鸿蒙 App 集成 AI 助手：架构设计 + 实战代码

大家好，我是展菲，目前在上市企业从事人工智能项目研发管理工作，平时热衷于分享各种编程领域的软硬技能知识以及前沿技术，包括iOS、前端、Harmony OS、Java、Python等方向。在移动端开发、鸿蒙开发、物联网、嵌入式、云原生、开源等领域有深厚造诣。

图书作者：《ESP32-C3 物联网工程开发实战》
图书作者：《SwiftUI 入门，进阶与实战》
超级个体：COC上海社区主理人
特约讲师：大学讲师，谷歌亚马逊分享嘉宾
科技博主：华为HDE/HDG

我的博客内容涵盖广泛，主要分享技术教程、Bug解决方案、开发工具使用、前沿科技资讯、产品评测与使用体验。我特别关注云服务产品评测、AI 产品对比、开发板性能测试以及技术报告，同时也会提供产品优缺点分析、横向对比，并分享技术沙龙与行业大会的参会体验。我的目标是为读者提供有深度、有实用价值的技术洞察与分析。

展菲：您的前沿技术领航员
👋 大家好，我是展菲！
📱 全网搜索“展菲”，即可纵览我在各大平台的知识足迹。
每周定时推送干货满满的技术长文，从新兴框架的剖析到运维实战的复盘，助您技术进阶之路畅通无阻。

引言

过去几年，大模型接入 App 的方式其实非常简单：

输入问题 ↓ 调用 API ↓ 返回答案

很多鸿蒙项目也是这样做的：

constresult=awaitllm.chat(prompt)

然后把结果展示到页面，看起来：

AI 已经接入成功

但很快你会发现：

只能聊天 不能做事

例如用户说：

帮我预约今天下午的课程

AI 返回：

您可以点击课程页面进行预约

用户会觉得：

那我为什么要问你？

真正的 AI 助手应该是：

用户说需求 ↓ AI理解意图 ↓ 调用业务能力 ↓ 完成任务 ↓ 返回结果

而不是：

用户提问 ↓ AI聊天 ↓ 结束

所以：

AI 助手不是一个聊天窗口，而是一套新的应用架构。

一、为什么普通 AI 聊天框没有价值

很多项目的第一版：

ArkUI ↓ LLM API ↓ Answer

例如：

Button("发送").onClick(async()=>{constresult=awaitllm.chat(input)this.answer=result})

架构：

UI ↓ Model ↓ Text

问题，AI 永远只能：

说

不能：

做

所以：

无法和业务结合

最终变成：

一个套壳 ChatGPT

二、真正的 AI 助手架构

推荐结构：

UI ↓ Assistant ↓ Intent Engine ↓ Task Center ↓ Tool Center ↓ System ↓ Repository

这里：

Assistant

成为整个应用的新入口。

三、第一层：Assistant Runtime

Assistant 是整个 AI 助手的大脑，职责：

理解用户 管理上下文 调度任务

示例：

exportclassAssistant{asyncrun(text:string){constintent=awaitthis.parseIntent(text)returnawaittaskCenter.run(intent)}}

调用：

awaitassistant.run("帮我预约英语课程")

四、第二层：Intent Engine

Intent Engine 负责：

把自然语言 变成结构化命令

例如，用户输入：

帮我购买英语四级课程

转换：

{"intent":"buy_course","course":"英语四级"}

示例：

classIntentEngine{asyncparse(text:string){returnawaitllm.chat(`提取用户意图:${text}`)}}

整个 AI 应用最关键的一步：

不是生成答案，而是识别意图。

五、第三层：Task Center

很多开发者喜欢：

AI直接调用业务代码

这是错误的，正确方式：

AI ↓ Task ↓ 业务能力

例如：

classBuyCourseTask{asyncrun(params){returnawaitcourseTool.buy(params.courseId)}}

统一入口：

awaittaskCenter.run("BuyCourseTask")

这样：

业务流程标准化

六、第四层：Tool Center

这是 AI Native 架构里最重要的一层，很多团队会这样写：

orderStore.orders=[]

AI 直接修改数据，问题：

无法审计 无法控制权限

正确做法：

awaitorderTool.cancel(id)

示例：

exportclassOrderTool{asynccancel(orderId:string){returnawaitorderSystem.cancel(orderId)}}

Tool 的本质：

AI 与业务之间的隔离层

七、鸿蒙 App 中如何设计 Tool

推荐目录：

tools/ ├── user ├── order ├── payment ├── course └── message

例如：

tools/ └── order/ ├── CancelOrderTool ├── QueryOrderTool └── CreateOrderTool

示例：

exportclassQueryOrderTool{asyncexecute(id:string){returnawaitrepository.find(id)}}

这样：

AI 能力标准化

八、鸿蒙 ArkUI 接入助手

页面层应该非常轻，例如：

@Statequestion:string=""@Stateanswer:string=""Column(){TextInput({text:this.question})Button("发送").onClick(async()=>{this.answer=awaitassistant.run(this.question)})Text(this.answer)}

这里页面不知道：

任务怎么执行 工具怎么调用 模型怎么推理

只负责：

输入 输出

九、增加 Memory

如果没有记忆：

每次都是新对话

例如，用户：

帮我查订单

AI：

哪个订单？

用户：

昨天那个

AI：

无法理解

因为：

上下文丢失

Memory 架构

Assistant ↓ Memory ↓ LLM

示例：

classMemoryStore{history:string[]=[]add(message:string){this.history.push(message)}}

调用：

awaitassistant.run(text,memoryStore.history)

十、增加 State

AI Native App 必须管理状态，例如：

当前任务 当前订单 当前用户

推荐：

AssistantState

示例：

classAssistantState{currentTask?:stringcurrentIntent?:stringtaskStatus?:string}

这样：

任务执行过程可追踪

十一、一个完整课程助手实战

用户：

帮我推荐专升本课程

流程：

Assistant ↓ Intent Engine ↓ RecommendCourseTask ↓ CourseTool ↓ CourseRepository ↓ Result

代码：

constintent=awaitintentEngine.parse(text)constresult=awaittaskCenter.run(intent)returnresult

整个系统：

完全任务化

十二、AI Native 鸿蒙 App 的推荐目录

src ├── assistant │ ├── runtime │ ├── intent │ ├── memory │ └── state │ ├── task │ ├── order │ ├── payment │ └── course │ ├── tools │ ├── order │ ├── user │ └── payment │ ├── system │ ├── repository │ ├── store │ └── ui

这是比较适合的结构是：

AI Native 鸿蒙 App

十三、为什么未来会从页面驱动变成助手驱动

传统 App：

页面 ↓ 按钮 ↓ 功能

AI Native App：

意图 ↓ Assistant ↓ Task ↓ 结果

例如，过去：

打开订单页 点击取消 确认取消

未来：

帮我取消昨天的订单

AI 自动完成，这里最大的变化是：

页面不再是入口。

而是：

Assistant 成为入口。

十四、结合鸿蒙分布式能力

鸿蒙最大的优势：

多设备协同

例如，手机：

发起任务

平板：

查看执行过程

PC：

继续处理结果

因此：

AssistantState

应该支持：

分布式同步

结构：

Phone ↓ AssistantState ↓ Pad ↓ PC

未来：

AI 助手是跨设备存在的

而不是：

只存在某个页面

十五、总结

如果用一句话总结：

鸿蒙 App 集成 AI 助手，不是在页面里放一个聊天框，而是在应用内部增加一个新的 Runtime。

过去：

用户操作功能

未来：

用户表达意图

过去：

页面驱动业务

未来：

Assistant 驱动业务

过去：

App = UI + Service

未来：

App = UI + State + Task + Tool + Assistant Runtime

很多开发者接入 AI 后，看到模型能够回复内容，就觉得已经完成了 AI 化。

但真正的 AI Native 鸿蒙应用，目标从来不是：

让 AI 会聊天

而是：

让 AI 会做事

记住一句话：

聊天框只是入口， Assistant Runtime 才是核心。

当你的鸿蒙 App 开始拥有：

• Intent Engine
• Memory Engine
• Task Center
• Tool Center
• Assistant State
• 分布式 Assistant Runtime

你会发现：

AI 不再是一个功能模块， 而开始成为整个鸿蒙 App 的新基础设施。