Qt 鸿蒙端侧 OCR 实战:当系统 API 只给了 ArkTS 入口

Core Vision Kit 的 textRecognition 只对 ArkTS 开放,没有 NDK,也没有 C++ 绑定;官方 N-API 的方向是 ArkTS 调 C++。Qt 应用的界面和业务在 C++/QML 这半边,系统 OCR 在那半边,中间没有门。这个库的做法是在同一个应用进程里监听 127.0.0.1:52141,用几十行 HTTP/1.1 传图片,ArkTS 侧调 recognizeText,再把契约 JSON 交回 C++。下面记桥的实现、长图条带,以及模拟器上那次 1001400001。

仓库地址:https://atomgit.com/lqjmac/qt-ohos-ocr
三方框架版本:https://wiki.qt.io/Qt5.12.12_Open_Source_Release_for_HarmonyOS_zh
组织仓库链接:https://atomgit.com/ohos-qt

0. 环境与实测设备

三方库适配信息:

三方库版本形态仓库地址
qt-ohos-ocr0.1.0Qt 6 CMake 库(add_subdirectory / FetchContent,默认静态库)https://atomgit.com/lqjmac/qt-ohos-ocr
flutter_ohos_ocr(ArkTS 移植源)1.0.xohos/ocr/ 目录移植来源(MIT)https://atomgit.com/lqjmac/flutter_ohos_ocr

实测环境:

项版本/型号
Qt6.5+(桌面开发与单测);设备端 Qt for HarmonyOS 载具(Qt 6.12 technology preview,或 Qt Wiki 5.12.12 / 5.15.16 移植版)
OpenHarmony/HarmonyOS SDKAPI 12+(textRecognition 起始版本);Qt6 载具社区版最低 API 20/23
DevEco Studio5.x / 6.x(真机运行、签名、HAP 调试)
CMake / C++3.21+ / C++17(组件:Core、Quick、Network、Concurrent)
测试QtTest 19 项(模型 9 + 引擎 10;传输 mock 注入,不需要设备)
实测设备HarmonyOS 2in1 模拟器(127.0.0.1:5555,3120×2080),OpenHarmony 7.0.0.105,API 26;443 ms 的 55 行截图来自另一次设备运行,型号未入库
实测数据示例截图 3120×2080:55 行、原生耗时 443 ms(界面读数);桌面 mock 桥预览 900×620:7 行、186 ms;PC 长图 1242×6500:140 行约 3.5 s

验证记录的主机是 macOS arm64、Qt 6.11.0(Homebrew qtbase / qtdeclarative)、CMake 4.3.2、Ninja;鸿蒙侧是 DevEco Studio 6.x、hvigor 6.26.4、ohpm 6.0.1、SDK API 26,模拟器为 2in1、3120×2080。下面的 ctest 输出、HAP 大小和模拟器日志都来自那份记录。

1. 55 行结果,和它证不了的事

Qt 示例窗口:55 行识别结果、443 ms

截图里第 44 行是 in 384 ms,第 48 行是 9:4 CRLF。这两行都来自界面本身:前者像一段终端输出的结尾,后者是编辑器状态栏的编码提示。OCR 把这类界面碎片也逐字抓了下来,连同正文一共 55 行,原生耗时 443 ms。窗口标题 qt-ohos-ocr demo,状态行写着 识别到 55 行 · 原生耗时 443 ms;左边预览是那张 3120×2080 的整屏截图(screenshot_20261112_012756_com.example.ohosnotes.jpg,HarmonyOS Cordova 的入门指南),文件名和尺寸下面又标了一次耗时。右边列表从第 37 条滚到第 55 条,使用Harmony Cordova,您可以构建一个鸿蒙应用程序。、安装Node.js、AppScope 这些行都在。窗口底部一行是桥的自述:bridge listening · 127.0.0.1:52141 · protocol 1 · v0.1.0。这是 C++ 解析完 55 个块、QML 渲染出来的列表,ArkTS 页面里没有这份东西。

443 ms 是这次运行的原生耗时,别和另外几组数字混了:仓库内置的小票是 900×620(examples/quick/samples/ocr_sample.png),桌面 mock 桥预览那次 7 行、186 ms;契约文档里的 1000×1400 和 durationMs: 142 只是 JSON 样例,跟这次识别没有关系。我第一次看这张图,也以为 55 行来自小票,直到把预览文件名和尺寸对了一遍。

这张图能证明的东西有限:桥通了、C++ 收到并解析了 55 个块、QML 长列表没有裁行。它不能证明每台设备都能识别。11 月 13 日换到 2in1 模拟器,/v1/ping 正常返回,/v1/recognize 返回 OCR_VISION_ERROR,设备侧 textRecognition.init() 超时 200,直接调 recognizeText 是 1001400001。

2. 为什么 C++ 调不到 textRecognition

找 C++ 绑定直接调 textRecognition 这条路走不通:textRecognition 只有 ArkTS 接口,N-API 的方向是 ArkTS 调 C++,载具没有留反向的口子。

Qt 官方把 HarmonyOS 写作 technology preview:doc.qt.io 的 HarmonyOS 文档从 Qt 6.12 才开始出现,工具链的开发和测试主机是 Linux,DevEco Studio 用于真机/模拟器调试;Qt 6.8 / 6.9 的发布说明和支持平台列表里没有 OpenHarmony/HarmonyOS。Qt Wiki 上另有 5.12.12、5.15.16 的开源移植版和 Qt 6.12 的构建指南。

Core Vision Kit 的 textRecognition 自 API 12 起可用,只有 ArkTS API。C++ 与 ArkTS 的官方互操作是 N-API,方向为 ArkTS → C++:ArkTS 把 native 函数注册进来,自己调;反过来,从 C++ 调 ArkTS,需要持有 ArkTS 运行时的 JS 引用并在它的线程上执行。NDK 直调没有绑定;QML 里嵌 ArkUI 原生视图再转发事件,复杂且体验割裂。剩下的选择是 socket:Qt 有 QNetworkAccessManager,ArkTS 有 @ohos.net.socket,两边都只用稳定 API。

问题不在头文件,在运行时。textRecognition 在系统里是一个 ArkTS 模块,方法签名和 PixelMap / TextRecognitionResult 类型都定义在 ArkTS 声明里;SDK 没有对应的 C 头,也没有 NDK 导出。C++ 拿不到 ArkTS 的模块对象、事件循环和 Promise,除非载具额外暴露一个 JS 运行时入口;Qt 载具里负责装载运行时和窗口的是 QAbility,它没有这个入口。桥能做的其实很少:把“调用 ArkTS”这件事交给同一进程里的 ArkTS 自己做。

约束也写清楚:桥需要 system_grant 的 ohos.permission.INTERNET(回环监听在权限模型里也算网络操作,但没有运行时弹窗);图片字节在进程内多一次拷贝;端口默认 52141,改端口要两端成对改。这是本项目的工程方案,不是 Qt 或华为的官方通道。将来 Core Vision Kit 开放 NDK 接口,或者载具提供 C++→ArkTS 的官方互操作,只需要换掉 IOcrTransport 的实现,引擎和 QML 不动。

3. 桥的三条路由

ArkTS 侧 OcrBridgeService 用 TCPSocketServer 监听回环,路由一共三条:

方法路径请求体响应
GET/v1/ping—{"name":"qt-ohos-ocr-bridge","protocol":1,"version":"0.1.0","vision":true}
POST/v1/recognize?source=&language=原始图片字节OcrResult JSON + width/height
POST/v1/pick?language=—结果 JSON 或 {"cancelled":true}

2026-11-13 在模拟器上把端口转出来,用 curl 直接打:

hdc fport tcp:52141 tcp:52141
curl http://127.0.0.1:52141/v1/ping
# {"name":"qt-ohos-ocr-bridge","protocol":1,"version":"0.1.0","vision":true}

curl -X POST --data-binary @ocr_sample.png \
  "http://127.0.0.1:52141/v1/recognize?source=ocr_sample.png&language=CHINESE"
# {"error":{"code":"OCR_VISION_ERROR","message":"Core Vision Kit init failed (200): Run timed out, please try again later."}}

ping 返回 protocol: 1 就算桥在位,C++ 的 probeAvailability() 只认这个字段,不认版本字符串。识别失败时返回 HTTP 500 加统一错误体,code 和 message 由 ArkTS 侧填,C++ 侧原样拼成 "CODE: message"。

传输规则刻意收窄:HTTP/1.1 over 127.0.0.1:52141、Connection: close、一连接一请求、Content-Length 定界读 body、客户端 20 秒传输超时。图片体走 application/octet-stream 原始字节,不做 base64:回环带宽从来吃不满,编码解码的 CPU 和体积膨胀才是多余的。JSON 响应用 Content-Type: application/json; charset=utf-8,Content-Length 按 UTF-8 字节数算,不按字符数。

微型服务一开始想支持 keep-alive,省几次握手。状态机复杂度立刻翻倍:连接复用、半包、超时回收都要自己写,而 OCR 是低频操作,握手开销在总耗时里测不出来。最后砍掉,Connection: close、一连接一请求,服务端解析和客户端 QNAM 都简单。

端口发现三级:setEndpoint() 显式设置 → 环境变量 QTOHOS_OCR_ENDPOINT → 默认 127.0.0.1:52141。服务启动后还会把 {"port":<port>,"protocol":1} 写进沙箱 files/qt_ohos_ocr_bridge.json,诊断工具不连 hilog 也能知道桥起在哪个端口;C++ 不自动读这个文件,它只是给人看的。

4. 库、骨架和可直接导入的示例工程

库本体是标准 Qt 6 CMake 工程,ohos/ 是待合并进载具的 ArkTS 骨架,另有桌面示例和一套可直接导入 DevEco 的完整示范工程:

qt-ohos-ocr/
├─ CMakeLists.txt                    # 库 + examples + tests 顶层
├─ include/qt-ohos-ocr/              # 公共头
│  ├─ qohosocrengine.h               # QML/C++ 异步引擎门面
│  ├─ ohosocrresult.h                # Q_GADGET 结果模型
│  └─ ocrbridge/
│     ├─ OcrTransport.h              # 传输接口(mock 注入点)
│     └─ OcrHttpBridge.h             # QNAM 回环实现
├─ src/                              # 实现,含手写 JSON 契约编解码
├─ ohos/                             # ArkTS 桥接模块骨架(合并目标)
│  └─ entry/src/main/ets/
│     ├─ entryability/EntryAbility.ets   # 含标注好的 merge 块
│     ├─ pages/Index.ets                 # 选图识别演示页(含桥状态)
│     ├─ ocrbridge/OcrBridgeService.ets  # 回环 HTTP 服务
│     └─ ocr/                            # 移植自 flutter_ohos_ocr
├─ examples/
│  ├─ quick/                         # Qt Quick 桌面示例(FileDialog + 状态行)
│  └─ ohos-app/                      # 可直接导入 DevEco 的完整鸿蒙应用
├─ tests/                            # QtTest 19 项(mock 传输)
└─ docs/api.md · docs/architecture.md

Qt 与 ArkTS 的进程内回环桥

作为依赖接入两种方式:

# 方式一:add_subdirectory
add_subdirectory(third_party/qt-ohos-ocr)
target_link_libraries(your_app PRIVATE Qt6::Quick qt-ohos-ocr::qt_ohos_ocr)

# 方式二:FetchContent(git 地址用 AtomGit)
include(FetchContent)
FetchContent_Declare(qt_ohos_ocr
    GIT_REPOSITORY https://atomgit.com/lqjmac/qt-ohos-ocr.git
    GIT_TAG        v0.1.0)
FetchContent_MakeAvailable(qt_ohos_ocr)

add_subdirectory 适合把仓库放进 third_party/,FetchContent 适合锁 tag 后直接编;两种方式都会导出 qt-ohos-ocr::qt_ohos_ocr 目标。

传输抽成一个接口:IOcrTransport 只定义 ping、postRecognize、postPick 三个操作,OcrHttpBridge 是 QNAM 实现;单测注入 MockTransport,19 项全部离线跑。引擎构造函数收 IOcrTransport* 并接管所有权。

桥探测失败在桌面上属于预期状态,装坏了才会是另一回事:桌面机器上没有 ArkTS 运行时,127.0.0.1:52141 没有进程监听,ping 的连接被拒绝,引擎把 available 留在 false,probeAvailability() 之后 lastError 是 OCR_BRIDGE_UNAVAILABLE: the ArkTS bridge did not answer /v1/ping。这时 QML 仍能加载、模型和 19 项测试照跑;pickAndRecognize 按钮因为 visible: ocr.available 被隐藏,文件选择走 Qt 自己的 FileDialog,但识别请求会以同一个错误码回来。要在桌面看完整结果,起 tools/mock_bridge.py,它只回固定小票数据,用于 UI 和解析,不代表设备能力。

bridgeText() 在 QML 里把这两种状态分开显示:available 为真时是 bridge listening · 127.0.0.1:52141 · protocol 1,为假时是 bridge unavailable · 127.0.0.1:52141;桌面开发时后者是常态,不会挡住窗口加载。

ArkTS 骨架按 merge 块组织:载具工程已经生成的 EntryAbility.ets 里用注释标出两段,onCreate 启动 OcrBridgeService,onDestroy 停桥并释放 VisionOcr;ocrbridge/ 与 ocr/ 两个目录整拷进载具 entry 的 ets/ 下。嫌麻烦就直接用 examples/ohos-app/,一套能跑的完整 stage 工程,ets/ 与根 ohos/ 逐文件同源。

5. C++ 侧:把异步收进一个小状态机

QOhosOcrEngine 的状态只有两个:

Idle ── recognizeBytes()/recognizeFile()/pickAndRecognize() ──▶ Busy
Busy ── transport reply ──▶ recognized(OhosOcrResult) | failed(err) ──▶ Idle

Busy 期间的第二次识别立即以 OCR_BUSY 失败,不排队:OCR 是重操作,静默排队会让用户以为界面卡死。唯一允许并行的是 probeAvailability(),探测不该被一次大图识别堵住。文件读取丢给 QtConcurrent 工作线程,传输本身是异步的,GUI 线程不碰磁盘也不等网络。

QML 侧只接两个信号:

// examples/quick/Main.qml · recognizeFile / runSample / runPicker
function recognizeFile(url) {
    root.imageUrl = url
    root.result = null
    root.errorMessage = ""
    root.statusText = qsTr("正在识别…")
    ocr.recognizeFile(url)
}

function runSample() {
    root.recognizeFile("qrc:/samples/ocr_sample.png")
}

function runPicker() {
    root.imageUrl = ""
    root.result = null
    root.errorMessage = ""
    root.statusText = qsTr("正在打开系统相册…")
    ocr.pickAndRecognize()
}

recognizeFile 清空上一次结果、把状态行改成“正在识别…”,然后调 ocr.recognizeFile(url);runSample 把 qrc:/samples/ocr_sample.png 交给同一个入口,所以桌面示例不依赖设备文件系统也能演示;runPicker 走 /v1/pick,由 ArkTS 侧调起系统相册。按钮的 enabled: !ocr.busy 和 visible: ocr.available 都绑在引擎属性上,状态机是唯一的事实来源。

回调最后落在 handleRecognitionReply:

// src/qohosocrengine.cpp · handleRecognitionReply()
void QOhosOcrEngine::handleRecognitionReply(const OhosOcrTransportReply &reply)
{
    if (!reply.ok) {
        failRecognition(QStringLiteral("OCR_BRIDGE_UNAVAILABLE: ") + reply.errorMessage);
        return;
    }
    if (reply.status != 200) {
        failRecognition(bridgeError(reply, QStringLiteral("OCR_BRIDGE_HTTP")));
        return;
    }
    const QJsonDocument document = QJsonDocument::fromJson(reply.body);
    if (document.isObject()
            && document.object().value(QLatin1String("cancelled")).toBool(false)) {
        failRecognition(QStringLiteral("OCR_PICKER_CANCELLED: the user dismissed the picker"));
        return;
    }

    QString parseError;
    const OhosOcrResult result = OhosOcrResult::fromJson(reply.body, &parseError);
    if (!parseError.isNull()) {
        failRecognition(QStringLiteral("OCR_BRIDGE_PROTOCOL: ") + parseError);
        return;
    }

    recordFailure(QString());
    setBusy(false);
    emit recognized(result);
}

四层判断的顺序不能换:传输层失败先报 OCR_BRIDGE_UNAVAILABLE,因为这时没有 HTTP 状态可看;非 200 再解析错误体,解析不出 code 才退回 OCR_BRIDGE_HTTP: HTTP status <n>;200 里先看 {"cancelled":true},用户取消映射成 OCR_PICKER_CANCELLED,与选图失败 OCR_PICKER_ERROR 分开;最后才 fromJson,解析不出来报 OCR_BRIDGE_PROTOCOL,跟识别失败是两码事。成功时清 lastError、清 busy、发 recognized,三个动作在同一个槽里完成。

传输回调可能同步触发(mock),也可能从 QNAM 的信号里来。queued() 统一用 QMetaObject::invokeMethod 的 Qt::QueuedConnection 把它们归一到引擎线程,所以状态机是单线程的,测试里用 QTRY_* 转事件循环就能观察信号。send() 里设了 20 秒 setTransferTimeout、Connection: close;图片走 application/octet-stream,ping 用 application/json;GET 和 POST 共用一个出口。

6. ArkTS 侧:代理只做定界和转发

服务端不解析业务字段,只负责按 \r\n\r\n 和 Content-Length 把 TCP 字节流切成一个完整请求、按路径分发、把结果写成 HTTP 响应。路由全在 dispatch 里:

// ohos/entry/src/main/ets/ocrbridge/OcrBridgeService.ets · dispatch()
private async dispatch(
  client: socket.TCPSocketConnection,
  method: string,
  target: string,
  body: Uint8Array,
): Promise<Handled> {
  const path: string = target.split('?')[0];
  const query: QueryMap = OcrBridgeService.parseQuery(target);

  if (path === '/v1/ping') {
    if (method !== 'GET' && method !== 'HEAD') {
      return OcrBridgeService.handledError(405, 'Method Not Allowed',
        'OCR_BRIDGE_METHOD', `${method} is not allowed on ${path}`);
    }
    const bodyText: string = `{"name":"qt-ohos-ocr-bridge"` +
      `,"protocol":${BRIDGE_PROTOCOL}` +
      `,"version":${jsonQuote(BRIDGE_VERSION)}` +
      `,"vision":true}`;
    return { status: 200, reason: 'OK', body: bodyText };
  }

  if (path === '/v1/recognize') {
    if (method !== 'POST') {
      return OcrBridgeService.handledError(405, 'Method Not Allowed',
        'OCR_BRIDGE_METHOD', `${method} is not allowed on ${path}`);
    }
    if (body.length === 0) {
      return OcrBridgeService.handledError(400, 'Bad Request',
        'OCR_INVALID_ARGUMENT', 'image bytes must not be empty');
    }
    const language: OcrLanguage =
      languageFromWire(query.get('language', 'CHINESE'));
    const source: string = query.get('source', 'image');
    try {
      const run: VisionRun =
        await VisionOcr.recognizeBytes(body, source, language);
      return { status: 200, reason: 'OK', body: OcrBridgeService.recognizeBody(run) };
    } catch (error) {
      return OcrBridgeService.handledError(500, 'Internal Server Error',
        'OCR_VISION_ERROR', visionErrorMessage(error));
    }
  }

  if (path === '/v1/pick') {
    if (method !== 'POST') {
      return OcrBridgeService.handledError(405, 'Method Not Allowed',
        'OCR_BRIDGE_METHOD', `${method} is not allowed on ${path}`);
    }
    const language: OcrLanguage =
      languageFromWire(query.get('language', 'CHINESE'));
    try {
      const run: VisionRun | null = await VisionOcr.pickAndRecognize(language);
      if (run === null) {
        return { status: 200, reason: 'OK', body: '{"cancelled":true}' };
      }
      return { status: 200, reason: 'OK', body: OcrBridgeService.recognizeBody(run) };
    } catch (error) {
      return OcrBridgeService.handledError(500, 'Internal Server Error',
        'OCR_PICKER_ERROR', visionErrorMessage(error));
    }
  }

  return OcrBridgeService.handledError(404, 'Not Found',
    'OCR_NOT_FOUND', `no route for ${path}`);
}

/v1/recognize 只接受 POST;空 body 返回 400 和 OCR_INVALID_ARGUMENT;language 只是元数据,languageFromWire 把未知值落到 CHINESE,Core Vision Kit 自己检测语种;VisionOcr.recognizeBytes 抛出的错误统一包成 500 + OCR_VISION_ERROR,message 里带原始 code。/v1/pick 的取消按正常流程走,返回 200 的 {"cancelled":true},由 C++ 映射成专属错误码。/v1/ping 同时接受 GET 和 HEAD,剩下的路径一律落到 404 + OCR_NOT_FOUND。

recognizeBody 用 toJson(run.result) 拿到契约 JSON,再去掉最后一个 } 补上 ,"width":<w>,"height":<h>}。这个写法不好看,但保证了字段顺序和 OcrJson.ets 逐字节一致;C++ 的 fromJson 忽略这两个扩展字段。

接收侧的手写解析比路由长:每个连接维护 received、bodyStart、contentLength 三个状态;header 超过 64 KiB 返回 431;GET/HEAD/OPTIONS/DELETE 没有 Content-Length 时按 0 处理,其它方法缺这个头返回 411;body 没收满就继续等下一个 chunk。TCPSocketServer.close() 自 API 20 起提供,所以 compatibleSdkVersion 是 6.0.0(20);textRecognition 自 API 12 起可用,两个下限取高的那个。

EntryAbility.onCreate 第一件事就是 OcrBridgeService.getInstance().start(this.context),早于 Qt UI 的第一次识别;onDestroy 停桥并 VisionOcr.release()。桥活在回环 socket 上,和当前屏幕上加载的是 Qt 窗口还是 ArkTS 诊断页无关。

start() 是幂等的,重复调用直接返回;stop() 会关监听和所有还开着的连接。端口被占用时 listen 的 catch 只写 hilog,不抛到 UI:桌面侧会看到 OCR_BRIDGE_UNAVAILABLE: Connection refused,然后按端口发现顺序去查 QTOHOS_OCR_ENDPOINT。

一次识别在 C++ 侧看是四段:recognizeBytes 同步校验并置 Busy;postRecognize 把字节交给 QNAM 后立即返回;ArkTS 侧 receive 收满 header 和 body 后进 dispatch,VisionOcr 解码、初始化、recognizeText;回包到了以后 queued 把回调排到引擎线程,handleRecognitionReply 解析并清 Busy。QNAM 设了 20 秒传输超时,超时后 C++ 收到传输错误并报 OCR_BRIDGE_UNAVAILABLE;ArkTS 侧没有单独的超时,recognizeText 挂住时只能等 C++ 先断。模拟器上是 init 先失败(200;直接调 recognizeText 则是 1001400001),还没走到 20 秒;真机上目前没有触发过这条超时。

7. 长图:4800 / 5000 / 6500

Core Vision Kit 对图高有隐性上限。OpenHarmony 接入说明记的 PC 实测是:1242×4800 全量返回,1242×5000 开始丢尾行,1242×6500 只剩几块。长截图、长聊天记录这类 Qt 桌面场景的刚需图片,恰恰容易超过 5000 px。

4800 和 5000 的分界一度被当成识别质量问题,把图高量出来才看清。

解法是把高图切成重叠的横向条带分别识别,再按行位置合并。三个常数:MAX_TILE_HEIGHT = 3000、TILE_OVERLAP = 160、MIN_TAIL_HEIGHT = 600。重叠必须高于最高的文字行,保证跨界行至少在某个条带里是完整的;每个条带只认领去掉首尾各半个重叠的区间,跨界行只会被单个条带认领。

实际跑条带的是 recognizeAllLines:

// ohos/entry/src/main/ets/ocr/VisionOcr.ets · recognizeAllLines()
/** Recognizes every line, splitting tall images into overlapping strips. */
private static async recognizeAllLines(
  imageSource: image.ImageSource,
  width: number,
  height: number,
): Promise<PositionedLine[]> {
  const regions: image.Region[] = VisionOcr.tileRegions(width, height);
  const lines: PositionedLine[] = [];
  for (let i = 0; i < regions.length; i++) {
    const region: image.Region = regions[i];
    const isFirst: boolean = i === 0;
    const isLast: boolean = i === regions.length - 1;
    // Each line is owned by exactly one strip: the owned range is trimmed
    // by half the overlap on both sides, so the same line is never emitted
    // twice and no line at a strip boundary is dropped.
    const ownedTop: number = region.y + (isFirst ? 0 : TILE_OVERLAP / 2);
    const ownedBottom: number =
      region.y + region.size.height - (isLast ? 0 : TILE_OVERLAP / 2);
    let pixelMap: image.PixelMap | null = null;
    try {
      pixelMap = regions.length === 1
        ? await imageSource.createPixelMap()
        : await imageSource.createPixelMap({ desiredRegion: region });
      const visionInfo: textRecognition.VisionInfo = { pixelMap: pixelMap };
      const output: textRecognition.TextRecognitionResult =
        await textRecognition.recognizeText(visionInfo);
      VisionOcr.appendOwnedLines(output, region.y, ownedTop, ownedBottom, lines);
    } finally {
      if (pixelMap !== null) {
        await pixelMap.release();
      }
    }
  }
  return lines;
}

regions.length === 1 时不传 desiredRegion,直接 createPixelMap(),避免给普通图片多一次裁剪;多条带时用 desiredRegion 只解码当前条带。ownedTop / ownedBottom 在首尾条带不裁,中间条带各裁 80 px。每行的 centerY 由 cornerPoints 的 min/max 求出,加上条带偏移换成原图坐标,落在认领区间的才 push。只有 block 没有 lines 的情况,把 block 文本放在条带中心,保证只出现一次。

太短的尾条带会被前一段条带吞并(MIN_TAIL_HEIGHT),不为三行字多跑一次推理。1242×6500 的图切完是 140 行全量返回,约 3.5 s;这个数字来自 OpenHarmony 接入说明的 PC 实测。

8. JSON 契约:C++ 这端怎么校验

同一份 OcrResult 契约,家族里已经有 Kotlin(kmp-ohos-ocr)、ArkTS(flutter_ohos_ocr 的 ohos 侧)和 Dart 三个实现,C++ 是第四份。fromJson 不信任 ArkTS 回来的任何字段:

// src/ohosocrresult.cpp · fromJson()
OhosOcrResult OhosOcrResult::fromJson(const QByteArray &wire, QString *error)
{
    if (error)
        error->clear();

    const QJsonDocument document = QJsonDocument::fromJson(wire);
    if (!document.isObject()) {
        if (error)
            *error = QStringLiteral("OcrResult payload must be a JSON object");
        return OhosOcrResult();
    }
    const QJsonObject root = document.object();

    const QString id = root.value(QLatin1String("id")).toString();
    if (id.trimmed().isEmpty()) {
        if (error)
            *error = QStringLiteral("Result id must not be blank");
        return OhosOcrResult();
    }

    // durationMs is required and must be non-negative; elapsedMs is an
    // accepted alias so payloads produced by the C++ side round-trip too.
    qint64 duration = -1;
    const QJsonValue durationValue = root.contains(QLatin1String("durationMs"))
            ? root.value(QLatin1String("durationMs"))
            : root.value(QLatin1String("elapsedMs"));
    if (durationValue.isDouble())
        duration = static_cast<qint64>(durationValue.toDouble());
    if (duration < 0) {
        if (error)
            *error = QStringLiteral("Duration must be non-negative");
        return OhosOcrResult();
    }

    QList<OhosOcrBlock> blocks;
    const QJsonArray blockArray = root.value(QLatin1String("blocks")).toArray();
    for (const QJsonValue &item : blockArray) {
        const QString text = item.toObject().value(QLatin1String("text")).toString().trimmed();
        if (text.isEmpty())
            continue; // blank lines carry no content
        const QJsonValue confidenceValue =
                item.toObject().value(QLatin1String("confidence"));
        double confidence = confidenceValue.isDouble() ? confidenceValue.toDouble() : 0.0;
        if (!std::isfinite(confidence))
            confidence = 0.0;
        confidence = qBound(0.0, confidence, 1.0);
        blocks.append(OhosOcrBlock(text, confidence));
    }

    return OhosOcrResult(id,
                         root.value(QLatin1String("source")).toString(),
                         languageFromWire(root.value(QLatin1String("language")).toString()),
                         blocks,
                         duration);
}

id 必须非空;durationMs 必须有且非负,缺字段或负数都报错,elapsedMs 是接受的别名,方便 C++ 自己序列化的结果再读回来;block 文本 trim 后为空就丢,重复文本保留——小票上两个 ¥0.00 必须留两行,这一点和 kmp/flutter 版的去重语义相反,中文 仓库说明里单独写了;置信度落到 NaN 或 Infinity 就归 0,再夹到 0…1;未知字段忽略,width/height 就是这么被跳过的。

必填的只有 id 和 durationMs。source 缺了是空字符串,language 缺了落到 CHINESE,blocks 缺了按空数组处理;缺 id 报 “Result id must not be blank”,缺 durationMs 报 “Duration must be non-negative”(缺字段时 duration 是 -1,和负数走同一个分支),整个 body 若解不出对象,报 “OcrResult payload must be a JSON object”。这些错误在引擎里包成 OCR_BRIDGE_PROTOCOL,不会当成识别失败;区分这两个,排查时才知道是桥/契约的问题还是 Core Vision Kit 的问题。confidence 缺省 0.0,越界夹到 0…1,不会因为一个坏置信度丢掉整次结果。反过来,fromJson 返回空 blocks、error 为空,是一次合法的空页,引擎不该把它算成失败。

toJson 是另一头的手写纪律:字段顺序 id, source, language, fullText, averageConfidence, durationMs, blocks;列表分隔符 ", "(对齐 Kotlin joinToString 默认值);整值浮点保留尾随 .0(0.0 不写成 0);转义表与 Kotlin/ArkTS/Dart 一致,emoji 的代理对按 UTF-16 原样保留,不拆成 \ud83d。C++ 结构体字段叫 elapsedMs,线上叫 durationMs,头文件注释里写明对应关系。

契约靠断言,不靠注释:

// tests/tst_ohosocrresult.cpp · toJsonMatchesContractBytes()
void TestOhosOcrResult::toJsonMatchesContractBytes()
{
    const OhosOcrResult result(
                QStringLiteral("vision-on-device"),
                QStringLiteral("ocr_sample.png"),
                QStringLiteral("CHINESE"),
                {OhosOcrBlock(QStringLiteral("门店收银小票"), 0.0),
                 OhosOcrBlock(QStringLiteral("合计 ¥44.00"), 0.0)},
                142);

    const QByteArray expected = QByteArray(
        R"json({"id":"vision-on-device","source":"ocr_sample.png","language":"CHINESE","fullText":"门店收银小票\n合计 ¥44.00","averageConfidence":0.0,"durationMs":142,"blocks":[{"text":"门店收银小票","confidence":0.0}, {"text":"合计 ¥44.00","confidence":0.0}]})json");
    QCOMPARE(result.toJson(), expected);
}

这个测试直接比字节,字段顺序、空格、.0 任何一处变了都会失败。另有 fromJsonDropsBlankButKeepsDuplicateBlocks 断言空行丢弃、重复行保留;fromJsonRejectsInvalidPayloads 覆盖非 JSON、数组、空 id、负时长。引擎测试用一个 MockTransport 把回调存起来,测试里手动 finishRecognize(),不碰 socket,QTRY_* 只负责转事件循环。两个测试二进制一共 19 个测试函数(模型 9 + 引擎 10),QtTest 的 Totals 会把 initTestCase / cleanupTestCase 算进去,所以显示 11 + 12 passed。

9. 1001400001 和构建输出

模拟器上桥是通的,识别不通。同一组 curl 在 11 月 13 日拿到了 500:/v1/ping 正常,识别请求返回 {"error":{"code":"OCR_VISION_ERROR","message":"Core Vision Kit init failed (200): Run timed out, please try again later."}}。设备侧 textRecognition.init() 返回 code=200 / Run timed out,直接调 recognizeText 则是 1001400001 / Failed to run OCR, please try again.。这是 2in1 模拟器镜像不带设备端 AI 服务;桥、权限和图片格式都没有问题。应用页会显示“Core Vision Kit 初始化超时(200)。鸿蒙模拟器通常不支持端侧 OCR,请改用真机”,并继续显示内置示例图预览;不会用演示数据伪造结果。C++ 侧收到 500 + OCR_VISION_ERROR,failed() 里带原始 code,QML 的错误条原样显示。

桌面构建与单测:

cmake -S . -B build-desktop -G Ninja \
  -DQT_OHOS_OCR_BUILD_EXAMPLES=ON \
  -DQT_OHOS_OCR_BUILD_TESTS=ON
cmake --build build-desktop --parallel
ctest --test-dir build-desktop --output-on-failure

输出:

1/2 Test #1: tst_ohosocrresult ................   Passed    0.36 sec
2/2 Test #2: tst_qohosocrengine ...............   Passed    0.47 sec

100% tests passed, 0 tests failed out of 2

鸿蒙侧:

cd examples/ohos-app
ohpm install --all
hvigorw --mode module -p module=entry@default -p product=default \
  -p buildMode=debug assembleHap --no-daemon

BUILD SUCCESSFUL,产物 entry-default-unsigned.hap 约 206 KB。仓库里的预览截图是 tools/mock_bridge.py 起的假桥生成的:7 行、900×620、186 ms,用来验证 QML 布局和 C++ 解析,不冒充设备识别。真机安装需要本机 DevEco 自动签名,签名材料不提交。

10. 验证范围与边界

仓库 11 月 13 日的验证覆盖了模拟器:桥通、UI 通、错误路径通。11 月 12 日那张 55 行截图是设备上的另一次运行,环境表里 443 ms 那一行就是从那一次来的,作为参考读数记录。

桥这一侧能确定的是路由、契约和桌面上的 19 项测试:传输失败、契约失败、识别失败各走各的错误码,failed() 里带的是原始 code,QML 不用自己拆字符串。Core Vision Kit 那半边有 11 月 12 日的一张截图作参考;识别质量由系统引擎决定,桥替不了。

相关推荐

直播预告|码道能力全景 :工具、模式与智能体如何协同

同样是用 AI 写代码,为什么有人效率翻倍,有人却在反复返工?11月 17 日 19:00-20:30 ,本期直播围绕「码道能力全景 :工具、模式与智能体如何协同」展开,将从三个角度拆这个问题。能力、实战、规范三块拼齐,帮你判断什么场景该用、怎么用得更稳!

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 7

KMP/CMP 接入鸿蒙圆屏穿戴:表盘信息降级与 60 KB 内存账

本文介绍基于KMP/CMP架构的圆屏布局与内存降级库roundfit-kmp,通过纯Kotlin Multiplatform实现圆屏弦宽计算、内存预算与档位决策,统一ArkTS与原生端逻辑。在466px圆屏上,四档(glance/essential/compact/full)动态调整内容可见性,确保界面与内存估算一致。核心机制包括:逐高度计算可用宽度、跨N-API同步计划数据、固定坐标系下的弹性取舍。实验验证了预算、字号、档位对渲染结果的影响,实现“同一份计算,多端一致”的高效表盘适配。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 15

React Native 鸿蒙圆屏穿戴实战:20 KB 预算下的消息一瞥

本文详解在 React Native OpenHarmony 环境下,以零 SVG/Canvas、无原生模块限制,仅用 View 的 borderRadius 与 overflow 实现 208px 进度弧的渲染方案。通过半圆裁剪与三角函数定位拼接弧形,结合四档适配(full → glance),严格控制 28KB 内存预算,基于槽位存活表动态隐藏非关键元素,实现手表端高效、可验证的渐进式界面降级。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 14

Flutter 鸿蒙圆屏穿戴实战:让信息学会自己降级

在466px圆屏上,round_fit库通过弦宽公式动态计算每行可用宽度,结合几何约束、档位降级与内存预算(20KB起),实现手表端响应式布局。52项测试全通过,四页App在模拟器中完整运行,支持从full到glance四档降级,确保内容始终在安全圆内,且内存与显示效果精准可控。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 11

Qt 鸿蒙平板适配实战:一份源码,两条构建链,一个布局契约

Qt for OpenHarmony 5.12.12 与桌面 Qt 6.11 共用同一份 QML 和 C++ 源码,通过包装层差异实现跨平台兼容:鸿蒙端使用 qmlRegisterType() 手动注册类型,桌面端依赖 qt_add_qml_module() 自动注册;旋转逻辑封装为静态纯函数,确保几何计算一致。布局基于窗口尺寸动态解析,支持横竖屏、多栏、侧轨/底栏切换,实测于华为 MOR-M1 真机运行稳定,测试通过率 100%。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 16

KMP/CMP 接入鸿蒙平板适配:响应式工作台与窗口旋转实战

本文介绍鸿蒙PC端ArkUI与Compose Desktop跨平台布局适配方案,通过Kotlin/Native实现统一断点逻辑(resolveTabletLayout),避免双端规则漂移。布局决策基于窗口尺寸变化,不依赖设备型号或方向,由Kotlin侧唯一计算并以JSON形式传递至ArkUI。工程上采用多平台Gradle构建,共享代码库支持桌面、移动端及OHOS,原生桥接通过N-API与版本脚本控制符号导出,确保跨语言调用稳定。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 5

Flutter 鸿蒙平板适配实战:约束是唯一的事实来源

该库基于纯 Dart 实现鸿蒙端自适应布局,核心为 TabletLayoutBuilder,仅依赖父级约束,通过 resolveTabletLayout 纯函数动态计算布局。支持多断点响应式设计,方向由宽高比推导,不依赖 MediaQuery.orientation,确保折叠屏、分屏等场景下状态保留。工作台双 Pane 常驻树上,仅切换可见性,实现零丢失预览与黄金对比测试。适配 1280×800/800×1280 预览及真实窗口(1100×643),兼容横竖屏、侧轨/底部导航切换,可发布为三方包

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 6

Electron 鸿蒙平板适配实战:把旋转变成一次纯函数计算

tablet-adaptive-electron 通过纯函数 planContentResize 实现跨平台窗口旋转,核心在于以内容区中心为锚点、结合工作区约束动态调整窗口大小与位置,避免因 setBounds 锚点偏差导致漂移。主进程与 renderer 共用断点契约,鸿蒙侧通过 ArkTS HAR 对齐适配,实现横竖屏无缝切换。验证覆盖断点、布局、IPC 等 70 项,支持 Electron 与 HarmonyOS PC 多端统一体验。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 6

KMP/CMP 鸿蒙分屏拖拽:把网页文字拖进摘录卡

“纸边摘录”是基于鸿蒙跨端框架(KMP/CMP)实现的分屏笔记工具,通过系统级拖拽事件接收浏览器选中文字,经由UDMF数据传递与ArkTS/Kotlin桥接,将纯文本转为可备注的卡片。设计上区分拖入预览、落点判断与数据写入三阶段,确保仅在有效落点导入,并避免重复或空内容。核心亮点在于严格按纯文本类型接收、UTF-8字节安全桥接、卡片状态稳定绑定,实现高效、无干扰的阅读辅助体验。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 6

KMP/CMP 鸿蒙平板适配:软键盘弹出后,怎么让备注框和提交按钮都能用

本文通过鸿蒙跨端示例,演示了在平板全屏与悬浮窗下,会议预约表单如何应对软键盘弹出导致的布局遮挡问题。采用KeyboardAvoidMode.RESIZE模式,由鸿蒙宿主动态压缩视口,Compose根据新约束重新布局,确保输入框获焦后自动滚入可见区域,确认按钮始终位于底部可触位置。关键在于:焦点变化与布局重测双触发滚动请求,避免因时序差导致内容被遮;将确认按钮置于滚动区外,保障提交操作连续性;同时验证全屏与悬浮窗两种形态下的可用性,确保用户在任意窗口尺寸下均可流畅完成填写与提交。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 5

KMP/CMP 接入鸿蒙 DID:对账文件改了一个字节,原签名还能验过吗?

本文通过鸿蒙跨端项目“文件签印”演示基于DID与SM2签名的文件篡改检测机制。在真实设备与模拟器上,同一签名验证原件通过、仅修改金额首字节的副本失败,证明验签可精准识别微小改动。系统通过读取原始字节、复用公钥与签名,确保验证结果可信。关键设计包括:异步接口适配、输入复制防干扰、阶段日志追踪、避免文本解析偏差,并强调验签依赖原始字节而非语义内容。项目实现跨端安全验证闭环,不暴露私钥或用户标识,适用于对账等高敏感场景。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 3

Electron 鸿蒙端侧 OCR 实战:把鸿蒙设备的眼睛借给桌面应用

该库通过 hdc 工具将图片传至鸿蒙设备,利用 Core Vision Kit 实现离线中文票据识别,成功绕过 Electron 无法调用 HarmonyOS 系统 OCR 的限制。识别结果以 JSON 形式回传,失败时自动降级至本地 Tesseract.js。核心机制基于 job id 管理文件传输与并发任务,确保安全隔离。实测显示设备端识别仅需 414ms,且支持模拟器与真实设备,具备高可靠性与可扩展性。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 5

Cordova 鸿蒙平板适配实战:旋转屏幕,但不旋转页面状态

本文介绍 cordova-plugin-tablet-adaptive 插件在 ArkWeb 环境下的布局适配实现:基于纯 JS 与 ResizeObserver 动态测量容器尺寸,将布局逻辑封装为纯函数,通过方向锁探测与降级处理实现跨屏自适应。实测于 HarmonyOS PC(3120×2080),验证了窗口缩放下布局字段、状态与焦点的稳定迁移,确保无重载切换。插件无原生代码,仅依赖 DOM 测量,核心在于“以视口为准”的响应式设计,成功落地于 46 项测试

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 5

《机器人有点东西》启元机器人开发者直播季 第二期来啦!

带你揭秘机器人运动控制背后的技术原理,从第一条指令到第一个动作,聊聊运控开发的关键技术与实践经验!📅 直播时间:11 月 16 日 20:00-21:00。机器人运动控制的核心原理。从零开始的运控开发思路。运动调试与技术进阶经验。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 9

开源鸿蒙社区月度优秀评选|9 月批次获奖名单公示

开源鸿蒙社区月度优秀评选由,面向高校学生开发者,秉持小任务、快认定、强反馈、持续贡献原则,搭建高校常态化贡献评优体系,沉淀开源鸿蒙优质生态成果。2026 年 6 月—12 月6-8 月开展统一评选,合并批次获奖名额为三个月名额总和。9 月、10 月、11 月、12 月每月独立评选。目前,9 月批次优秀评选名单已正式产生,现予以公示。以下名单。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 11

全国第一课!启元T1 Pro走进北邮研究生课堂

北京邮电大学研究生课程《机器人认知计算》迎来一位特殊的“助教”——上纬启元旗下的启元T1 Pro机器人。在启元“具身智能产教融合创新实践平台”的支持下,方斌老师以启元T1 Pro为示范,为60余名研究生讲授“基于VLM的具身智能技术”。这是启元T1 Pro在全国高校课堂上的第一课,也标志着启元具身智能产教融合平台在高校教学中正式落地。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 10

KMP 鸿蒙电脑快捷键实战:用 Kotlin 状态机接管 Ctrl+S 与右键菜单

本文介绍Kotlin Multiplatform鸿蒙社区推出的kmp-ohos-pc-shortcut库,解决鸿蒙电脑端快捷键实现难题。基于KMP共享层构建状态机,精准处理修饰键、焦点切换、输入法干扰等复杂场景,支持Ctrl+S、Ctrl+Shift+S等多组合键,并在2in1模拟器中实现自由窗口右键菜单自动适配。全链路由Kotlin决策,ArkTS仅订阅事件,确保跨端一致性与可靠性。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 16

Flutter 修复 flutter_tts 鸿蒙分段等待与 WAV 导出:折叠屏双栏讲义朗读

针对折叠屏双栏有声讲义场景,修复了 oh-flutter/flutter_tts_ohos 在首次朗读引擎未初始化、播放等待早退及离线 WAV 导出缺失的问题。通过串行化引擎重建与播放完成等待逻辑,并按分片序号拼接带标准文件头的 WAV 文件,实现三段朗读逐段等待(模拟器18,658ms)、单次导出246ms生成173,204B有效WAV。修复后在真机上稳定运行,捕获并重排跨进程乱序分片,完整代码已开源于 atomgit.com/oh-flutter/flutter_tts_ohos

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 831

Flutter 修复 device_calendar 鸿蒙重复规则与服务链接:让周期会议日程准确展开并保留入会入口

本文修复了鸿蒙版 device_calendar 插件在周期日程同步与会议链接读取中的关键问题,包括重复频率映射错误、链接转换缺失及周期实例查询异常。通过对比模拟器与真机测试,验证了修复后可正确返回每日/每周重复日程(如7天晨会、4周研讨),并完整回读会议链接。完整代码已开源至 oh-flutter/device_calendar,支持鸿蒙系统Flutter开发,欢迎提交Issue或参与社区交流。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 915

Flutter 修复 screen_retriever 鸿蒙电脑屏幕工作区检索:让桌面贴边窗口精准避让系统 Dock 栏

基于 oh-flutter/screen_retriever 0.4.0 单包分支,修复鸿蒙端缺失实现及 Dart 3.11.5 兼容问题,恢复标准 MethodChannel 桥接,补全逻辑像素折算、系统可用工作区读取、监听注销闭环与窗口内光标采样。解决贴边窗口越界、底部按钮被遮挡等问题,实现工具窗精准贴靠桌面右下角,代码已开源至 oh-flutter/screen_retriever。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 904

Flutter 适配 wearable_rotary 鸿蒙穿戴旋转表冠:圆屏长列表单手平滑浏览

为解决鸿蒙圆屏模拟器上Flutter应用表冠滚动失效问题,作者在wearable_rotary基础上新增鸿蒙原生支持,通过onDigitalCrown接收旋转事件,实现焦点容器绑定、角度换算与整数幅度解析,使列表可双向滚动。适配后支持表冠浏览与触屏标记协同操作,代码已开源至oh-flutter/plugins,欢迎参与共建。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 896

读徐直军《走进华为的创新之旅》:让创新成为可持续的能力

华为轮值董事长徐直军在美国《时代》杂志发表署名文章《走进华为的创新之旅:看见、亲历、引领》,回顾三十余年来亲历和推动华为创新发展的历程,分享关于人才投入、研发体系建设与基础研究的思考。对于服务开发者的 AtomGit 而言,这些实践经验也带来了启发:我们应该如何支持人的创造力,如何帮助协作形成合力,又如何让今天的积累成为未来创新的基础?以下分享这篇文章,与广大开发者共同学习,并结合平台实践展开思考。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 35

启元机器人 Developer Playground 深圳开发者见面会圆满落幕

当「整活」的开发者遇上具身智能,代码不再只停留在屏幕之内,而是驱动实体机器人听懂指令、跑通一套新 Skill。11 月 14 日,启元机器人 Developer Playground 开发者见面会暨启元机器人深圳旗舰店开业仪式,在深圳卓悦中心正式启幕,来自 AI 应用、企业研发、机器人与嵌入式及高校技术团队的开发者们齐聚现场,围绕T1 变形机器人、Q1 人形机器人完成技术分享与 Robot Challenge 双赛道实操。为活动致辞。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 31

AtomGit 10月:“建设人工智能开源社区 AtomGit,释放开源活力。”

10 月 19 日,国务院新闻办公室新闻发布会上,工业和信息化部科技司司长魏巍在介绍“人工智能+制造”专项行动成效时明确提及:“建设人工智能开源社区 AtomGit,释放开源活力。未来,AtomGit 将持续携手开发者与生态伙伴,汇聚开源创新力量,共同推动人工智能技术创新与应用。AtomGit 企业版正式上线;开源实践中心上线,同步推出城市坐标计划 · 活动日历、开源人物志与五阶段开源成长路径;OpenAPI 文档全新改版;模型硬件匹配能力、企业版、热门专题页上线。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 126

诚邀报名 | 相约南京!2026 开源鸿蒙技术大会即将启幕,共探操作系统与 AI 共生演进新方向

随着人工智能技术加速发展,操作系统正迎来新一轮变革。面对、具身智能等前沿技术带来的新需求,操作系统将如何与深度融合、协同演进?二者的融合创新又将为软件开发与产业发展带来哪些新机遇?大会信息时间2026 年 11 月 28 日地点南京扬子江国际会议中心主办开源鸿蒙项目群技术指导委员会(TSC)看点主论坛 · 二十场技术分论坛 · 创新成果展区。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 112

开源鸿蒙跨平台直播|AI 时代,用 cj-tauri 开发鸿蒙 PC 应用

AI 已经把写代码这一段压平了,可改完到看见结果之间还隔着编译、重启和打包:一次全量编译要等 11 分 09 秒,一天能试几轮?要把桌面应用交付到开源鸿蒙 PC,又不想为这一端单独维护一套代码和一层桥接,路径该怎么选?开源鸿蒙跨平台系列直播第 24 期将结合 cj-tauri 的实践,分享「仓颉后端 + 系统 WebView 前端」这套组合。内容覆盖仓颉在开源鸿蒙生态里的位置、宿主与 IPC 双向桥的分工、能力白名单的最小权限模型,以及前端热更新给迭代节奏带来的变化;

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 119

报名开启|11 月 21 日北京,CANN 油气 & 化工行业 AI Meetup,共探 AI 落地路径

AI 加速走进油气化工行业,前沿技术如何落地业务、解决真实痛点,成为行业开发者共同关注的话题。为推动 AI 技术与行业场景深度融合,分享一线场景实践经验,围绕生态共建研讨,CANN 开源社区「油气 & 化工行业 AI Meetup」!本次活动聚焦三维全波形反演、AI 储层建模、油气 CV 应用、算子优化、图机器学习适配、化工智能体与分子筛选等方向,与行业伙伴、技术专家面对面交流,共探 AI 落地路径。活动时间:2026 年 11 月 21 日(周六)13:30–17:10。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 101

本期精选 G-Star 开源项目推荐|DSH 插件生态

从桌面状态反馈、界面设计和团队协作,到视觉理解、图像创作与应用操作,这些项目展示了 DSH 生态不同的扩展方向。有的解决具体体验问题,有的为 Agent 增加一类能力,也有项目把通用工具带进 DSH 工作区。欢迎前往仓库阅读 README、体验项目,并通过Star、Issue 或 PR支持作者。也欢迎更多开源项目申请加入 G-Star 计划,让你的项目被更多开发者看到。素材使用提示:本文介绍的是开源项目的技术能力。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 80

报名开启|11 月 21 日北京,CANNBot × MegaKernel Meetup,共探智能算子新方向

大模型落地浪潮下,算子开发、性能调优成为模型部署的核心难点。CANN 持续开源开放,依托 Agent 技术探索算子自动生成新范式。为促进算子开发者深度交流、共建 CANN 开源生态,11 月 21 日 CANN 开源社区在北京发起「CANNBot × MegaKernel Meetup」,现已开放报名!🙌。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 137

Flutter 修复 no_screenshot 鸿蒙窗口隐私模式切换:让一次性恢复口令页离开后恢复正常截屏

本文记录了在鸿蒙系统上使用 no_screenshot 插件实现页面截屏保护时,遇到的二次切换失效、恢复接口返回值错误及异步状态不同步问题。通过分析原生实现,修复了状态切换逻辑错误、返回值混淆及监听取消时的竞态问题,确保窗口隐私状态正确同步。修复后,模拟器与真机(畅享 100 Pro Max)均能正常实现进入/退出受保护页面后的截屏恢复,完整代码已开源于 oh-flutter/no_screenshot。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 985
上一篇: KMP/CMP 接入鸿蒙平板适配:响应式工作台与窗口旋转实战
下一篇: Qt 鸿蒙平板适配实战:一份源码,两条构建链,一个布局契约
AtomGit 代码君
AtomGit 代码君 企业官方账号 企业官方账号
博客等级 码龄6年 2万+粉丝 895原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值