第7.5篇：DevEco Code——AI 编程 Agent 与 Agentic 开发模式

难度：⭐⭐ 进阶
前置知识：6.7 鸿蒙 DevEco Studio 开发工具链
涉及源文件：参考 DevEco Studio 26.0 文档

---

概述

2026 年 6 月，HDC 2026 大会上，华为正式发布了两款重塑鸿蒙开发范式的 AI 工具——DevEco Code 与 DevEco CLI。这不是一次普通的 IDE 插件升级，而是鸿蒙开发从「人写代码 + AI 辅助」向「人提需求 + Agent 自主交付」的一次范式跃迁。

此前，鸿蒙 AI 辅助开发经历了第一代 CodeGenie（内嵌 DevEco Studio，提供 ArkTS 补全、鸿蒙知识问答、一键模板），本质上是"AI 副驾驶"（Copilot 级）。而 DevEco Code 的发布，标志着鸿蒙开发正式迈入 Agentic 开发模式——AI 不再只是代码补全工具，而是覆盖需求分析、架构设计、代码生成、编译构建、真机运行、问题修复、UI 验证全流程的自主编程智能体。

本文将深入拆解 DevEco Code 的产品架构、DevEco CLI 工具链、Skills 知识库体系、以及这种 Agentic 开发模式如何改变鸿蒙应用的开发方式，并与传统 IDE 辅助开发进行系统对比。

---

一、DevEco Code：懂鸿蒙的编程智能体

1.1 产品定位

DevEco Code 是华为面向 HarmonyOS 生态打造的开箱即用 AI 编程智能体，基于华为毕方大模型和 OpenCode 框架构建。与市面上通用型 AI 编程产品不同，DevEco Code 默认内嵌鸿蒙专属软件工程能力，完整覆盖需求、设计、开发、验证四大核心阶段。

它的核心设计原则有两个：

• 开箱即用：零基础开发者安装后即可通过自然语言描述需求，自动完成鸿蒙应用开发
• 开放共生：支持自定义模型接入（盘古 / DeepSeek / GLM 等），支持私有化部署和团队流程定制

1.2 安装与启动

# 全局安装 DevEco Code
npm install -g @deveco/deveco-code

# 启动交互式对话
deveco

启动后在终端中直接通过自然语言描述开发需求即可开始对话，例如：

> 帮我创建一个带有底部导航栏的 ArkTS 应用
> 解释一下这个项目的代码架构
> 帮我检查并修复当前工程的语法错误

1.3 三种工作模式

DevEco Code 提供三种递进式的工作模式，覆盖从"人主导"到"AI 主导"的全谱系协作场景：

模式	工作方式	适用场景
Plan+Build 模式	AI 先输出方案（Plan），开发者确认后自动执行（Build）	复杂功能开发，需要人工审核架构决策
Goal 模式	自然语言 + 验收条件 → AI 自主编码、验证、修复，循环迭代直到达标	"自动驾驶"式开发，适合需求明确的任务
对话模式	即时问答式交互，随时打断、追问、调整	探索性开发、快速原型、问题诊断

其中 Goal 模式 是最具代表性的 Agentic 能力——开发者只需描述"做什么"和"怎样算做好"，AI 自行规划步骤、生成代码、编译运行、验证结果、修复问题，直到满足验收条件。这相当于把项目经理、架构师、开发工程师、测试工程师的经验全部浓缩到 AI 中。

---

二、DevEco CLI：给 AI Agent 配的"鸿蒙瑞士军刀"

2.1 产品定位

DevEco CLI（@deveco/deveco-cli）是随 HarmonyOS 7（API 26）发布的命令行开发工具集，它将 DevEco Studio 工具链统一封装为 CLI，内置 ohpm（包管理）、hvigor（构建）、hdc（设备调试）、emulator（模拟器管理）、hilog（日志诊断），同时集成 Skills 安装、项目脚手架、本地文档检索和 MCP 服务。

它的核心使命是：让任何第三方 AI Agent（Claude Code、Cursor、Trae、OpenCode 等）都能直接调用鸿蒙开发能力。

2.2 与 DevEco Code 的关系

两者在鸿蒙 AI 开发体系中各司其职：

用户意图 → DevEco Code（AI 大脑：思考、规划、生成、验证）
                ↓ 调用
          DevEco CLI（工程手脚：创建项目、编译构建、部署运行、日志诊断）

维度	DevEco CLI	DevEco Code
角色	被调用的"能力工具箱"	主动执行的"AI Agent"
交互方式	命令行参数 + MCP 协议	自然语言对话
AI 能力	不含 AI，纯工具封装	内置大模型，自主推理与编码
目标用户	已有 AI Agent 的团队	独立开发者、希望开箱即用的团队
核心价值	让第三方 AI Agent 获得鸿蒙开发能力	一站式 AI-Native 鸿蒙开发体验

2.3 安装与核心命令

# 全局安装
npm install -g @deveco/deveco-cli

# 创建工程
devecocli create --app-name MyApp --bundle-name com.example.myapp

# 构建打包
devecocli build --build-mode release

# 安装应用到设备
devecocli run

# 查看日志
devecocli log

2.4 MCP 协议支持

DevEco CLI 实现了 MCP（Model Context Protocol） 服务接口，使 AI Agent 可以通过标准化的协议调用鸿蒙开发工具。这意味着 Cursor、Windsurf、Trae 等主流 AI 编程工具，只需接入 DevEco CLI 的 MCP 服务，即可获得完整的鸿蒙开发能力，无需任何额外适配。

---

三、"用户提需求 → Agent 自主交付"闭环

这是 DevEco Code 最核心的能力——全流程 Agentic 闭环。传统 AI 编程工具能"写代码"，但无法"交付应用"。DevEco Code 打通了从需求到可运行应用的完整链路：

3.1 闭环流程

用户描述需求
    ↓
Agent 理解需求 → 拆解子任务 → 输出方案（Plan）
    ↓
生成 ArkTS/ArkUI 代码
    ↓
自动调用 hvigor 编译构建
    ↓
通过 hdc 安装到模拟器/真机
    ↓
UI 意图验证 Agent 自动运行应用 → 多模态比对设计预期
    ↓
发现问题？ → 自动诊断 → 自动修复 → 重新构建验证
    ↓
满足验收条件 → 交付可运行的应用

3.2 关键技术：UI 意图验证 Agent

这是 DevEco Code 最被低估的创新之一。通用 AI 编程工具能生成代码，但不知道应用真正跑起来"长什么样"。DevEco Code 内置的 UI 意图验证 Agent 可以在模拟器或真机上自动运行应用，通过多模态视觉模型判断：

• UI 布局是否符合预期
• 交互逻辑是否正确
• 各页面之间的跳转是否通畅
• 组件状态变化是否正确渲染

验证完成后自动生成问题报告，包含截图对比、差异标注和修复建议。

3.3 关键技术：自修复 Agent

内置修复 Agent 可以自动诊断从语法错误到运行时崩溃的全谱系问题：

• 语法错误：ArkTS 语法检查，自动修正
• 编译错误：hvigor 编译错误解析，定位到具体代码行
• 运行崩溃：崩溃堆栈解析，根因定位
• 逻辑错误：运行时行为异常检测

根据 HDC 2026 公布的数据，DevEco Code 的故障修复成功率超过 80%，大部分问题可以在分钟级完成自主修复。

---

四、Skills：鸿蒙知识库与 AI 技能体系

DevEco Code 的差异化竞争力不仅在于 AI 模型本身，更在于它背后庞大的 鸿蒙知识库和 Skills 体系。

4.1 知识库规模

华为将超过 2000 万字的鸿蒙官方文档、API 参考、开发指南、最佳实践转化为 AI 可调用的结构化知识资源。这使得 DevEco Code 对 ArkTS、ArkUI、鸿蒙 API、分布式能力、安全体系等知识的掌握深度，远超通用 AI 编程工具。

4.2 AI Skills 体系

DevEco Code 开放了 70 多项精品 Skills，覆盖鸿蒙开发的典型场景：

Skill 类别	典型 Skill	能力说明
多设备适配	多设备开发 Skill	一句"帮我适配"将直板机代码工程适配到折叠屏等多形态设备
问题定位	问题定位 Skill	一句"帮我定位"处理内存泄漏、崩溃、闪退等问题
性能优化	Ark Refiner-Sendable Skill	自动分析代码性能瓶颈并给出优化方案
工程创建	项目脚手架 Skill	根据需求描述自动创建标准工程结构
代码审查	代码审查 Skill	自动进行代码质量检查和安全审查
测试生成	测试用例 Skill	自动生成 hypium 单元测试和集成测试用例
文档检索	本地文档 Skill	基于鸿蒙官方文档的精准知识问答

4.3 Skills 的开源生态

华为已将全部 AI 辅助研发 Skills 开源至 OpenHarmony 社区（https://gitcode.com/openharmony-sig/deveco-skills），开发者可以：

• 直接使用官方提供的精品 Skills
• 基于标准化协议开发自定义 Skills
• 在社区中分享和复用其他开发者贡献的 Skills
• 将 Skills 集成到自己的开发流水线中

这种开放生态的意义在于：Skills 成为鸿蒙开发知识的"蒸馏单元"，资深鸿蒙开发者的经验可以通过 Skills 形式被固化、复用和传播，有效缓解鸿蒙开发人才短缺的问题。

---

五、代码生成、构建与运行验证自动化

Agentic 开发模式的核心价值之一，是将开发流程中频繁、重复、确定性高的环节完全自动化，让开发者聚焦于创造性工作。

5.1 自动化流程全景

代码生成 → 语法检查 → 依赖解析 → 编译构建 → 签名打包 → 安装部署 → 运行验证 → 问题修复
  ↑                                                                              │
  └────────────────────────── 循环直至达标 ──────────────────────────────────────┘

5.2 关键自动化节点

代码生成：基于自然语言描述生成 ArkTS/ArkUI 代码，支持组件代码、页面代码、Service 层代码、ViewModel 代码等多种模板。

语法检查：自动调用 ArkTS 语法检查器，在代码生成阶段即发现并修正语法问题。

编译构建：自动调用 hvigor 执行编译，支持 debug/release 两种构建模式，自动处理依赖解析和签名配置。

安装部署：通过 hdc 自动安装到连接的模拟器或真机设备，支持多设备并行部署。

运行验证：自动启动应用，执行 UI 意图验证，生成验证报告。

问题修复：发现编译错误或运行异常后，自动定位根因、生成修复方案、应用修复并重新构建验证。

5.3 实际效果数据

根据 HDC 2026 公布的合作伙伴实践数据：

• 抖音鸿蒙版：AI 智能测试覆盖主功能点 100%，高频场景有效成功率 70%，整体验证效率提升 20%
• 快手：AI 代码生成率 80%，测试用例采纳率 84%，运维排障建议采纳率 73%，整体人效提升 1.7 倍
• Ark Refiner-Sendable Skill：性能优化任务从"两人一周"缩短至"半天"，冷启动整体提升 16%

---

六、Agentic 开发模式如何改变工作流

6.1 传统 IDE 辅助开发模式

开发者构思 → 手动创建工程 → 编写代码 → 修复语法错误 → 编译 → 部署到设备
    ↓                                                                
发现问题 ← 运行测试 ← 部署测试 ← 修复逻辑错误 ← 调试定位 ← 手动运行
    ↓
重复上述循环直到验收通过

在这个模式中，开发者承担了项目经理、架构师、编码工程师、测试工程师、运维工程师的全部角色，大部分时间消耗在重复性劳动（编译等待、问题定位、环境配置）上。

6.2 Agentic 开发模式

开发者描述需求 → DevEco Code 理解意图 → Plan 输出方案
    ↓
开发者审核方案 ← 不满意 ← 调整描述
    ↓ 满意
Agent 自动执行（生成代码 → 编译 → 部署 → 验证 → 修复）
    ↓
Agent 交付可运行应用 + 验证报告
    ↓
开发者审查结果，提出迭代意见

6.3 核心差异对比

维度	传统 IDE 辅助开发	Agentic 开发模式
交互方式	手动编码 + AI 补全	自然语言描述 + AI 自主执行
知识获取	开发者查阅文档	AI 内嵌 2000 万字鸿蒙知识库
问题处理	开发者手动定位和修复	AI 自动诊断和自修复（成功率 80%+）
验证方式	开发者手动运行和观察	UI 意图验证 Agent 自动比对
迭代速度	每次修改需重新编译部署	自动闭环，分钟级迭代
技能门槛	需要完整鸿蒙开发知识	降低到"能描述需求"即可入门
团队协作	需要完整开发团队	个人开发者 + AI Agent 即可交付
知识传承	依赖个人经验和文档	Skills 固化专家经验，可复用可传播

6.4 对开发者角色的重新定义

Agentic 开发模式不是要"替代开发者"，而是要重新定义开发者做什么：

• 从"怎么写"转向"写什么"：开发者将更多精力投入到需求定义、架构决策和用户体验设计上
• 从"手动调试"转向"结果审查"：AI 处理编译、部署、验证等工程细节，开发者审查最终结果
• 从"知识记忆"转向"知识引导"：不需要背诵 API 细节，但需要知道如何有效引导 AI 生成正确代码
• 从"编码者"转向"产品思考者"：低门槛使更多人能参与应用创造，创意和产品思维变得更重要

---

七、与现有 DevEco Studio 工具的集成

DevEco Code 并非取代 DevEco Studio，而是与之形成互补关系：

7.1 集成全景

DevEco Studio 能力	DevEco Code 集成方式	增强效果
代码编辑器	AI 生成的代码直接导入项目	减少手动编码量 60-80%
预览器（Previewer）	UI 意图验证 Agent 调用预览器进行视觉验证	自动化 UI 回归测试
调试器（Debugger）	自修复 Agent 分析调试日志定位根因	将调试时间从小时级缩短到分钟级
Profiler	性能分析 Skill 解析 Profiler 数据并给出优化建议	性能优化效率提升数倍
模拟器/真机	hdc 自动化部署和运行验证	免去手动安装部署操作
代码检查（Linter）	AI 生成代码时即遵循 Linter 规则	从源头减少代码规范问题
签名打包	自动选择签名配置并执行打包	减少构建配置工作量
版本管理	与 Git 集成，自动生成有意义的提交信息	提升版本管理质量

7.2 典型协同工作流

DevEco Code（需求→代码）→ 导入 DevEco Studio（精细化调整）
    ↓
DevEco Studio 预览器（视觉检查）→ DevEco Code（根据反馈修复）
    ↓
DevEco Studio 调试器（断点调试复杂逻辑）→ DevEco Code（生成修复方案）
    ↓
DevEco CLI（自动化构建部署）→ 真机运行验证

---

八、典型开发场景实践

场景一：从零创建一个新应用

传统方式：手动创建工程 → 配置 build-profile.json5 → 编写页面代码 → 配置路由 → 编译调试 → 反复修复

Agentic 方式：

用户：帮我创建一个儿童绘画展示应用，包含首页（作品列表）、详情页（作品展示）、个人中心三个 Tab

DevEco Code：
1. 分析需求 → 输出项目架构方案
2. 自动创建工程结构（entry/AppScope/resources）
3. 生成三个 Tab 页面和底部导航栏
4. 添加页面路由配置
5. 编译构建 → 部署到模拟器 → UI 验证
6. 交付可运行的应用 + 验证报告

场景二：多设备适配

传统方式：手动分析各分辨率下的布局差异 → 编写响应式 CSS/ArkUI 代码 → 逐个设备验证

Agentic 方式：

用户：帮我把这个应用适配到折叠屏和平板

DevEco Code（多设备开发 Skill）：
1. 分析当前代码中的硬编码尺寸和布局
2. 自动引入 BreakPointSystem 断点系统
3. 将固定布局转换为响应式布局
4. 适配折叠屏展开态和平板横竖屏
5. 在多设备模拟器上自动验证
6. 输出适配后的代码和适配报告

场景三：问题定位与修复

传统方式：查看崩溃日志 → 搜索可能原因 → 添加日志断点 → 反复调试定位 → 手动修复

Agentic 方式：

用户：我的应用在点击保存按钮时闪退，帮我定位

DevEco Code（问题定位 Skill）：
1. 分析崩溃堆栈和 hilog 日志
2. 定位到空指针异常发生位置
3. 分析根因：某字段在特定路径下未初始化
4. 生成修复代码并解释修复原理
5. 自动编译验证修复是否有效
6. 交付修复 + 验证通过的报告

---

九、对开发效率与代码质量的影响

9.1 效率提升维度

指标	传统模式	Agentic 模式	提升幅度
从需求到可运行应用	数天到数周	分钟到小时级	10-50 倍
代码编写效率	手动逐行编写	自然语言描述生成	5-10 倍
编译调试迭代周期	每次修改 5-15 分钟	自动闭环 1-3 分钟	3-5 倍
问题定位时间	30 分钟到数小时	分钟级	10-30 倍
跨设备适配工作量	数天	小时级	5-10 倍
新手上手时间	数周到数月	数天	10-30 倍

9.2 代码质量保障机制

Agentic 模式并非只追求速度，在质量保障上有更系统化的设计：

1. 内置鸿蒙最佳实践：AI 生成的代码天然遵循 ArkTS 编码规范、Stage 模型规范、安全编码规范
2. 自动化质量门禁：每次代码生成后自动执行语法检查、类型检查、Linter 检查
3. UI 意图验证：通过多模态模型验证 UI 与需求的对齐程度
4. 测试自动化：自动生成配套的 hypium 单元测试和集成测试用例
5. 回归保障：修复问题后自动执行已有测试用例，确保不引入新问题

9.3 潜在风险与限制

客观看待，Agentic 开发模式也存在当前阶段的能力边界：

• 复杂架构决策：涉及分布式架构、跨设备协同等复杂体系时，仍需要资深架构师把关
• 非功能性需求：性能优化、功耗控制、安全合规等需要结合具体场景深入分析
• 深度定制需求：高度定制化的 UI 交互、复杂的动画效果可能需要手工精细调整
• 幻觉风险：AI 生成的不正确代码需要开发者具备判断和审查能力
• 知识时效性：鸿蒙 API 快速迭代，知识库需要持续更新以保持准确

因此，最有效的模式是人机协作——AI 承担常规性、重复性的工作，开发者聚焦于架构决策、创造性设计和质量审查。

---

总结

DevEco Code 和 DevEco CLI 的发布，标志着鸿蒙开发工具链完成了一次重要的范式跃迁：

维度	核心能力	关键数据/指标
DevEco Code	懂鸿蒙的 AI 编程智能体（毕方 + OpenCode）	Plan+Build / Goal 三种工作模式
DevEco CLI	鸿蒙开发能力命令行封装，第三方 Agent 友好	MCP 协议支持，覆盖创建/构建/调试全流程
知识库	2000 万字鸿蒙文档结构化 + 70+ 精品 Skills	覆盖多设备适配、问题定位、性能优化等场景
UI 意图验证	多模态 Agent 自动运行应用验证 UI	截图比对、差异标注、修复建议
自修复能力	语法→编译→运行崩溃全链路诊断修复	成功率 80%+，分钟级修复
集成生态	与 DevEco Studio 调试/预览/Profiler 互补	支持自定义模型接入，Skills 社区开源

Agentic 开发模式的本质，不是让 AI 替代开发者，而是将鸿蒙资深开发者的经验"蒸馏"为可复用的 AI 能力和 Skills，降低鸿蒙应用开发的技术门槛，让更多开发者能够将自己的创意快速转化为高品质的鸿蒙应用。

对于"画伴梦工厂"项目来说，这种模式意味着：快速将创意想法转化为可运行的代码原型、利用多设备适配 Skill 快速适配手机/平板/折叠屏等多种设备形态、以及利用问题定位 Skill 快速排查和修复应用中的故障——所有这些都在一个自然语言对话中即可完成。

---

参考资源

• DevEco Code 开源地址：https://gitcode.com/openharmony-sig/deveco-code
• DevEco CLI 开源地址：https://gitcode.com/openharmony-sig/deveco-cli
• 鸿蒙 AI Skills 仓库：https://gitcode.com/openharmony-sig/deveco-skills
• HDC 2026 技术资料：https://developer.huawei.com/consumer/cn/doc/guidebook/aitech2026-3-2-0000002625361993
• DevEco Studio 26.0 发布说明：参考 DevEco Studio 26.0 Beta1 文档