AI Coding 的浪潮正在重塑所有移动生态的开发范式，但 HarmonyOS 鸿蒙面对的局面远比 iOS 和 Android 复杂。
一个根本性的矛盾在于：大模型的能力边界，很大程度上由训练语料决定。Android 有数十年的 Java/Kotlin 代码积累，iOS 同样拥有庞大的 Swift/Objective-C 语料储备，而 HarmonyOS 鸿蒙的编程语言 ArkTS 面世时间尚短，公开可得的代码语料较为有限。这意味着，即便同样的模型，在 HarmonyOS 鸿蒙场景下的表现也会打一个不小的折扣。
这还只是语言层面的挑战。华为硬件设备形态更为丰富，直板机、双折叠、三折叠，远超传统移动开发所面对的屏幕适配场景，同一份业务代码需要在不同设备形态上完成差异化适配，开发复杂度显著抬升。再加上鸿蒙应用工程体量普遍庞大、传统 IDE 面向人来交互而非为 AI 工作流设计，鸿蒙 AI 编码面临的不是一个单点挑战，而是上述四个叠加。
双引擎布局：DevEco Code 与 DevEco CLI
基于上述挑战，华为规划了一套由两层工具加一个开放市场组成的整体布局。
DevEco Code 定位为面向鸿蒙应用的开箱即用 Coding Agent，覆盖从项目创建、需求设计、代码生成、功能验证、集成测试到运营维护的全流程。它预置了智谱系列大模型服务，同时支持自定义配置和对接第三方模型。
DevEco CLI 则是将传统 IDE 的集成式能力"打散"为原子工具集合，包括创建工程、语法检查、编译构建、获取设备、推包运行、获取模拟器、知识检索和 Skills 管理等命令行工具。其设计理念是：将面向人的 GUI 交互转化为面向 AI 工作流的命令行原子能力，使 AI Agent 可以通过命令串联的方式完成开发全旅程。
在两者之上，格物市场作为开放平台聚合官方、社区与合作伙伴的 Skills、MCP 工具和知识库，用户可按需下载安装，形成"工具+知识+市场"的三层结构。
这一布局的核心思路是分层解耦：DevEco Code 面向无需配置环境、需要开箱即用鸿蒙开发能力的开发者，DevEco CLI 面向已有完备 AI 流水线、需要集成鸿蒙原子能力的伙伴，格物市场则为两种路径提供持续扩展的开放能力。
DevEco Code：三循环 Harness 与三种开发模式
作为鸿蒙 Coding Agent 的核心产品，DevEco Code 的关键设计在于 Harness 能力，即通过多层次的自动验证与修复循环提升代码生成质量。
三循环质量保障
DevEco Code 的 Harness 包含三个递进的验证循环：
① 轻量级语法校验。 AI 生成代码后，首先调用轻量级语法工具进行初步检查，过滤明显的语法问题。引入 LSP 的依赖分析、调用链分析，引用关系查找等能力。方便 AI 快速了解项目结构，提升代码重构和跨模块修改的准确性。
② 编译诊断。 调用原子化命令行编译工具进行编译诊断，发现编译错误后反馈给 AI Agent 进行修复。
③ UIAI 意图功能校验。 AI 编码中一个被长期忽视的问题：编译通过不等于功能正确，功能正确不等于 UI 符合预期。UI 验证 Agent 是我们为解决功能正确性而支持的一个颇具亮点的能力。它基于多模态模型能力，在代码编写完成后自动拉起模拟器，执行 UI 意图校验，模拟人机交互操作（点击、滑动、长按、输入等），并在执行过程中主动截图，生成对比报告供开发者审阅。UI 验证 Agent 发现 UI 显示和交互功能的问题后，可以自动反馈给智能体，进行修复。
通过视觉对比报告，开发者只需查看结果决策，无需反复做重复性验证，做到了验证全闭环、结果自反馈、证据可视化。这是关键一环，代码能编译通过，并不意味着功能正确。意图校验环节会对 AI 生成代码的功能正确性进行验证，发现缺陷之后反馈给智能体进行修复。
④ 代码自动修复。DevEco Code 还内置了代码修复 Agent，支持语法问题、构建报错、运行崩溃、UI 显示问题和交互功能问题等开发阶段的代码错误。以运行时崩溃问题为例，覆盖 10 余类典型问题，包括类型错误、语法错误、边界错误、引用错误、URI 错误等。针对运行时崩溃，设有专属 Skill，可自动采集崩溃日志并分析。基于 100 余个崩溃问题定位案例的积累，修复成功率达到 80% 以上，实现分钟级的崩溃修复效率。
在相同模型条件下，叠加 Harness 能力后，DevEco Code 在鸿蒙任务完成率方面相比 OpenCode 有显著提升。对比数据覆盖了 GLM5.1、DeepSeek-V4-Pro、MiniMax-M2.7 三种模型的组合，DevEco Code 在各组合下均优于 OpenCode 的表现。
三种开发模式
DevEco Code 提供了 Plan、Goal、Build 三种开发模式，分别对应不同程度的自主性和人工介入：
Build 模式追求自主高效。Agent 根据用户需求，立即写代码、边写边改，几乎不与人交互。适合需求明确、快速迭代的场景。
Plan + Build 模式强调先规划后执行，通过 Plan（规划） 和 Build（实施） 两阶段协作实现高效开发：
Plan 阶段：需求描述后，Plan Agent 先扫描代码库，分析依赖关系并生成结构化任务计划，需用户确认后方可进入下一阶段。
Build 阶段：Build Agent 按确认的计划逐项执行，每完成任务即自动构建验证并修复错误，无需人工干预。
Goal 模式结合 SDD（Spec-Driven Development）。开发者输入自然语言需求，Agent 在规格制定阶段与开发者简单交互，确认验收标准后进入自主开发循环，代码生成、语法检查、代码修复、构建出包、推送模拟器、功能自验证全程自动完成。开发完成后拉起模拟器自动运行，开发者仅需做最终确认。
UI 验证 Agent：多模态视觉闭环
DevEco Code 中一个颇具亮点的设计是 UI 验证 Agent。它基于多模态模型能力，在代码编写完成后自动拉起模拟器，执行 UI 意图校验，模拟人机交互操作（点击、滑动、长按、输入等），并在执行过程中主动截图，生成对比报告供开发者审阅。
这一设计解决了 AI 编码中一个被长期忽视的问题：编译通过不等于功能正确，功能正确不等于 UI 符合预期。通过视觉对比报告，开发者只需查看结果决策，无需反复做重复性验证，做到了验证全闭环、结果自反馈、证据可视化。
代码修复 Agent
DevEco Code 还内置了代码修复 Agent，覆盖 10 余类典型问题，包括类型错误、语法错误、边界错误、引用错误、URI 错误等。针对运行时崩溃，设有专属 Skill，可自动采集崩溃日志并分析。基于 100 余个崩溃问题定位案例的积累，修复成功率达到 80% 以上，实现分钟级的崩溃修复效率。
产品体验入口
DevEco Code 安装指令：
npm install -g @deveco/deveco-code
🔗DevEco Code 帮助文档：（可复制链接至网页打开）
https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/ide-deveco-code
DevEco CLI：从集成式 IDE 到原子工具集合
如果说 DevEco Code 是面向开发者的开箱即用方案，DevEco CLI 则面向更深层的工程化需求，将传统 IDE 的集成式能力拆解为原子化的命令行工具，使其可以被 AI 工作流无缝调用。
这一设计理念的核心在于：传统 IDE（如 VS CodeDevEco Studio、IntelliJ IDEA）是面向人的集成式工具，通过 GUI 交互完成开发全流程。但当 AI Agent 成为开发主体时，GUI 交互模式反而成了障碍，Agent 需要的是可程序化调用的原子接口，而非视觉化的图形界面。
DevEco CLI 将开发工具集拆解为独立的命令行工具：devecocli create（创建工程）、check mcp（语法检查）、devecocli build（编译打包）、devecocli device（获取设备）、devecocli emulator（获取模拟器）、devecocli run（推包运行）等。通过一行 devecocli init 命令，即可完成鸿蒙开发环境的初始化和 Skills 安装，支持与 OpenCode 等通用 AI IDE/CLI 工具对接。
知识库：2000 万字的鸿蒙语料基座
DevEco CLI 内置的官方知识库是另一个关键组件。该知识库涵盖最佳实践、开发指南、API 参考、FAQ、版本说明和变更预告等内容，总规模达到 2000 万字。
其优势在于四个维度：本地响应（无需网络请求即可获取知识）、渐进式读取（按需加载，避免上下文过载）、专用词表（鸿蒙专有术语的精准映射）、API 查询友好（结构化输出，便于 Agent 解析和调用）。
这一设计实际上是在用工程手段弥补前文提到的语料不足问题。在公开语料有限的情况下，华为选择将官方积累的结构化知识封装为 Agent 可直接调用的知识库，以此提升模型在鸿蒙领域的表现。
70+ Skills 与多设备适配
DevEco CLI 和格物市场共同提供了 70 余个 Skills，覆盖 ArkTS 语法规则、ArkUI 开发技能、多设备适配、工程工具、自动 Bug 修复、日志分析、测试和应用质量等全旅程场景。
多设备开发 Skills 是其中最具鸿蒙特色的组件。以 hmos-multidevice-scenario-entry 为例，在未使用 Skill 时，AI Agent 对双折叠屏仅生成单列布局、三折叠屏仅生成双列布局；叠加多设备 Skills 后，双折叠屏可正确生成双列布局，三折叠屏可正确生成三列布局。这一对比直观地展示了 Skills 机制如何弥补模型在鸿蒙多设备适配场景下的能力短板。
产品体验入口
DevEco CLI 安装指令：
npm install -g @deveco/deveco-cli
🔗DevEco CLI 帮助文档：（可复制链接至网页打开）
https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/ide-deveco-cli
格物市场：（可复制链接至网页打开）
https://matrix.openharmony.cn/#/skillSquare
从工具到方法论：四层 Skill 分级路由
DevEco CLI 和格物市场提供了大量 Skill，这些 Skill 通过 front matter 中的 description 向大模型暴露自身信息，由模型根据场景自主选择调用。但当 Skill 数量超过一定阈值后，模型的选择能力开始退化。在实际开发中，Agent 往往需要反复加载多个 Skill，经过多次试探才能命中真正需要的那个。
为解决这一问题，华为团队设计了 Skill 分级路由方案，将 Skill 按层次划分为 L0 至 L3 四级：
L0（语法框架层）：解决 ArkTS 与 TS 的混淆问题。不加限制时，模型极易将 ArkTS 代码写成 TS 语法。L0 层负责将 Skill 路由到 ArkTS 语法规范相关的知识与工具上，从语言层面确保代码合规。
L1（组件与系统 API 层）：解决模型不熟悉鸿蒙 API 的问题。当模型需要调用特定鸿蒙 API 时，L1 层将路由到对应的 API 文档，使模型能够查询并正确使用鸿蒙的系统接口。
L2（工程上下文层）：结合具体工程的最佳实践进行路由。包括工程构建方式、常见错误的修复路径等，帮助模型理解当前工程的结构特征和约束。
L3（业务规则层）：结合业务层面的约束和规范进行路由。确保生成的代码符合业务需要遵循的标准和规则。
这一设计遵循"先核心，再场景"的原则，先处理语言层面和 API 层面的通用问题，再根据具体场景分发到工程上下文和业务规则。通过分级路由，避免了将大量 Skill 或知识库信息统一塞入 Agent 上下文导致的信息过载和选择困难。
HarmonyOS Verify：让 AI 代码从“能写”到“写对”的智能验证方案
如果说 Skill 路由解决的是"让模型能写鸿蒙代码"的问题，那么 HarmonyOS Verify 体系解决的则是"让模型写对鸿蒙代码"的问题。
这一与伙伴共建的验证方案可以被分为四层：
第一层，ETS 语法检查与编译构建修复。 即 IDE 中常见的静态语法检查（画线、报错等），结合编译构建验证，确保代码没有基本语法错误、能够通过编译。这是最基础的保障层。
第二层，UI 自动化操作与多模态图片验证。 提供模拟人输入的工具集（点击、滑动、长按、输入按键等），供 Agent 根据需求文档执行操作。操作完成后，通过截图工具采集界面图像，传送给多模态模型进行视觉对比，验证实际行为是否符合用户预期。这一层将"功能是否正确"的判断从代码层面延伸到了运行态的视觉层面。
第三层，辅助定位工具。 当 UI 验证或编译构建遇到问题时，需要精准定位问题根源。Hidumper 可打印 UI 元素树，帮助识别组件坐标与属性；日志采集分析工具可获取编译或运行时的实时日志流。这两个工具为问题修复提供了诊断依据。
第四层，一多适配验证。 在直板机、双折叠、三折叠、平板等多种设备形态上自动运行验证，确保代码在不同设备上的适配效果。
四层验证构成递进关系：从静态语法到编译构建，从运行态 UI 到多设备适配，覆盖了从代码正确到功能正确再到多端一致的全链路。
结语：框架已成，生态正起
回顾鸿蒙 AI Coding 的整体布局，一条清晰的工程化路径已经成型：DevEco Code 以 Harness 三循环保障代码质量，DevEco CLI 以原子工具和知识体系支撑端到端自动化，HarmonyOS Verify 以四层验证闭环确保交付可靠性，Native Flow 以工程化框架实现多需求隔离与断点恢复。这些不是概念演示，而是已经在伙伴场景中跑通的实践。
下一阶段仍需共建的方向包括：鸿蒙专属高质量代码语料体系、超大复杂鸿蒙工程的全局理解能力，以及长程复杂开发任务中的目标约束与分段锚定。这三个方向有一个共同特征，它们不是产品层面的功能补丁，而是生态层面的纵深拓展。换句话说，工具框架已经搭好，接下来的关键是如何让更多力量涌入，共同把语料做厚、把工程理解做深、把长程任务做稳。
鸿蒙作为后发生态，在 AI Coding 时代反而具备一个结构性优势：工具体系可以从零开始为 AI 工作流设计，而不必迁就既有的面向人的工具链和开发范式。DevEco Code 的 Coding Agent 定位、DevEco CLI 的原子化拆解、格物市场的开放聚合机制，都是这一思路的体现。随着语料积累、工程理解和长程任务约束逐步被攻克，鸿蒙 AI Coding 的能力边界还将持续拓展。
框架已成，路径已清，接下来是生态共建的时间。
嘉宾简介
许云红，华为终端软件部 AI 技术专家
姜钰潇，华为终端软件部 Agent 产品架构师