生态共建”的模式， 为实体经济数字化转型提供了可复制的中国方案。 鸿蒙智能体的发展承载着国家数字主权的战略使命。技术层面，鸿蒙智能 体框架 HMAF 在传统软件安全工程的基础上，迭加构建 AI Agent 典型安全防线， 实现全栈安全自主可控；产业层面，鸿蒙生态实现了从底层芯片到上层应用的 完整技术栈，使我国首次在基础软件领域摆脱了对西方体系的依赖。更为深远 的是，鸿蒙通过定义智能终端交互标准，在消费电子、智能汽车、工业互联网 鸿蒙智能体时代已经开启，我们期待与广大鸿蒙应用开发者和合作伙 伴一道，持续推动鸿蒙智能体技术创新与生态共建，为用户带来“服务合 时宜、服务不间断”的智慧新体验，共创鸿蒙万物智联的未来新世界。 Agent 时代 鸿蒙应用生而智能 前 言 近年来，生成式人工智能（Generative AI）迎来前所未有的技术飞跃， 以大语言模型（LLM） 为代表的基础模型进入高速迭代期，一路狂奔，不断刷新能力边界。模型在复杂任务推理、规划、 的优势，同时解决信息安全隐患、云端算力成本过高等问题。 这一系列技术的突破，正在重塑人类与数字世界的交互方式。生成式 AI 不再是问答工具， 而是嵌入到每一个终端、系统、应用与服务中的可持续演化的智能体（Agent），具备感知周 围环境、理解用户意图、学习用户偏好、自主执行复杂任务的全流程能力。 2024 年 6 月，华为向业界发布《AI 终端白皮书》 [1]，明确指出智能体将引领终端进入全新 人机交

前言 迈向 AI-Native 时代：智能体驱动的应用现代化新范式 近两年来，随着 ChatGPT、DeepSeek 等大模型技术的快速发展，人工智能正以前所未有的速度重塑产业格局，而 Agent 智能体的崛起标志着应用现代化迈入全新阶段。未来大于 50% 的人类工作任务场景将被大模型影响，据麦肯锡预 测，生成式 AI 每年可以增加 2.6~4.4 万亿美元经济收入，AI 驱动的自动化决策与交互将成为业务常态。与此同时，传统 可信数据资产目录实现跨域流通，为 Agent 提供实时、高质量的训练与推理燃料；而 API 则从传统的服务接口演进为“智 能连接器”，通过动态编排与语义理解，支撑 Agent 间的自主协商与任务分解。此外随着云原生 AI 技术（如多模态大模型、 智能 Agent 开发与运行、检索增强生成、智能应用管理引擎、智能组装与集成、统一可观测、多模态交互、AI 内生安全等） 的成熟，使得 Agent 的开发效率提升数 先装上刹车”，遵循道德和法律规范。 当今，应用现代化的推进目标已从“数字化 IT 提效”提升至“重塑智能商业价值”。未来，企业需以“应用现代 化的三驾马车”，即：“敏捷架构、智能数据、生态开放”为基石，建立支持 Agent 自治与进化的全生命周期的数字基 座。应用现代化产业联盟的各成员，要加强智能体应用、跨域协作标准等前沿议题的探索研究，以《应用全生命周期智 能化白皮书》为起点，共同推动中国在全球智能化竞争中占

iOS、Windows、Linux、MacOS 等 OS 平台。  智能化：仓颉通过元编程扩展出面向 LLM 智能体编程的 Agent DSL， 该语言提供多种特性有效简化 Agent 编写复杂度，包括 Agent 声明式 配置、提示词模式、多 Agent 协同、多轮对话等；同时，该语言兼容 MCP 生态，能够让开发者快速开发智能体应用。 C/C++概述 鸿蒙应用开发全面支持 仓颉语言演进策略 仓颉始未来将持续深耕高效开发、高性能、强安全等领域，持续提升高效 开发体验，提供默认高性能和强安全能力；在跨平台和智能化领域持续完善和 探索，为鸿蒙应用开发者提供一码三端、AI Agent 编程能力，并将仓颉打造为 鸿蒙生态应用开发的首选静态编程语言。仓颉未来探索方向如下：  高性能：通过 Actor、并发优先级算法、结构化并发提性能；通过内存 所有权机制降内存；通过硬件深度协同的优化技术降功耗。 开发形态转变；在智能应用的极简开发方面，将通过构建 Agent DSL 支持声明式智能应用开发范式，详细参考 3.2 章节内容。 智能化演进策略 仓颉智能应用开发能力规划 仓颉通过元编程能力和 DSL 能力构建 Agent DSL 能力，包括：单 Agent 编 程开发、多 Agent 协同、支持 MCP 协议等。未来，将持续深化仓颉 Agent DSL 与 AI 技术的融合，推动其在

数字运营 ： AI 辅助智 慧决策 企业级人工智能基础设施（算力 网络 存储等） 外部数据 网站、 信息门户、 社交媒体、 行业资讯 … 360 AI 企 业 知 识 库 Agent 构建平 台 MCP 插件调用 AI + 电力行业智能应用场 景 Agentic RAG 指标建模 全域多源异构知识捕获 全方位 安全管控 版式分析 ASR/TTS 图像解析 视频解析 pdf/ppt/doc/xls/ 图 / 音 / 视频 等 • OCR+360 新一代图文跨模态 VLM ，大小模型结合解析更精准 • 支持多模态交互（输入 / 输出） ，万物皆可交互 ④ 可为 Agent 提供超强 “ 上下文与记忆” MCP 服务 • Personal Context ： eg. 最近浏览文件 / 文章、会议、项目进 展 • 支持记忆瘦身：把长故事变成要点 ，防止 AI AgenticRAG 技 术 • 以 Agent 重构传统 RAG ，提升问答准确率及效果 • 长链路、多跳、事实推理效果更佳 • 跨模态数据融合应用：打通结构化与非结构化知识 ⑤ 内置企业级敏捷 Agent 平台 + 丰富的知识类技能 + 知识类智能体市场 • 专业的知识类技能 ：比如文档解析、录音转写、发票识别 • 丰富知识类 Agent ：知识问答 / 创作型 / 技能型 /

 白屏、慢响应、弹窗日志等 核心业务 系统方自定义 Promethues exporter 调用链接口业务打标 告警配置 应用 核心场景、核心业务链路 人工梳理上报 调用链agent采集 应用指标、trace 网关 中间件 数据库 主机 网络 Promethues exporter 前端触点 浏览器 JS埋点 APP SDK 云平台 snmp协议+ Promethues Clickhouse kafka 系统D agent 系统E agent Nacos Redis CMDB 实例id、容器id 主机ip、机房 网络设备 云平台 告警计算 聚合后指标 链路计算 清单查询 分数据中心 Collector- server 系统A agent 系统B agent 系统C agent Flink kafka 告警计算 指标聚合 的演 进背景下，剧增的集中系统日志数据量带来的挑战，解决在较大规模集中系统日志查询和报文查询方面效率低 和不准的问题，提升故障和工单问题定位效率。 日志采集 主机 组件 应用 其他 Agent SDK 日志应用 全文检索 模版提取 过滤脱敏 日志监控 异常检测 报表可视 日志处理、存储、告警判定 K a f k a 流式worker 处理 分布式存储 异常日志判定

创意性有限：由于是基于模板和自动匹配生成，因此视频在创意性方面可能有 所欠缺，需要教师自行添加一些个性化的元素来提升视频的吸引力。 145 Chapter 7 第7章 教育智能体 本章将探讨AI Agent（智能体）在教育中的应用与发展。我们将介绍智能体的基本 概念及其在教育领域的演变，展示智能体如何帮助教师减轻负担、提升教学效率， 并为学生提供个性化学习支持。另外，本章包含多个实际应用案例，如智能辅导系 学生将能更好地理解和利用AI Agent，推动教学创新，提升学习体验。 本章主要涉及的知识点： ❍ 智能体和教育智能体。 ❍ 教育智能体革命。 ❍ 师生与智能体的课堂互动。 ❍ 智能化教育生态系统。 7.1 从智能体到教育智能体 本节将简要介绍智能体的概念与作用，列举几个具有代表性的教育智能体，并对其 未来发展进行预测和展望。 7.1.1 智能体 智能体，英文名是AI Agent。在中文文献中，AI Agent。在中文文献中，AI Agent曾被翻译为“代理”“代理 人”“智能体”等。简单解释，智能体是一种能够自动完成各种任务的软件，它可 以理解我们平时说的话，还可以根据用户的需求和喜好来提供个性化的服务。我们 也可以把智能体想象成一个非常聪明的机器人，它可以像人一样感知环境，自主采 取行动以实现预设的目标，并且可以通过不断的学习来提高自身的性能，如图7-1 所示。 146 图7-1 智能体的环境感知与“自我”感知

上的应用仅仅是人工智能革命的开始。大模型的出现，全面提升 了 AI 的自然语言理解能力和通用推理能力，让 AI 具备自主完成复杂任务的可能，从而演进成 为能够感知环境、进行用户意图的自主理解、做出决策和采取行动的 AI Agent（智能体）系统。 - 4 - 行业趋势 鸿蒙 2030 白皮书 智能体将彻底改变人与机器的协作方式，从“以指令为中心”发展为“以意图为中心”， 为人类带来更深层次的便利和效率提升。在任务流 的界面。 面向未来，鸿蒙系统将在整个 OS 层面构筑统一的 AI 系统底座，达到系统内所有组件都 高效灵活使用 AI 能力的系统级原生智能。在此基础上，构建常驻系统、结合系统底层能力的 系统级 Agent（即超级智能体），识别用户意图，完成服务闭环。同时，鸿蒙系统也将进一步 图 3 鸿蒙 2030 愿景及关键特征 ����������� ��� ��������� ��� ������������ 行动：按照规划拆解的子任务（包括调用相关工具）进行执行，以闭环任务目标。 鸿蒙 2030 愿景及关键特征 - 19 - 鸿蒙 2030 白皮书 端云协同的大模型能力 大模型是 AI Agent 的大脑，是 AI Agents 实现推理决策、自主规划和执行的逻辑引擎。 端侧大模型和云侧大模型协同工作，能够发挥 LLM 大模型的最大潜力，并且从成本、能耗、时延、 隐私安全、个性化等多方面为用户提供极致体验。

“垂直行业能力模块建设”的结合 04 从直接竞争转向价值整合与 生态赋能： ◆ 为克服SaaS市场固有的销售体系与客户 决策链不兼容等难题，大型云厂商的有 效破局路径，是选择“软硬结合”或“构建 Agent平台”，从直接的产品竞争者转型 为价值整合者与生态赋能者 ◼ 研究背景 随着大模型技术的飞速发展与迭代， 人工智能正驱动全球计算范式发生根 本性变革，传统的CPU云计算架构已难 以满足AI训练与推理带来的海量算力需 中国：云计算系列 行业研读 | 2025/07 • 智算产业已形成“硬件-云-模型-应用”的四层结构，当前正处于从底层 的“算力先行”向“模型生态构建”与“应用商业化”过渡的关键阶段。行业 Agent的商业化落地将成为引爆点，预计2025年有望迎来“应用爆发”的 窗口期 智算产业价值路径——智算产业全景及发展趋势 智算产业链全景 来源：头豹研究院 ◼ 智算产业通过“硬件-云平台-大模型-应用”的四层结构联动，构建了从底层 层 算力到顶层商业场景的完整价值链 智算产业链可分为四层，底层为基础硬件，包括GPU/AI芯片等底层基础设施。 上一层为云平台层，包括智算平台及云服务厂商。再上一层为大模型层，包括 MaaS/Agent平台，以及最上层的应用与终端层，是以软硬件的形式将模型和技 术能力落实在实际的商业场景中。四层共同组成智算完整的产业价值链。 层级 核心角色 代表环节 当前态势 底层硬件 芯片/服务器制造商 GPU/AI芯片

系统方自定义 Promethues exporter 调用链接口业务打标 告警配 置 核心场景、核心业务链路 人工梳理上报 浏览器 JS 埋点 AP P S DK 调用链 agent 采集 应用指标、 trace 云平台维护方自定义 Promethues exporter Promethues exporter snmp 协 议 + Promethues 链路自动拓扑 告警配 置 告警计算 应用性能分析 业务、应用维度链路展现 kafka Redis 告警计算 指标聚合 应用实例、主机 串 联 明细分析 agent agent agent agent agent 链路自动拓扑 全层级告警墙 业务报文查询 应用性能分析 应用根因定位 C M D B 系统 C 系统 B 系统 E Naco s Flink 查询 智能自愈 判断逻辑 引擎 自 愈 工 单 审 批 自 愈 工 单 生 成 从 收 到 告 警 到 恢 复仅用 47s 2023-09-07 16:20:45 自动触发诊断 自动化运维 agent （物理机） 告警 配 置 2023-09-07 16:20:45 应用告警 基础资源运维 场景 业务服务运维 场景 应用系统运维 场景 运维 PaaS 平台 运维专家

3 阿里云百炼关键场景安全实践 82 3.1 场景一：发布并调用一个线上模型推理服务 82 3.2 场景二：使用私有数据微调一个专属模型 85 3.3 场景三：构建并运行一个 AI Agent/MCP 应用 88 4 构建可验证的信任：阿里云百炼的 90 安全承诺与未来愿景 4.1 当下的承诺：安全可信的五大基石 90 4 SECURITY WHITE PAPER 安全 可信的 MaaS 阿里云百炼 安全白皮书 SECURE & TRUSTWORTHY MaaS （一）模型红蓝对抗 通过构建红队模型 / Agent，自动产生新的攻击样本 , 收集模型和系统的安全漏洞和 弱点，蓝队对这些弱点和漏洞进行修复，从而不断提升模型和系统的安全性。 （二）AI 安全挑战赛 构建了集学习、竞技、交流与成长于一体的平台。 全，收集越狱与操控手法以直 接驱动模型防御升级；赛道二采用漏洞赏金模式，挖掘模型服务生产环境中的非内容 风险（MCP 安全、RAG 窃取污染、Agent 越权等），推动真实场景漏洞修复；赛道 三通过模拟高风险场景（数据窃取、文档平台泄露、Agent 供应链攻击等），输出防 护策略优化洞见。 3.3.4 模型推理数据防护 在推理阶段，大模型的数据安全防护集中在防止信息泄露、确保传输与处理过程中的