Agent First:鸿蒙 App 的下一代 AI Runtime 架构


子玥酱 (掘金 / 知乎 / CSDN / 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、CSDN、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

过去几年,鸿蒙 App 的主流架构基本都围绕以下展开:

text 复制代码
Page
Store
Service

典型结构:

text 复制代码
UI
 ↓
Store
 ↓
Repository
 ↓
Network

这种架构在传统业务场景下没有问题,例如:

  • 电商
  • 教育
  • 社交
  • OA

因为用户行为通常是:

text 复制代码
打开页面
 ↓
点击按钮
 ↓
执行功能

整个系统本质上属于,Page First 架构。但 AI 开始进入 App 后,系统开始出现新的挑战。

例如:

text 复制代码
帮我整理今天会议

帮我完成报销

帮我生成周报

这些需求已经不是:

text 复制代码
单页面功能

而是:

text 复制代码
跨模块任务

此时传统 Page First 架构开始失效。

一、Page First架构的问题

传统鸿蒙项目:

text 复制代码
Page
 ↓
Store
 ↓
System

例如:

ts 复制代码
Button("提交")
  .onClick(() => {
      orderStore.submit()
  })

执行链路:

text 复制代码
页面
 ↓
Store
 ↓
System
 ↓
Repository

这种结构有一个前提:

页面是业务入口。

但是AI时代:

text 复制代码
用户输入一句话

可能触发:

text 复制代码
订单模块
消息模块
日历模块
设备模块

多个领域协同,例如:

text 复制代码
帮我完成出差申请

可能涉及:

text 复制代码
审批
 ↓
机票
 ↓
酒店
 ↓
日历
 ↓
消息通知

这时候:

text 复制代码
页面已经无法承担入口职责

二、Agent First的核心思想

Agent First并不是:

text 复制代码
增加一个聊天页面

而是:

text 复制代码
引入统一任务入口

结构变成:

text 复制代码
User
 ↓
Intent
 ↓
Task
 ↓
Runtime
 ↓
Domain

这里,Intent负责:

text 复制代码
理解用户需求

Task负责:

text 复制代码
业务流程编排

Runtime负责:

text 复制代码
资源调度

Domain负责:

text 复制代码
具体能力实现

三、Intent Center设计

Intent 是 Agent Runtime 的入口。例如,用户输入:

text 复制代码
帮我整理今天会议

系统不会直接调用模型,而是先进入:

text 复制代码
Intent Center

示例:

ts 复制代码
export interface Intent {

  name: string

  confidence: number

}

识别器:

ts 复制代码
class IntentClassifier {

  async classify(
    query: string
  ): Promise<Intent> {

  }

}

输出:

ts 复制代码
{
  name: "MeetingSummaryIntent",
  confidence: 0.95
}

这样:

text 复制代码
模型能力
与
业务能力
开始解耦

四、Task成为业务核心

这是很多团队最容易忽略的部分。传统:

text 复制代码
页面驱动业务

未来:

text 复制代码
Task驱动业务

例如:

ts 复制代码
export interface Task {

  execute(): Promise<void>

}

会议总结:

ts 复制代码
class MeetingSummaryTask
  implements Task {

}

报销申请:

ts 复制代码
class ExpenseTask
  implements Task {

}

Agent Runtime只负责:

text 复制代码
调度Task

不负责:

text 复制代码
实现业务

这样:

text 复制代码
系统扩展能力极强

五、Runtime层设计

真正的Agent First项目一定会出现:

text 复制代码
Runtime

这一层,推荐结构:

text 复制代码
runtime/
 ├── intent/
 ├── planner/
 ├── scheduler/
 ├── task/
 ├── memory/
 ├── tool/
 └── agent/

各模块职责,ntent/ 负责:

text 复制代码
意图识别

planner/ 负责:

text 复制代码
任务规划

例如:

text 复制代码
出差申请
 ↓
审批任务
 ↓
订票任务
 ↓
同步任务

拆分为多个Task。scheduler/ 负责:

text 复制代码
任务调度

例如:

text 复制代码
串行
并行
优先级
重试

memory/ 负责:

text 复制代码
长期上下文

例如:

text 复制代码
用户偏好
历史任务
设备信息

tool/ 负责:

text 复制代码
工具调用

例如:

text 复制代码
Calendar
Message
Map
Payment

六、鸿蒙为什么适合Agent Runtime

因为鸿蒙天然具备:

text 复制代码
跨设备能力

例如:

text 复制代码
Phone
Pad
PC
Watch

Agent执行任务时:

text 复制代码
Task
 ↓
Runtime
 ↓
DeviceManager

可以自动选择:

text 复制代码
最合适设备

例如:

text 复制代码
文档编辑
→ PC

运动提醒
→ Watch

导航
→ Phone

这实际上已经接近,分布式 Agent 模型。

七、推荐项目结构

未来Agent First鸿蒙项目推荐:

text 复制代码
app/
 ├── ui/
 ├── state/
 ├── intent/
 ├── runtime/
 ├── task/
 ├── domain/
 ├── distributed/
 └── infrastructure/

相比传统:

text 复制代码
page/
service/
util/

结构,更加适合 AI Native 应用。

总结

如果用一句话总结 Agent First:

Agent First 不是交互升级,而是架构升级。

传统鸿蒙 App:

text 复制代码
Page
 ↓
Function

未来鸿蒙 AI App:

text 复制代码
Intent
 ↓
Task
 ↓
Runtime
 ↓
Domain

真正的变化不是:

text 复制代码
增加一个聊天框

而是:

text 复制代码
引入一个新的系统核心

这个核心就是:

text 复制代码
Agent Runtime

未来鸿蒙 AI Native App 的竞争力,很可能不再来自:

  • 页面数量
  • 功能数量
  • 组件数量

而来自:

  • Intent能力
  • Task编排能力
  • Runtime调度能力
  • 多设备Agent协同能力

这才是 Agent First 架构真正值得关注的技术价值。

相关推荐
程序员cxuan1 分钟前
Claude Code 为了封禁中国用户,竟然在代码里下毒
人工智能·后端·程序员
shushangyun_3 分钟前
2026年AI知识库系统选型指南
人工智能
●VON13 分钟前
HarmonyKit | 鸿蒙新特性驱动:组件-工具-页面三层架构设计
华为·harmonyos·鸿蒙
喵叔哟29 分钟前
从聊天记录到真正的记忆:为 AI Agent 设计一套分层记忆系统
人工智能·langchain
谷雪_65830 分钟前
Linux 网络命名空间:从内核原理到企业级容器网络架构全景实战
linux·网络·架构
道友可好44 分钟前
Claude Code 泄露源码里的 89 个秘密
前端·人工智能·后端
大鱼>1 小时前
推荐系统原理与实现:协同过滤/内容推荐/深度学习
人工智能·深度学习
MartinYeung51 小时前
[论文学习]DP-Fusion:面向大语言模型的令牌级差分隐私推理-深度解析
人工智能·学习·语言模型
库拉大叔1 小时前
GPT提示词写法大全:不同场景的提问模板
人工智能·gpt
饼干哥哥1 小时前
我开发了一个「吃掉」别人Skill来升级的饕餮.Skill,现在免费开源
人工智能·设计模式·开源