GeorgePanda-优快云博客

原创鸿测 Agent：从一句测试需求，到能重复运行的鸿蒙 UI 用例

一个表单改了布局，测试人员通常要重新检查输入、校验提示、提交结果和返回路径。页面不多时，手工操作还算方便；版本多起来，重复检查开始占用大量时间。用 YAML 保存这些操作，可以解决重复执行的问题。接下来仍有几件事需要处理：从需求里找出测试点，为每个预期写断言，在页面上找到合适的控件，判断已有 Flow 能否复用，执行失败后把结果交代清楚。围绕这些工作提供了一组 Skill 和独立测试服务。

2026-11-06 14:36:02 120

原创让标准 Maestro YAML 跑在鸿蒙上：Maestro HarmonyOS 的适配实现

应用改完一个页面，回归时常要重新走一遍相同的操作：进入页面、输入内容、点击按钮、检查弹窗，再返回列表。单次操作不复杂，难的是每次都检查到相同的位置，出现问题时还能说清楚是哪一步出了错。Maestro 用 YAML 描述这类界面操作。Maestro HarmonyOS 则在它的执行架构中补上鸿蒙驱动，让同一种 Flow 写法可以用于鸿蒙真机。本文从 Maestro 的执行原理讲起，再介绍鸿蒙适配、实际用例和运行记录。

2026-11-06 14:33:45 183

原创 ArkGenie 的技术原理：从一段 SSE 到一个可交互 Surface

ArkGenie 的关键代码不在某个按钮的样式，而在几条边界：网络回调不能直接改 UI，旧请求不能污染新请求，流式文本不能每个字符都触发一次完整刷新，远端生成的界面不能变成一段可执行脚本。这篇文章沿着一条消息的生命周期看代码：用户点击发送之后，数据如何进入 Transport，如何经过变成消息状态，如何被ChatView观察；接着再看 A2UI 消息如何从 JSON 变成一个可渲染、可回传动作的 Surface。

2026-10-23 14:32:46 409

原创 HarmonyOS 接入应用的 AI 对话组件：ArkGenie

ArkGenie 是一套专为 HarmonyOS ArkUI 设计的 AI 对话组件套件，解决真实应用中对话状态管理、流式输出抖动、请求取消、会话持久化等痛点。项目分为核心层（@arkgenie/core）、聊天 UI（@arkgenie/chat-ui）和 A2UI 渲染（@arkgenie/genui）三部分，支持 Mock 与 OpenAI 兼容模型无缝切换，提供可插拔的会话存储与事件机制。适用于需快速集成智能对话能力的 HarmonyOS 应用，降低开发复杂度，提升可维护性。

2026-10-23 14:30:49 502

原创【HarmonyOS 7】 HarmonyOS 应用 Skill创建和编排详解

HarmonyOS 7 推出 Skill 编排机制，将应用能力拆分为可发现、可调用、可组合的独立单元。Skill 不仅具备明确输入输出与权限边界，还支持端云协同运行，助力 Agent 实现多步任务编排。通过清晰的能力描述、幂等性设计与失败处理，提升系统对用户意图的理解与执行效率。开发者可从零构建或导入已有能力，结合真实场景验证，最终实现从“功能提供”到“智能服务”的升级。

2026-10-16 00:40:49 246

原创【HarmonyOS 7】应用 Agent 接入云 A2A 与端 A2A 的实践详解

本文详解鸿蒙应用Agent接入云A2A与端A2A的实践路径。云A2A适用于已有云端Agent、需跨设备服务的复杂业务，强调任务编排与结构化结果；端A2A则聚焦本地数据与设备能力安全调用，通过UI Extension实现无缝交互。选型应基于数据位置、隐私要求与执行场景，结合意图清单、状态幂等、权限控制等工程规范，确保任务闭环。核心在于让应用真正成为系统任务链中的可靠执行者，而非仅提供聊天界面。

2026-10-15 23:05:31 265

原创 Selected model is at capacity. Please try a different model. 绕过去不使用Codex, OpenCode 里用 ChatGPT

手头有个 ChatGPT 订阅，最近疯狂提示Selected model is at capacity. Please try a different model. ，一般是被风控了，可以绕过去不使用codex，使用opencode。本文章介绍安装opencode网页版和桌面版。原理是在 OpenCode 里直接 OAuth 登录账号来用。官网文档写得很简单，就完事，但真上手才发现网页版和桌面版是两套逻辑，坑也各不一样。折腾了半天两边都通了，把过程记下来，省得别人再踩。

2026-10-13 14:11:46 732

原创 WorkBuddy CN 接入 DevEco CLI鸿蒙应用开发AICoding

本文介绍如何通过 WorkBuddy CN IDE 与 DevEco CLI 接入鸿蒙应用开发全流程。以“云栖生活”登录页为例，实现从项目初始化、技能接入、文档查询到代码修改、状态管理与构建的完整 AICoding 流程。通过项目级 Skill 固定开发环境，利用 CLI 实现文档检索、代码检查与构建，确保生成代码符合 API 26 规范，支持密码显示/隐藏等交互逻辑，并保留原始诊断信息，提升开发可追溯性与可靠性。

2026-10-07 23:44:35 277

原创华为云码道接入 DevEco CLI 鸿蒙应用开发AICoding

本文演示华为云码道CodeArts Agent与DevEco CLI协同开发鸿蒙应用的可验证AI工作流。通过“Spec Coding”模式，先生成需求规格与测试用例，再调用码道智能体结合DevEco CLI工具链完成代码编写、文档查询、构建与验证，实现从需求到HAP包的闭环。强调“大脑”（码道）与“手脚”（CLI）分离，确保每一步操作可追溯、可复现，提升开发可信度与跨平台一致性。

2026-10-07 23:16:13 421

原创 TraeCode 国内版接入 DevEco CLI：用官方知识开发鸿蒙应用

本文介绍TraeCode国内版接入DevEco CLI，基于HarmonyOS API 26构建鸿蒙登录页的实践。通过配置环境变量、初始化deveco-cli技能，结合官方文档检索（docs search/read）确保代码生成依据准确，实现AI智能体调用工具链完成页面开发。实测显示，智能体可正确加载技能并执行文档查询，提升开发效率与准确性，验证了CLI作为AI Agent入口的可行性。

2026-10-06 22:14:56 358

原创 Windows Codex Computer Use 电脑操控问题修复

Windows Codex 电脑操控失效问题源于版本错位与 WindowsApps 受保护文件复制失败。尽管插件设置开启，但新版本 AppX 中的 bundled marketplace 未正确物化至用户目录，导致 native pipe 缺失，运行时初始化失败。修复关键在于手动提取新版插件资源（含 unified-computer-use），通过字节级复制绕过系统限制，合并至 .codex/.tmp/bundled-marketplaces/openai-bundled，使 Codex 重新识别并加载最新

2026-10-06 20:53:30 710

原创银行 AI Agent 如何嵌入业务流程

本文以南京银行零售信贷为例，结合工行、邮储、上海银行实践，系统阐述银行AI Agent嵌入业务流程的实现路径。通过材料智能解析、规则与知识工程化、本体驱动的判断逻辑、Harness受控执行及人机协同机制，实现从材料采集到审批协同的全流程自动化。关键在于明确各环节输入输出、保留证据链、落实权限管控，并以真实业务指标验证效果：处理时效缩短40%，人工工作量减少70%，退补件率下降50%，年节约人力成本超138万元。

2026-10-03 23:48:55 526

原创 Harness Engineering 实战：让 Coding Agent 持续、可靠地完成工程任务

《Harness Engineering实战》聚焦如何通过构建稳定、可验证的运行机制，使Coding Agent持续、可靠地完成工程任务。文章强调，Harness的核心在于闭环控制：通过明确的验收条件、可执行的检查命令、状态管理与证据留存，确保失败影响下一步行动，避免虚假完成。案例表明，仅依赖模型输出不足以保障质量，必须将规范转化为可执行的机制，结合权限控制、环境隔离与交接记录，实现跨轮次可追溯、可核验的协作。实践建议从最小任务切入，逐步迭代优化，最终提升Agent任务成功率与可信度。

2026-10-03 23:25:51 352

原创【Codex提效系列】用 AGENTS.md 建立长期规则

摘要（148字）：《Codex提效系列》提出用AGENTS.md建立项目长期规则，解决重复解释环境的问题。它作为可复用的项目规范，明确目录结构、操作边界与验证流程，使Codex每次任务都能从正确默认出发。通过分层配置（个人/项目/模块级），实现精准指令继承。内容应聚焦通用规则，避免冗余细节，持续迭代优化。最终让智能体如“合规员工”般高效协作，显著提升开发效率。

2026-09-22 11:24:15 203

原创鸿蒙AICoding项目实践SDD运用

本文分享鸿蒙图片处理项目中SDD（规格驱动开发）的实践流程，涵盖五步工作流：写项目宪法、明确规格并澄清、制定技术计划、拆分任务、实现与验证。结合GitHub Spec Kit工具，强调SDD与TDD协同使用，规范功能设计与代码实现。提出工具选型建议及五大避坑指南，明确SDD适用于长期维护、多人协作的生产级项目，而简单改动或探索阶段宜采用Vibe Coding。核心观点：AI提升编码效率，但需求清晰与规则明确才是关键。

2026-09-18 17:55:43 251

原创 SDD （Spec-Driven Development）规格驱动详解

SDD（规格驱动开发）通过将规格文档作为代码的唯一权威来源，解决AI编程中意图漂移、上下文衰减与输出不可验证三大问题。强调“规格为准、代码为实现”，采用分等级规格策略（Code-First至Spec-as-Source），并运用EARS语法确保需求无歧义。规格需包含用户故事、可验证验收标准及明确范围边界，与代码版本同步，支持自动化测试对齐。相比传统文档，SDD规格是强制性、结构化、可执行的AI指令，显著提升开发准确率与可维护性。

2026-09-18 17:34:09 261

原创【HarmonyOS AI】通用文字识别详解

通用文字识别，也就是 OCR（Optical Character Recognition，光学字符识别），用来把图片中的文字转换成应用可以处理的文本。例如，一张书页照片经过识别后，里面的内容就能被复制到笔记里；一张包含快递单号的截图，也可以提取出单号，用于查询物流。在 HarmonyOS 中，。开发者把图片交给系统服务，就可以获取识别到的文字及其位置，无需自行训练和部署 OCR 模型。识别过程在设备本地执行，图片不必为了这一步处理上传到云端。

2026-09-07 10:27:02 478

原创 HarmonyOS Dev Assistant （HarmonyOS开发助手）如何打通元服务开发全流程

现代应用很少完全从零开发。网络、图片、地图、存储、媒体和数据处理等能力，通常都会依赖成熟的三方库。手动修改原库。重新实现缺失功能。寻找功能相近的替代库。等待社区发布鸿蒙版本。使用通用AI工具辅助重写。这些方式都存在明显成本。通用AI可以完成部分语法迁移，但它未必理解原库的架构、鸿蒙系统接口、构建方式和示例工程。根据PPT中的内部统计，通用AI工具通常只能迁移约70%的功能，剩余内容仍需人工补齐。哪些能力可以直接复用。哪些系统接口需要重新实现。如何组织鸿蒙侧工程结构。

2026-09-03 10:59:57 520

原创 Codex Windows 客户端打不开怎么办？ChatGPT.exe 有进程但没有窗口的解决方法

最近使用 Codex Windows 客户端时遇到一个比较典型的问题：Codex 客户端运行过程中突然关闭，之后点击桌面图标无法重新打开。一开始看起来像是程序崩溃或者快捷方式失效，但进一步排查发现，。最终通过 Windows AppX 应用重置解决。本文记录完整的排查过程和解决方案，方便以后遇到类似问题时快速恢复。

2026-08-30 11:25:30 5948 6

原创 AI领域的各种Engineering是什么意思？

AI工程范式演进：从模型能力到系统协作摘要：AI工程领域经历了从Prompt Engineering到Graph Engineering的快速演进。随着模型能力提升，技术瓶颈不断外移：2023年聚焦提示词优化，2024年转向上下文管理，2025年关注环境约束（Harness Engineering），2026年则进入多智能体协作阶段（Graph Engineering）。关键转变包括：Karpathy提出的Vibe Coding与Context Engineering、Mitchell Hashimoto

2026-07-29 14:16:15 448

原创【HarmonyOS AI】鸿蒙开发者需要搞懂的 AI Coding 概念

最近群里聊 AI、DevEco CLI、DevEco Code，Skill、MCP、知识库这几个词出镜率很高，但真问起来，不少人其实只停留在看着眼熟，知道个大概的层面。我一直推崇的就是费曼学习法，所以我坚持更新。所学所知，如果能完整表达，别人听后可以理解，这说明自己掌握牢固。这篇不堆术语，作为五年的鸿蒙开发者，今年也深入学习了AI，获得了相关AI的证书和能力认证，所以今天为了鸿蒙开发同学们从AI专有名词底层概念一层层往上讲，把每个东西内部长什么样、怎么工作、代码怎么写，都尽量说明白给大家听。

2026-07-23 16:16:40 472

原创【HarmonyOS AI】DevEco CLI、Skills、知识库运用AI Coding提效详解

所有命令都是实际验证过的，来源会标清楚。踩过的坑也会明确标出来，避免后人再踩一遍。

2026-07-22 19:20:05 719

原创【HarmonyOS 三方库】Python 三方库鸿蒙化适配 PC 完整迁移实战

最近做了鸿蒙PC工作台的项目，使用了很多C和Python的库，并且也结合了AI相关的技术进行赋能增强。接下来梳理Python 三方库鸿蒙化的一些经验分享。首先Python 三方库鸿蒙化，不是把 Python 代码翻译成 ArkTS，而是让成熟 Python 能力适配 HarmonyOS PC 的运行时、二进制环境、应用沙箱和 ArkTS 调用链。对 Python 三方库迁移来说，PC 不是“手机屏幕放大”，而是更接近桌面生产力场景。1、首先是交互方式的不同，鸿蒙手机触控、手势、竖屏单任务体验。

2026-07-17 16:50:17 721

原创【HarmonyOS AI 系列文章】图像超分：用端侧 AI 实现小图传输，高清图呈现

鸿蒙图像超分技术利用端侧AI能力，实现"小图传输，大图呈现"的效果。通过AI重建纹理、边缘和细节，将低分辨率图片4倍高清放大，相比传统放大更清晰自然。该技术通过Core Vision Kit提供系统级API，开发者可便捷调用，降低自研AI模型的成本。典型应用场景包括商品图、资讯图等，在节省带宽的同时提升用户体验。技术原理包含边缘增强、纹理补全和降噪处理，并利用NPU量化等优化手段提高端侧处理效率。

2026-07-16 19:49:03 290

原创【HarmonyOS 7】鸿蒙应用集成本地 LLM 实践：能力、效果与工程方案

对分章或 chunk 做短摘要、事件句润色、场景标题生成，但必须限制输入长度。

2026-07-10 15:31:52 611

原创 HarmonyOS7特性解读

摘要： HarmonyOS 7（API 26）作为鸿蒙生态的重要升级，围绕智能化、空间化、全场景、媒体、多窗及安全六大方向进行了全面优化。新增小艺Agent与Skill能力、3DGS端侧重建、碰一碰精准分享、空间音频、互动卡片及星盾安全防护等创新功能，提升AI交互、3D建模、跨设备协同、音效体验及隐私保护能力。同时优化性能与通信，如游戏快启、弱网直播流畅度及LTPO可变帧率，并升级沉浸光感设计与可变字体排版。开发者可通过DevEco Studio和云调试适配新特性，确保应用兼容性。（150字）

2026-07-06 14:25:35 411

原创当黑盒开始写黑盒：AI时代的软件、创作与人的退路

很多人在问AI会不会取代自己。真正的问题不是AI会不会取代你，而是另一个会用AI的人会不会取代你。但更狠的是，当所有人都会用AI的时候，这个优势也没了。你能提供什么AI给不了的东西？这个问题的答案，就是你的底牌。不是技能，不是工具，是你作为人本身有什么不可替代的价值。落在实处就一句话：做一个有真实关系、真实体验、真实责任、真实判断力的人。AI越强，这四样越值钱。2026年6月·上海。

2026-06-24 13:26:42 673

原创【无测试机别害怕】华为云鸿蒙云手机：从零到联调全流程详

华为云鸿蒙云手机为开发者提供了远程调试鸿蒙应用的能力，无需真机即可完成开发测试。使用前需获取AK/SK凭证，创建实例时建议开启闲置自动关机以节省费用。核心工具包括CLI客户端（管理实例）、DevEco Testing（投屏操作）和DevEco Studio（IDE开发）。使用时需注意：避免端口冲突（勿用8710）、保持隧道连接、投屏仅支持标准模式，且云手机不支持相机功能。通过建立隧道连接后，开发者可像操作真机一样进行应用调试和部署。

2026-06-24 09:28:21 535

原创【HarmonyOS 7】DevEco Code安装与使用

做 HarmonyOS 开发，DevEco Studio 肯定绕不开。最近发现华为出了个 DevEco Code，终端里直接用，装完一行命令启动，跟 AI 对话就能干活。用了一段时间觉得挺顺手，把上手过程整理一下，给同样在搞 HarmonyOS 的朋友参考。

2026-06-23 22:49:42 1426

原创【HarmonyOS 7】鸿蒙应用开发如何屏蔽剪切板

摘要：鸿蒙应用开发中屏蔽剪切板功能涉及多种场景，包括禁止输入框粘贴、限制复制范围、控制Web组件复制及运行时拦截剪贴板。通过onPaste回调禁止粘贴，使用copyOption属性限制复制范围（如仅应用内），Web组件通过相同属性控制，运行时可通过监听剪贴板变化实现敏感数据拦截。需注意输入法剪贴板绕过、权限申请及隐私合规问题，金融类应用常需组合方案确保数据安全。

2026-06-23 18:33:56 470

原创 Android 无线调试详解

说实话网络调试不是什么新技术了，早几年就有，只是很多人（包括之前的我）习惯了 USB 直连，懒得去折腾。但真正用起来之后你会发现，桌面清爽了很多，设备往那一放就行，不用惦记着线够不够长、接口会不会松。特别是如果你跟我一样经常要同时调好几台设备，或者设备本身形态比较特殊（大屏、车载、IoT 硬件），网络调试基本是刚需。花十分钟配好，后面能省不少事。USB 调试当然能用，但说实话它有几个很烦的点。第一，线就那么多长，设备放桌上还行，你要是调试一个大屏设备或者车载终端，人基本就被拴在那儿了。

2026-06-22 10:34:47 580

原创【HarmonyOS 7】鸿蒙应用 AI Coding 工具链 DevEco Code 到 DevEco CLI

和。它们的重点不是“又多了一个 AI 聊天助手”，而是把 AI Agent 真正接入鸿蒙应用开发流程。未来的 AI Coding 不只是帮咱们写代码，而是帮咱们完成一个可验证的开发目标。DevEco Code 和 DevEco CLI 的组合，正是在把鸿蒙应用开发从单点辅助，推向完整的 AI Agent 开发流程。如果你是 HarmonyOS 开发者，建议按这个顺序理解：第一步，先理解 DevEco Code 和 DevEco CLI 的分工。理解三种模式。第二步，熟悉 CLI 命令。

2026-06-15 18:31:26 640

原创【 HarmonyOS 7.0 】三分钟理解 compatibleSdkVersion ， compileSdkVersion与 targetSdkVersion

很多初学者第一次看到它们时，会觉得这些字段很像：都是 SDK 版本，那它们到底有什么区别？这篇文章就用比较直观的方式讲清楚。

2026-06-15 16:59:25 382

原创【算法】强化学习中奖励和损失函数的关系

强化学习中奖励与损失函数的协同作用（摘要）在强化学习中，奖励函数和损失函数构成闭环训练系统：环境通过奖励信号（如"坐下得10分"）评估策略表现，而损失函数（如负对数似然×奖励）则将这些离散信号转化为可微分的优化目标。神经网络根据损失函数计算梯度，通过反向传播调整权重参数，使高回报动作获得更高选择概率。二者的关系可类比训犬过程：奖励是主人的评分反馈，损失函数则是大脑调整行为模式的依据。关键区别在于：奖励是环境给出的评估信号，损失函数是驱动参数优化的数学工具，二者缺一不可。典型实现中，PyTorch等框架利用

2026-06-02 17:17:53 814

原创【算法】逻辑回归虽然名字中有“回归“，但通常用于二分类任务。如何理解学习？

逻辑回归虽然名称含"回归"，但实际上是用于二分类的算法。其核心流程是先通过线性变换（回归部分）计算连续值，再经Sigmoid函数转换为(0,1)的概率值，最后根据概率阈值（通常0.5）进行分类决策。与线性回归不同，逻辑回归使用交叉熵损失函数来优化概率预测的准确性，而非均方误差。Sigmoid函数作为关键桥梁，将无界线性输出压缩为合法概率值，避免了直接使用线性回归做分类时可能出现的概率值越界问题。这种"回归方法解决分类问题"的特性，正是其名称的由来。

2026-06-02 17:06:51 534

原创【MindSpore】MindSpore 开源深度学习框架

菜谱= AI 模型（如何识别菜品、推荐菜单）厨师= 深度学习框架（按照菜谱做菜的人）厨房设备= 硬件芯片（CPU、GPU、昇腾芯片）MindSpore 就是那个"厨师"，它懂得如何把 AI 模型这个"菜谱"在华为昇腾芯片这个"厨房"里高效地"烹饪"出来。特性说明🧠深度学习框架提供张量计算、自动求导、神经网络层、优化器等基础能力🏗️AI 开发平台底座支持计算机视觉、自然语言处理、推荐系统、强化学习等任务🔗华为 AI 生态核心。

2026-05-30 18:48:58 1048

原创【Transformer】一文吃透Transformer核心原理：从架构到BERT/GPT/T5差异

本文深入解析Transformer核心原理及其衍生模型BERT/GPT/T5的关键差异。Transformer通过注意力机制替代传统RNN/LSTM，实现并行计算和长文本处理能力，由Encoder（擅长文本理解）和Decoder（擅长文本生成）组成。核心组件包括词嵌入层（Embedding）、多头注意力机制（如12头×64维=768维）、前馈神经网络（FFN）和层归一化（LayerNorm）。BERT仅用Encoder，适用于实体抽取等理解任务；GPT仅用Decoder，专长文本生成；T5则完整保留编解码结

2026-05-30 15:13:20 574

原创【openJiuwen】自优化任务详解

本文介绍了openJiuwen的自优化任务技术，旨在解决AI Agent在业务场景中频繁"翻车"的问题。该技术通过收集错误案例、自动评估、智能优化Prompt和回归测试的闭环流程，实现Prompt的持续改进。相比模型微调，该方法具有成本低、见效快、可解释性强等优势，特别适用于意图识别、信息抽取等有明确评判标准的任务。文章详细解析了技术架构、核心组件和工作流程，并提供了实际应用建议，帮助开发者高效提升AI Agent的稳定性和准确性。

2026-05-27 09:59:08 809

原创【jiuwenclaw】jiuwenclaw-web启动后19000端口不通

摘要： jiuwenclaw服务启动后19000端口局域网无法访问，需修改3处配置：1）通过sed命令修改systemd服务配置，将前端和Web服务监听地址改为0.0.0.0；2）编辑ws_origin.py文件，在WebSocket校验函数中添加通配符允许逻辑；3）重启服务使配置生效。修改后即可实现局域网设备访问WebUI。核心步骤包括监听地址开放、来源限制解除和服务重启。

2026-05-27 09:51:09 174

原创【AI大模型】Transformer 架构是什么？关键模块都有哪些

Transformer是一种基于注意力机制的神经网络架构，彻底改变了序列建模方式。其核心由编码器和解码器组成：编码器通过多头自注意力和前馈网络理解输入，解码器则通过掩码自注意力和交叉注意力生成输出。关键模块包括位置编码（解决顺序问题）、残差连接（防止梯度消失）、层归一化（稳定训练）以及最终的线性+Softmax输出层。根据任务需求，Transformer衍生出三种主要变体：仅编码器（如BERT）、仅解码器（如GPT）和编码器-解码器（如T5）。这种架构已成为当今大语言模型的基础，支持从文本理解到内容生成的各

2026-05-14 14:01:30 609

deveco-cli-setup

HaronyOS+BLE蓝牙DEMO

Android动画 渐隐渐显

tsetActivity.rar

org.ucdetector_1.10.0.jar

空空如也

Android动画渐隐渐显