华为发布DevEco Code:鸿蒙开发步入AI Agent“自动驾驶”时代

6月13日消息,华为在HDC 2026期间正式发布了DevEco Code,一款面向HarmonyOS开发场景的全链路AI Agent工具。该工具支持代码编写、编译构建、设备运行、文档查阅、运行时调试及ArkTS问题修复等能力,标志着鸿蒙应用开发从"辅助编码"向"目标驱动型自动化开发"迈出了关键一步。

基于OpenCode深度定制,全面融入鸿蒙工具链

据介绍,DevEco Code基于开源项目OpenCode扩展开发,在保留OpenCode终端交互、配置体系及Provider/MCP/Skill/Plugin等通用能力的基础上,针对HarmonyOS工程进行了深度定制。它集成了DevEco Studio、Hvigor构建工具、HDC设备管理、HarmonyOS知识库、ArkTS静态检查及设备调试等核心能力。

在具体功能层面,DevEco Code内置了多个关键工具:build_project用于执行编译构建并导出产物,start_app支持在模拟器或真机上运行应用,hdc_log可收集与清理设备日志,verify_ui执行UI操作验证功能正确性,check_ets_files提供ArkTS静态语法检查,arkts_knowledge_search实现HarmonyOS知识搜索,switch_cwd则支持灵活切换构建项目路径。

Plan+Build模式:精准执行下的全流程自动化

DevEco Code为HarmonyOS ArkTS应用打造了Plan和Build双Agent协同机制,形成一条完整的AI Coding开发流水线。该模式能够深度理解开发者意图,实现从需求开发、自动编码、编译构建到推包至模拟器或真机的端到端闭环。

在实际开发场景中,Plan+Build模式显著提升了任务完成率、开发效率及代码准确率,首次构建通过率获得大幅提高。例如在组件预览调试功能实现过程中,系统自动生成任务列表,依次完成代码生成、语法检查、代码修复、构建出包及推送模拟器等一系列操作,开发者只需发出下一个指令即可持续推进。

Goal模式:以终为始,"自动驾驶"式开发

作为DevEco Code的高阶能力,Goal模式实现了从"人提需求"到"AI自主达成目标"的范式跃迁。该模式以终为始,依托Spec文档解析需求与验收标准,自动化完成需求分析、任务拆解和架构设计,并闭环覆盖代码生成、语法校验、编译打包、真机或模拟器部署、自动化验证与问题修复的全链路迭代。

以"首页基础文本组件快捷入口"这一典型任务为例,Goal模式可自动启动设备并推包运行,随后进入循环执行阶段------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,直至用户最终确认完成。整个过程大幅减少了人工干预,将AI从"辅助工具"升级为"自主开发者"。

Harness工程化体系:从"调提示词"到"优化工程资产"

DevEco Code背后是一套名为Harness的系统化工程框架。它将Agent角色、工具调用、领域知识、构建与真机反馈及轨迹分析整合为可运行、可观察、可迭代的HarmonyOS应用开发系统。该框架定义了不同Agent的职责与协作边界,管理HarmonyOS领域的Skills、Tools、知识库及ArkTS/ArkUI代码生成能力,并基于评测数据记录模型调用、构建结果、日志与验证结果,支撑问题复盘与失败归因。

在此基础上,DevEco Code还引入了TRACE框架,通过量化归因Coding Agent轨迹,识别规划、检索等维度的干扰因子,锁定系统Prompt、RAG检索、模型、Skills/Tools设计及Agent循环控制五大变量,实现自动化策略迭代,系统性破解组合爆炸难题。

性能实测:编译成功率与任务完成率双提升

据华为公布的数据,在相同任务下,DevEco Code结合GLM 5.1模型,相比OpenCode加DeepSeek-V4-Pro等组合方案,在编译成功率和任务完成率两个核心指标上均实现明显提升。其中,编译成功率提升至80%以上区间,任务完成率突破60%,显著优于对比方案。

覆盖鸿蒙开发全旅程的Skills与知识库

DevEco Code提供覆盖鸿蒙应用开发全旅程的精品Skills和工具,按需加载,可快速调用最佳实践中的"专家经验"。涵盖项目创建(如deveco-create-project)、开发(arkts语法标准、arkui知识库)、修复(arkts-error-fixes、runtime-fix)、验证(UI意图校验、模拟器运行应用)、测试、调优及运维(DFX日志分析、故障定位)等各个阶段,全方位降低鸿蒙开发门槛。

业内分析认为,DevEco Code的发布不仅提升了鸿蒙生态的开发效率,更通过Agent化、工程化的思路,为国产操作系统应用开发工具的智能化演进探索出一条新路径。

相关推荐
邵宇然1 小时前
编译优化技术全解:从 LLVM Pass 到链接时优化的性能提升路径
人工智能
宝贝儿好2 小时前
【LLM】第一章:知识体系框架概览
人工智能·深度学习·机器学习·自然语言处理
DS随心转插件2 小时前
智谱清言化学式粘贴后变形如何修复?AI 导出鸭从根源解决化学公式跨文档乱码难题
人工智能·ai·豆包·deepseek·ai导出鸭
写点啥呢2 小时前
车机 Android 开机优化复盘:我怎么和 AI 一起把问题定位到 SystemUI
android·人工智能
AI客栈2 小时前
云原生 AI 平台安全设计
人工智能
苏州邦恩精密2 小时前
GOM三维扫描在制造中的真实价值:让“修模”从经验动作变成数据动作
人工智能·科技·机器学习·3d·自动化·制造
邵宇然2 小时前
Rust 系统编程实战:从所有权模型到零成本抽象的工程落地
人工智能
Davina_yu2 小时前
自定义弹窗:使用CustomDialogController实现复杂交互(27)
harmonyos·鸿蒙·鸿蒙系统
大山佬2 小时前
传感器驱动开发:从硬件时序到 Linux IIO 子系统
人工智能
mit6.8242 小时前
计算机小白自学的两年
人工智能