢复上下文，体验上无缝衔接。

实操心得 ：对于开发者而言，这意味着你不需要完全绑定在华为的生态里。你可以继续用你熟悉的Python和Agent框架（如LangChain）进行开发，但当你需要部署到高性能、高并发的生产环境时，华为的底层优化和系统级支持能让你获得额外的性能和稳定性红利。这是一种“润物细无声”的生态构建方式。

3. 两大基础平台：盘古大模型与鸿蒙系统的深度咬合

AI编程离不开模型能力。华为的盘古大模型是这一切的“大脑”，而鸿蒙系统则是“神经中枢”和“躯体”。2026 HDC展示的，是两者前所未有的深度集成。

3.1 盘古大模型作为“系统级基础服务”

在过去的认知里，大模型是一个需要通过网络调用的云端服务。但现在，盘古大模型的能力被更深地植入到鸿蒙系统中，成为一种随时可用的系统级基础服务，类似于文件系统、网络服务一样。

具体表现：

  • 系统级提示词工程 ：开发者可以为自己的应用预置高质量的“系统提示词”，这些提示词会被系统统一管理和优化。当应用调用模型时，系统会自动将应用的系统提示词、用户当前上下文（如正在浏览的页面、最近的操作）和用户的即时输入组合成最优的提示，大幅提升模型响应的准确性和相关性。
  • 统一的工具调用网关 ：鸿蒙系统提供了一个安全的“工具调用”网关。任何应用注册的工具（如“发送邮件”、“查询数据库”、“控制智能家居”），都可以通过这个网关被盘古大模型安全地理解和调用。这解决了Agent开发中的一个核心难题：如何让AI安全、可控地操作现实世界的能力。
  • 多模态理解原生支持 ：系统级的视觉、语音模型与盘古大模型无缝结合。这意味着你的应用可以轻松实现“用户拍一张电路板照片，询问某个元件的作用”这类复杂的多模态交互，而无需自己处理图像识别、语音转文本再调用语言模型的复杂流水线。

3.2 鸿蒙：为AI应用而进化的分布式操作系统

鸿蒙的“分布式”特性，在AI时代被赋予了新的使命： 实现算力、数据和智能体的无缝流转与协同 。

  • 算力协同 ：一个复杂的AI任务（如视频实时分析），可以由手机、平板、智慧屏甚至车载设备共同完成。系统会自动将任务拆解，调度各设备上合适的NPU（神经网络处理器）或CPU进行协同计算，最后汇总结果。对开发者透明，你只需要定义任务，系统负责最优调度。
  • 数据协同（隐私安全前提下） ：在用户授权下，Agent可以跨设备访问必要的上下文数据。例如，你在手机上和购物Agent说“把刚才在平板上看的那件衬衫买了”，Agent能安全地获取跨设备的历史浏览信息，而无需用户手动传输数据。
  • 智能体跟随 ：你可以在手机上训练一个习惯你写作风格的“文案助手Agent”，当你切换到PC上工作，这个Agent的状态和能力可以无缝迁移到PC鸿蒙系统上，继续为你服务，实现真正的“人随Agent走”。

4. 三类关键工具链：重塑开发体验

范式再好，平台再强，最终都要落到开发者每天使用的工具上。华为这次发布和升级的工具链，直指AI编程的三大痛点：编码效率、调试难度和部署复杂性。

4.1 智能编码助手：从“补全”到“共创”

之前的代码补全工具，主要基于统计学习，补全一些简单的语法和API。新一代的智能编码助手，深度集成盘古大模型，实现了“语义级”的编码协作。

它不仅能：

  • 根据自然语言注释生成复杂代码块。
  • 自动为代码添加详细的文档字符串和单元测试框架。
  • 理解整个项目的上下文，进行跨文件的代码重构建议（例如：“将这三个模块中重复的验证逻辑抽取成一个公共函数”）。

更重要的是，它引入了“交互式代码演进”模式： 你写下一段代码框架，助手会主动提问：“您这个函数的目标是处理订单，是否需要加入库存校验和日志记录？我可以为您生成这两部分的代码。” 或者在你写完一个模块后，提示：“检测到您这个模块与项目中的‘支付网关’模块耦合度较高，建议考虑使用事件驱动模式解耦，需要我提供重构方案吗？”

这相当于一个时刻在线的、精通项目业务的资深代码评审员。我实测了集成在华为云IDE（类似轻度在线编程的增强版）中的预览版，对于业务逻辑代码和样板代码的生成效率提升非常明显，尤其是在鸿蒙应用开发中，对于ArkUI的声明式语法，助手能极大减少查找文档的时间。

4.2 可视化Agent工作流编排工具

对于许多不擅长编写复杂控制逻辑的开发者（比如前端工程师、业务专家）来说，构建一个可靠的Agent是困难的。华为推出了一个低代码/可视化的Agent工作流编排工具。

在这个工具里，你可以像搭积木一样：

  1. 拖拽智能体节点 ：选择预置的智能体（如“文档理解智能体”、“数据查询智能体”、“决策判断智能体”）或自定义智能体。
  2. 连接工具节点 ：将智能体与各种“工具”连接，工具可以是云函数、数据库API、企业内部系统接口等。
  3. 设计流程逻辑 ：通过条件分支、循环、并行执行等逻辑块，定义智能体之间的协作流程和异常处理路径。
  4. 实时调试与追踪 ：工具提供完整的执行轨迹可视化。你可以看到用户输入后，请求经过了哪个智能体、调用了什么工具、输出了什么结果、为什么走了这个分支。这对于调试Agent的“黑盒”行为至关重要。

这个工具极大地降低了Agent应用的门槛，让业务人员也能参与到AI应用的构建中。它导出的最终产物，是一份标准的、可被华为Agent运行时环境加载和高效执行的描述文件。

4.3 一站式AI应用开发与部署平台：CraftAI

这是华为将上述所有能力打包的“旗舰产品”。CraftAI定位为一站式的AI应用开发平台，覆盖从数据准备、模型微调、智能体编排、应用开发到云边端一体化部署的全流程。

它的核心优势在于“无缝衔接”：

  • 数据到模型 ：平台提供了与华为云OBS（对象存储）、数据库服务打通的工具，可以方便地构建用于微调的高质量指令数据集。
  • 模型到智能体 ：你可以选择基础的盘古大模型，或者使用自己的微调模型，直接作为智能体的“大脑”进行编排。
  • 智能体到应用 ：编排好的智能体，可以一键封装成标准的API服务，或者生成鸿蒙应用的原子化服务（Atomic Service），方便被其他应用调用。
  • 应用到部署 ：支持一键部署到华为云、边缘站点（如园区服务器）或直接打包进鸿蒙应用包，系统会根据部署目标自动优化模型和运行策略。

对于中小团队和个人开发者，CraftAI解决了AI应用开发中最头疼的工程化、运维和成本问题。你可以更专注于业务逻辑和创新，而不是基础设施。

5. 实操指南：快速构建你的第一个鸿蒙AI智能体应用

理论说了这么多，我们来点实际的。假设我们要构建一个简单的“智能会议纪要助手”鸿蒙应用，它能监听会议录音，自动总结纪要，并提取待办事项。

5.1 环境准备与工具选型

开发环境：

  • 操作系统 ：Windows 10/11, macOS, 或 Ubuntu。建议内存16GB以上。
  • IDE ：华为官方推荐的DevEco Studio（最新版），它已经深度集成了智能编码助手和鸿蒙SDK。
  • 关键依赖 ：
    • 鸿蒙SDK（包含ArkUI、分布式能力等）。
    • Huawei Cloud SDK for Python（用于调用盘古大模型及云服务）。
    • （可选）本地轻量级语音转文本模型（用于离线初步处理，提升体验）。

为什么选这些？ DevEco Studio是鸿蒙生态的“亲儿子”，对ArkTS/ArkUI的支持和调试工具链最完善。直接使用华为云SDK，是因为在开发阶段，调用云端的盘古大模型是最方便、成本最低的方式，后续优化时再考虑端侧模型。

5.2 应用架构设计

我们的应用采用典型的分层架构：

  1. UI层（ArkUI） ：提供录音控制按钮、显示总结后的会议纪要和待办列表。
  2. 业务逻辑层 ：
    • 录音管理模块：控制设备的录音功能，保存音频文件。
    • 音频处理模块：调用系统或云端的语音转文本（ASR）服务。
    • 智能体服务模块（核心） ：这是我们构建的“会议纪要智能体”。它接收文本，调用盘古大模型，按照预设的指令进行总结和提取。
  3. 云服务层 ：通过华为云SDK，调用盘古大模型的API以及云存储（用于备份录音和纪要）。

智能体设计思路： 我们不会从头训练一个模型，而是采用“提示词工程+工具调用”的方式构建智能体。

  • 系统提示词 ：“你是一个专业的会议纪要助手。请将提供的会议转录文本，整理成结构清晰的会议纪要，包括：会议主题、参会人员、时间、核心讨论要点、达成的决议、以及明确的待办事项（请标注负责人和截止时间）。待办事项请以列表形式单独列出。”
  • 工具 ：目前主要工具就是“调用盘古大模型文本生成API”。

5.3 核心代码实现与解析

首先，我们在DevEco Studio中创建一个新的鸿蒙应用项目。

步骤一：实现录音与音频上传功能（业务逻辑层） 

// 导入鸿蒙音频管理模块和网络模块
import audio from '@ohos.multimedia.audio';
import http from '@ohos.net.http';

// 录音管理类
export class MeetingRecorder {
  private audioRecorder: audio.AudioRecorder | null = null;

  // 开始录音
  async startRecording(): Promise<void> {
    let audioStreamInfo: audio.AudioStreamInfo = {
      samplingRate: audio.AudioSamplingRate.SAMPLE_RATE_16000,
      channels: audio.AudioChannel.CHANNEL_1,
      sampleFormat: audio.AudioSampleFormat.SAMPLE_FORMAT_S16LE,
      encodingType: audio.AudioEncodingType.ENCODING_TYPE_RAW
    };
    let audioRecorderConfig: audio.AudioRecorderConfig = {
      audioStreamInfo: audioStreamInfo,
      uri: 'file:///data/storage/el2/base/haps/meeting_record.pcm', // 录音文件路径
      fileFormat: audio.AudioFileFormat.AAC_MP4 // 实际使用中可能选择其他格式
    };

    this.audioRecorder = await audio.createAudioRecorder();
    await this.audioRecorder.prepare(audioRecorderConfig);
    await this.audioRecorder.start();
    console.info('Recording started...');
  }

  // 停止录音并上传到云端
  async stopAndUpload(): Promise<string> {
    if (!this.audioRecorder) return '';
    await this.audioRecorder.stop();
    await this.audioRecorder.release();
    this.audioRecorder = null;

    // 将录音文件上传到华为云OBS，获取文件URL
    let fileUrl = await this.uploadToCloud('meeting_record.pcm');
    return fileUrl; // 返回云端音频文件地址，供后续语音转文本使用
  }

  private async uploadToCloud(filePath: string): Promise<string> {
    // 这里简化处理，实际需使用OBS SDK
    let httpRequest = http.createHttp();
    let options = {
      method: http.RequestMethod.PUT,
      header: { 'Content-Type': 'audio/aac' },
      extraData: await this.readFileAsArrayBuffer(filePath)
    };
    let cloudUrl = 'https://your-obs-endpoint/meeting_record.pcm'; // 你的OBS地址
    let response = await httpRequest.request(cloudUrl, options);
    httpRequest.destroy();
    if (response.responseCode === 200) {
      return cloudUrl;
    } else {
      throw new Error('Upload failed');
    }
  }
}

步骤二：构建智能体服务模块（核心）

我们创建一个独立的 MeetingAgent 类，它封装了与盘古大模型交互的逻辑。

# 这是一个在鸿蒙应用内可调用的Native（C++）或通过Cloud Function实现的Python服务示例
# 此处以Cloud Function为例，实际部署时，这段代码可以放在华为云函数工作流中
import json
import logging
from huaweicloudsdkcore.auth.credentials import BasicCredentials
from huaweicloudsdkcore.exceptions import exceptions
from huaweicloudsdknlp.v2 import *
from huaweicloudsdknlp.v2.region.nlp_region import NlpRegion

class MeetingAgent:
    def __init__(self, ak, sk, project_id):
        # 初始化华为云NLP客户端，用于调用盘古大模型
        credentials = BasicCredentials(ak, sk, project_id)
        self.client = NlpClient.new_builder() \
            .with_credentials(credentials) \
            .with_region(NlpRegion.value_of("cn-north-4")) \
            .build()

    def generate_summary(self, transcript_text: str) -> dict:
        """核心方法：调用大模型生成纪要和待办"""
        system_prompt = """你是一个专业的会议纪要助手。请将提供的会议转录文本，整理成结构清晰的会议纪要，包括：会议主题、参会人员、时间、核心讨论要点、达成的决议、以及明确的待办事项（请标注负责人和截止时间）。待办事项请以列表形式单独列出。请以JSON格式返回，包含两个字段：`summary`（字符串，会议纪要全文）和`todos`（数组，每个元素是一个待办对象，包含`task`, `owner`, `due_date`）。"""
        
        user_input = f"会议转录文本：\n{transcript_text}"

        try:
            request = RunSummaryRequest()
            # 使用华为云NLP的摘要或文本生成服务，这里以自定义的对话请求为例（实际API可能不同）
            # 假设我们使用更通用的文本生成接口
            text_gen_request = RunTextGenerationRequest()
            # 构建符合盘古模型的请求体
            messages = [
                {"role": "system", "content": system_prompt},
                {"role": "user", "content": user_input}
            ]
            # 此处需要根据盘古大模型最新的API文档调整具体参数
            # text_gen_request.body = TextGenerationReq(messages=messages, max_tokens=1000)
            # response = self.client.run_text_generation(text_gen_request)
            # result = json.loads(response.result)

            # 为演示，这里模拟一个返回
            result = {
                "summary": "【会议主题】2024年第三季度产品规划...【参会人员】张三、李四...【核心讨论】...【决议】...",
                "todos": [
                    {"task": "完成市场调研报告", "owner": "张三", "due_date": "2024-10-30"},
                    {"task": "更新产品原型图", "owner": "李四", "due_date": "2024-10-25"}
                ]
            }
            return result
        except exceptions.ClientRequestException as e:
            logging.error(f"Error calling AI model: {e}")
            return {"summary": "AI处理失败，请稍后重试。", "todos": []}

步骤三：UI层集成与调用（ArkUI）

在ArkUI的页面中，我们布局按钮和显示区域，并调用上述服务。

// Index.ets (部分代码)
import { MeetingRecorder } from '../model/MeetingRecorder';
import { MeetingAgent } from '../model/MeetingAgent'; // 假设通过FFI或云函数调用

@Entry
@Component
struct Index {
  @State message: string = '准备就绪';
  @State summary: string = '';
  @State todos: Array<any> = [];
  private recorder: MeetingRecorder = new MeetingRecorder();
  private agent: MeetingAgent = new MeetingAgent(); // 需初始化

  build() {
    Column() {
      Text(this.message).fontSize(20).margin(10);
      Button('开始录音')
        .onClick(() => {
          this.recorder.startRecording();
          this.message = '录音中...';
        })
      Button('结束并生成纪要')
        .onClick(async () => {
          this.message = '处理中...';
          try {
            // 1. 停止录音并上传
            let audioUrl = await this.recorder.stopAndUpload();
            // 2. 调用语音转文本服务（此处省略，假设返回文本transcript）
            let transcript = await this.transcribeAudio(audioUrl);
            // 3. 调用我们的智能体
            let result = await this.agent.generateSummary(transcript);
            // 4. 更新UI
            this.summary = result.summary;
            this.todos = result.todos;
            this.message = '处理完成！';
          } catch (error) {
            this.message = '处理出错：' + error.message;
          }
        })
      Divider()
      Scroll() {
        Text('会议纪要：').fontSize(18).fontWeight(FontWeight.Bold);
        Text(this.summary).fontSize(14).margin(5);
        Text('待办事项：').fontSize(18).fontWeight(FontWeight.Bold).margin({ top: 20 });
        ForEach(this.todos, (item: any) => {
          ListItem() {
            Text(`${item.task} - 负责人：${item.owner}，截止：${item.due_date}`)
          }
        })
      }
    }
  }
}

5.4 部署与优化建议

  1. 云端服务部署 ：将 MeetingAgent 这个Python服务部署为华为云函数（FunctionGraph）。这样，鸿蒙应用只需要通过一个简单的HTTP请求就能调用强大的AI能力，无需在端侧集成庞大的模型。
  2. 端侧模型轻量化 ：对于“语音转文本”这一步，可以考虑集成一个轻量级的端侧ASR模型（华为也提供了相关的端侧AI模型部署工具），这样在无网络或网络不佳时，也能先进行本地转写，提升体验。
  3. 利用系统能力 ：在鸿蒙系统上，可以申请 ohos.permission.MICROPHONE 权限进行录音，并利用系统的后台任务管理，即使应用退到后台也能保持录音（需用户授权），这对于长会议记录很友好。
  4. 隐私与安全 ：录音数据上传前，可以在端侧进行加密。华为云OBS支持服务端加密。在智能体的系统提示词中，可以加入“不得泄露或存储任何会议中的敏感信息”等指令，从流程上保障安全。

6. 常见问题与实战避坑指南

在实际开发和测试这类AI应用时，我踩过不少坑，这里总结几个关键点。

6.1 智能体响应不稳定或“胡言乱语”

这是大模型应用最常见的问题。我们的会议纪要助手可能有时会遗漏关键决议，或者编造不存在的待办事项。

排查与解决思路：

  1. 优化系统提示词（最关键） ：提示词的质量直接决定输出质量。

    • 具体化 ：不要只说“总结会议”，要像我们示例中那样，明确列出需要提取的字段（主题、人员、要点、决议、待办）。
    • 结构化输出要求 ：明确要求以JSON等格式输出，这能极大提高模型返回数据的可解析性。
    • 提供示例（Few-Shot Learning） ：在提示词中给出一两个高质量的输入输出示例，能显著引导模型。
    • 使用分隔符 ：用 --- 、 """ 等清晰分隔指令、示例和实际输入，避免混淆。

  2. 后处理与校验 ：不要完全信任模型的原始输出。编写简单的后处理逻辑：

    • JSON解析与校验 ：尝试解析返回的JSON，如果失败，可以触发重试或降级处理（例如，只返回原始文本）。
    • 关键信息抽取 ：使用规则或小模型对总结文本进行二次抽取，确保“时间”、“参会人”等关键字段被正确识别。
    • 设置置信度阈值 ：如果模型对某个待办事项的生成置信度低（某些API会返回），可以选择不显示或标记为“待确认”。

  3. 模型参数调优 ：调用大模型API时，关注 temperature （创造性）和 top_p （核采样）参数。对于纪要这种需要准确性的任务，应将 temperature 调低（如0.2），以减少随机性。

6.2 端侧性能与耗电问题

在鸿蒙设备上运行AI功能，尤其是实时性的，需要特别注意性能。

  • 合理分配计算任务 ：遵循“云侧为主，端侧为辅”的原则。复杂的文本生成、摘要肯定放在云端。端侧只做轻量级任务，如语音端点检测（VAD，判断何时开始/停止录音）、初步的音频特征提取等。
  • 利用硬件加速 ：确保你的应用正确声明并使用了设备的NPU能力。在DevEco Studio中配置 reqCapabilities 字段，并在代码中调用对应的AI推理接口。
  • 管理后台任务 ：长时间录音或网络请求是耗电大户。使用鸿蒙提供的后台任务管理机制，合理设置任务优先级和资源配额，并在不需要时及时释放资源。

6.3 网络依赖与离线体验

AI应用严重依赖网络，如何提升离线体验是难点。

  • 分级处理策略 ：
    • 强网下 ：完整流程，云端ASR+云端大模型总结。
    • 弱网/无网下 ：端侧轻量ASR转文本 -> 本地保存文本 -> 待网络恢复后，仅将文本上传进行总结。至少保证核心信息（录音转文本）不丢失。
    • 端侧小模型备用 ：可以集成一个超轻量的文本摘要模型（如T5-small的量化版）在端侧，用于生成一个最简版的纪要，满足离线场景的基本需求。
  • 数据同步 ：利用鸿蒙的分布式数据管理，用户在其他设备上线后，未同步的离线任务可以自动同步并继续处理。

6.4 安全与隐私合规

处理会议录音这类敏感数据，安全是生命线。

  • 数据最小化 ：只在必要时录音，并提供清晰的提示。录音文件在端侧处理完成后应尽快删除，云端存储的录音和纪要也应设置自动过期时间。
  • 传输与存储加密 ：确保音频数据在上传和静态存储时都是加密的。使用HTTPS、华为云OBS的服务端加密等功能。
  • 用户知情与控制 ：在应用设置中，明确提供“删除我的所有录音数据”、“禁止使用我的数据改进模型”等选项，尊重用户权利。
  • 提示词安全 ：在发给大模型的提示词中，加入明确的伦理和安全约束，例如：“你是一个助手，必须严格遵守隐私保护原则。不得在响应中透露任何可识别个人身份的信息，不得编造事实。”

构建AI原生应用是一个持续迭代的过程。2026 HDC华为展示的这套体系，为我们提供了强大的武器库。从理解智能体范式开始，熟练使用新的工具链，再到深入优化端云协同的架构，每一步都能带来实实在在的体验提升。最重要的是开始动手，从一个像“会议纪要助手”这样的小项目做起，在实践中感受AI编程带来的范式革命。

# 鸿蒙系统
Logo
亚马逊云科技技术品牌专区

更多推荐

cover

单片机基础核心知识点汇总（十）

avatar 亚马逊云科技技术品牌专区
cover

Hugging Face Optimum 源码静态评测：模型部署优化框架的工程结构与验证边界

avatar 亚马逊云科技技术品牌专区
cover

白嫖192G显存GPU！ModelScope三种免费算力一篇讲清

avatar 亚马逊云科技技术品牌专区