从 App 到 Agent:鸿蒙应用形态正在改变

从 App 到 Agent:鸿蒙应用形态正在改变
在这里插入图片描述

子玥酱(掘金 / 知乎 / ZEEKLOG / 简书 同名)

大家好,我是子玥酱,一名长期深耕在一线的前端程序媛 👩‍💻。曾就职于多家知名互联网大厂,目前在某国企负责前端软件研发相关工作,主要聚焦于业务型系统的工程化建设与长期维护。

我持续输出和沉淀前端领域的实战经验,日常关注并分享的技术方向包括前端工程化、小程序、React / RN、Flutter、跨端方案,
在复杂业务落地、组件抽象、性能优化以及多端协作方面积累了大量真实项目经验。

技术方向:前端 / 跨端 / 小程序 / 移动端工程化
内容平台:掘金、知乎、ZEEKLOG、简书
创作特点:实战导向、源码拆解、少空谈多落地
文章状态:长期稳定更新,大量原创输出

我的内容主要围绕 前端技术实战、真实业务踩坑总结、框架与方案选型思考、行业趋势解读 展开。文章不会停留在“API 怎么用”,而是更关注为什么这么设计、在什么场景下容易踩坑、真实项目中如何取舍,希望能帮你在实际工作中少走弯路。

子玥酱 · 前端成长记录官 ✨
👋 如果你正在做前端,或准备长期走前端这条路
📚 关注我,第一时间获取前端行业趋势与实践总结
🎁 可领取 11 类前端进阶学习资源(工程化 / 框架 / 跨端 / 面试 / 架构)
💡 一起把技术学“明白”,也用“到位”

持续写作,持续进阶。
愿我们都能在代码和生活里,走得更稳一点 🌱

文章目录

引言

过去十几年,移动应用的核心形态一直很稳定:

用户打开 App ↓ 进入首页 ↓ 点击功能入口 ↓ 完成操作 

几乎所有应用都遵循这种模式:

  • 电商
  • 社交
  • 工具
  • 内容平台

本质上都是 “页面驱动的应用”

但随着 AI 技术、端侧大模型、系统级智能能力的发展,应用形态正在发生一次非常明显的变化:

应用正在从 App,变成 Agent。

换句话说:未来很多应用可能不再是一个“页面集合”,而是一个 可以执行任务的智能体(Agent)

这篇文章就聊聊:从 App 到 Agent,鸿蒙应用形态正在发生什么变化。

一、传统 App 的核心模式

传统 App 的核心逻辑其实很简单:

用户 → UI → 业务逻辑 → 数据 → UI 

例如点外卖:

打开外卖 App ↓ 搜索餐厅 ↓ 选择商品 ↓ 下单 

整个过程完全由 用户操作驱动,应用本质上是:

一个工具。

用户必须一步一步操作。

二、Agent 应用是什么

Agent 的核心特点是:

理解任务 自动执行 完成目标 

例如,用户只说一句:

帮我订一张明天去北京的机票 

Agent 可能会自动完成:

查询航班 选择时间 填写信息 支付订单 

整个流程不再需要用户逐步操作。

应用从:

工具 

变成:

助手 

三、为什么 Agent 会出现

Agent 应用出现,其实是三个技术变化带来的。

1、AI 能理解用户意图

传统应用只能处理 固定输入。例如:

搜索关键词 点击按钮 选择菜单 

但大模型可以理解自然语言:

帮我找一家附近评分高的餐厅 

AI 可以解析:

需求 位置 评分条件 

然后调用服务。

2、系统级能力整合

Agent 需要调用多个服务,例如:

地图 支付 消息 设备 

鸿蒙系统的一个重要能力就是 系统级服务整合,例如:

应用服务 系统能力 设备能力 

这为 Agent 提供了基础。

3、端侧 AI 能力

以前 AI 都在云端,现在很多能力可以在 设备端运行

  • 语音识别
  • 文本理解
  • 推荐系统

这让应用可以更快响应。

四、鸿蒙为什么适合 Agent 应用

鸿蒙生态其实非常适合 Agent 形态,原因主要有三个。

1、分布式设备能力

鸿蒙系统支持:

手机 平板 手表 车机 电视 

应用能力可以分布在多个设备,例如:

手机:输入任务 车机:执行导航 手表:提醒通知 

Agent 可以跨设备运行。

2、服务卡片能力

鸿蒙有 服务卡片(Service Card),很多功能不需要打开 App。例如:

查看快递 播放音乐 控制设备 

Agent 可以直接调用这些能力。

3、系统级 AI 能力

未来鸿蒙系统可能会提供:

系统 AI 应用 AI Agent 服务 

应用可以直接接入这些能力。

五、App 到 Agent 的架构变化

如果应用变成 Agent,架构也会变化。传统 App 架构:

UI ↓ Service ↓ Network 

Agent 架构可能变成:

User Input ↓ AI Agent ↓ Task Planner ↓ Service Calls 

例如:

AI Agent ├─ 意图识别 ├─ 任务规划 └─ 服务调用 

六、一个简单 Agent 示例

例如一个旅行 Agent,用户输入:

帮我规划一个周末旅行 

Agent 可能这样处理:

classTravelAgent{asynchandleRequest(text:string){const intent =await AIService.parseIntent(text)if(intent ==="travel_plan"){returnawaitthis.planTrip()}}asyncplanTrip(){const flights =await FlightService.search()const hotels =await HotelService.search()return{ flights, hotels }}}

这里 AI 负责:

理解任务 规划流程 调用服务 

七、UI 的角色会改变

在 Agent 应用里,UI 不再是核心,传统 App:

UI 是入口 

Agent 应用:

AI 是入口 

UI 变成:

展示结果 确认操作 调整参数 

例如:

AI 推荐旅行方案 用户确认 系统执行 

八、开发者需要改变什么

如果应用变成 Agent,开发者的思维也需要改变。传统开发关注:

页面 导航 交互 

Agent 应用更关注:

任务 能力 服务 

应用不再只是:

UI 产品 

而是:

能力服务 

总结

应用形态正在经历一次明显变化,过去:

App = 页面集合 

未来:

App = 能力服务 + AI Agent 

用户不再需要:

打开 App 寻找功能 点击按钮 

而是直接:

表达需求 

系统完成任务,从这个角度看,未来应用的演进路线很可能是:

App ↓ Service ↓ Agent 

对于开发者来说,这意味着:

移动应用的设计方式,很可能会迎来一次 新的架构变革

Read more

OpenClaw 安装 + 接入飞书机器人完整教程

OpenClaw 安装 + 接入飞书机器人完整教程 OpenClaw 曾用名:ClawdBot → MoltBot → OpenClaw(同一软件,勿混淆) 适用系统:Windows 10/11 最后更新:2026年3月 一、什么是 OpenClaw? OpenClaw 是一款 2026 年爆火的开源个人 AI 助手,GitHub 星标已超过 10 万颗。 与普通 AI 聊天机器人的核心区别: * 真正的执行能力:不只回答问题,能实际操作你的电脑 * 24/7 全天候待命:睡觉时也能主动完成任务 * 完全开源免费:数据完全掌控在自己手中 * 支持国内平台:飞书、钉钉等均已支持接入 二、安装前准备:安装 Node.js 建议提前手动安装

By Ne0inhk

Vivado 2019.2安装破解教程:零基础手把手指南

从零搭建Vivado 2019.2开发环境:不只是“破解”,更是理解FPGA工具链的开始 你是否曾在尝试启动 Vivado 的时候,被一个弹窗拦住去路:“License required for synthesis”? 或者刚下载完庞大的安装包,面对一堆补丁文件却不知从何下手? 这并不是你技术能力的问题。事实上, 每一个 FPGA 开发者都曾经历过这个阶段 ——在官方授权门槛和学习成本之间挣扎。而 Vivado 2019.2,作为 Xilinx 工具链中最后一个稳定、功能完整且社区支持广泛的经典版本,至今仍是高校实验、个人项目甚至部分企业原型验证的首选。 但它的安装与授权配置过程,远比点几下“下一步”复杂得多。本文不打算教你如何“绕过法律”,而是带你 真正搞懂整个系统是怎么运作的 :为什么需要许可证?补丁到底改了什么?Xilinx License Manager 背后又是怎样的机制? 更重要的是,我会手把手带你走完一条清晰、可复现、稳定性高的部署路径,

By Ne0inhk
【ROS 2】运行 ROS 2 机器人 ( ROS 2 机器人示例 - 海龟仿真器 | ROS 节点分析工具 - rqt | ros2 run 命令解析 | ros2 run 基础格式和完整格式 )

【ROS 2】运行 ROS 2 机器人 ( ROS 2 机器人示例 - 海龟仿真器 | ROS 节点分析工具 - rqt | ros2 run 命令解析 | ros2 run 基础格式和完整格式 )

文章目录 * 一、ROS 2 机器人示例 - 海龟仿真器 * 1、启动海龟仿真器节点 * 2、启动控制节点 * 3、ROS 节点分析工具 - rqt * 二、ros2 run 命令解析 * 1、设计理念 * 2、ros2 run 基础格式 * 3、ros2 run 完整格式 * 4、启动海龟仿真器命令分析 在上一篇博客 【ROS 2】ROS 2 Humble 完整环境配置 ( VirtualBox 7.2.4 + Ubuntu 22.04.5 LTS + ROS 2

By Ne0inhk
医疗连续体机器人模块化控制界面设计与Python库应用研究(下)

医疗连续体机器人模块化控制界面设计与Python库应用研究(下)

软件环境部署 系统软件架构以实时性与兼容性为核心设计目标,具体配置如下表所示: 类别配置详情操作系统Ubuntu 20.04 LTS,集成RT_PREEMPT实时内核补丁(调度延迟<1 ms)开发环境Python 3.8核心库组件PyQt5 5.15.4(图形界面)、OpenCV 4.5.5(图像处理)、NumPy 1.21.6(数值计算) 该环境支持模块化控制界面开发与传感器数据的实时融合处理,为连续体机器人的逆运动学求解(如FB CCD算法测试)提供稳定运行基础[16]。 手眼协调校准 为实现视觉引导的精确控制,需完成相机与机器人基坐标系的空间映射校准,具体流程如下: 1. 标识点布置:在机器人末端及各段首尾、中间位置共固定7个反光标识点,构建臂型跟踪特征集[29]; 2. 数据采集:采用NOKOV度量光学动作捕捉系统(8台相机,

By Ne0inhk