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

除了 OpenClaw,今天 AI 热榜还有什么值得看?我把 5 个重点方向讲清楚了

除了 OpenClaw,今天 AI 热榜还有什么值得看?我把 5 个重点方向讲清楚了

🔥 个人主页:杨利杰YJlio❄️ 个人专栏:《Sysinternals实战教程》《Windows PowerShell 实战》《WINDOWS教程》《IOS教程》《微信助手》《锤子助手》《Python》《Kali Linux》《那些年未解决的Windows疑难杂症》🌟 让复杂的事情更简单,让重复的工作自动化 除了 OpenClaw,今天 AI 热榜还有什么值得看?我把 5 个重点方向讲清楚了 * 除了 OpenClaw,今天 AI 热榜还有什么值得看?我把 5 个重点方向讲清楚了 * 1. 我先说结论:今天这波 AI 热榜,最重要的不是“谁最火”,而是“风向变了” * 2. GoogleCloudPlatform / generative-ai:平台生态正在成为真正的护城河 * 3. MiroFish:群体智能和多智能体,开始从概念走向更具体的产品叙事

By Ne0inhk
Python+AI 实战:搭建属于你的智能问答机器人

Python+AI 实战:搭建属于你的智能问答机器人

欢迎文末添加好友交流,共同进步! “ 俺はモンキー・D・ルフィ。海贼王になる男だ!” 引言 * 在数字化转型浪潮中,智能问答机器人正成为企业客服、知识库检索乃至个人助理等场景的关键交互入口。它能让员工秒级获取技术解答、客户即时获得业务支持、学习者随时得到个性化辅导,极大提升信息获取效率与用户体验。 * 为何选择 Python 与开源 AI 模型?Python 拥有成熟的 AI 生态——Hugging Face Transformers、LangChain、FAISS 等工具大幅降低开发门槛;而本地部署的开源大模型(如 Phi-3、Mistral、Llama 系列)则保障了数据隐私、规避了 API 成本,特别适合对安全性或离线能力有要求的场景。 * 本文将手把手带你从零构建一个基于 RAG(检索增强生成)架构的本地智能问答系统:使用 Sentence-BERT 实现语义检索,FAISS 作为向量数据库,并集成轻量级开源语言模型生成答案。

By Ne0inhk
人工智能:自然语言处理在医疗领域的应用与实战

人工智能:自然语言处理在医疗领域的应用与实战

人工智能:自然语言处理在医疗领域的应用与实战 学习目标 💡 理解自然语言处理(NLP)在医疗领域的应用场景和重要性 💡 掌握医疗领域NLP应用的核心技术(如电子病历分析、疾病诊断辅助、药物相互作用检测) 💡 学会使用前沿模型(如BioBERT、ClinicalBERT)进行医疗文本分析 💡 理解医疗领域的特殊挑战(如医疗术语、数据隐私、法规要求) 💡 通过实战项目,开发一个电子病历文本分类应用 重点内容 * 医疗领域NLP应用的主要场景 * 核心技术(电子病历分析、疾病诊断辅助、药物相互作用检测) * 前沿模型(BioBERT、ClinicalBERT)在医疗领域的使用 * 医疗领域的特殊挑战 * 实战项目:电子病历文本分类应用开发 一、医疗领域NLP应用的主要场景 1.1 电子病历分析 1.1.1 电子病历分析的基本概念 电子病历(Electronic Health Records, EHR)是医疗领域的核心数据之一,包含了患者的基本信息、诊断记录、

By Ne0inhk