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

严格执行AI数据零留存机 制，保障企业数据安全 • 支持敏感数据掩码、毒性 管理、AI审计日志，打造 可信任AI 企业级AI 灵活定制Agent矩阵 • 支持公有及私有多模型接 入，场景级选配专属模型 • Agent支持灵活定制编排， 敏捷构建场景化Agent • RAG支持多形态知识便捷 接入，知识高效融入业务 赋能型AI 全场景业务赋能提效 • 营销智能助力精准触达， 赋能高效客户转化 销售智能挖掘客户价值， 促进企业智慧赢单 • 服务智能高效响应客户， 提升效率和忠诚度 纷享销客AI赋能客户管理全链经营 AI+CRM+行业智慧，赋能企业增长 ShareAgent: 快速灵活构建企业AI Agent 业务助手 知识助手 研发助手 01. 业务助手搭建  用ShareAgent搭建业务智能体，捕捉对话的价值信息，自动 完成业务常见操作，实现运营效率、客户价值、组织智慧的三 重跃迁 02 发平台的代码编辑中，帮助开发者快速编写高质量的代码 无代码快速构建 多数据源模型接入 多种预置场景与动作 安全可信任 ShareAI产品简介 ShareAI-扩展场景AI产品总览 情报助手Agent 客户互动Agent • AI自动转文字 文档、客服、IM对话、 视频会议、现场录音、 销售录音、人工销售记 录等多模态语料转文字 • 实时话术与知识赋能 在和客户沟通过程中基 于知识库实时话术引导

100% 习提升认知水平 的自动化调用工具的 能力 能利用过程反思、经 验沉淀，难例挖掘等 高度智能化的决策机 制，自主提升规划和 编排能力，自主进化 Al 智能体 Al Agent , 即人工智能代理 ， 是指能够执行任务或服务的智能系统。 这些代理可以是软件或硬件，甚至两 者的结合，它们能够模拟人类智能行 为，以自主或半自主的方式执行任务。 GenAI 生成式人工智 独一个基础模型处理所有事情，而是 有规 划者、检索者和评估者进行沟通以实 现共 同目标 ( 会有多个基础模型 ) 。他们 表现出 持久记忆、自适应规划和多智能体 协作。 AI 智能体 (AI Agent) 是由大 型 语言模型 (LLM) 驱动的单实体 系统。它们专 为 特定于任务的执行 而设计：检索数据、调用 API 、 自 动化客户支持、筛选电 子 邮件 或汇 总文档。这些智能体使用工 sources AI Agent 是决策者，负责任务规划与策略调整 MCP 是执行者，提供标准化工具调用能力 二者结合将推动 AI 从“被动响应”转向“主动执行” , 未来形成 “Al Agent 生态 +MCP 工具链”智能体矩阵 开发者需掌握 LLM 、 MCP 协议及多 Agent 如 A2A 协议协作技术，以应对智能化 浪潮 MCP 协议对 AI Agent 的变革意义可类比“互联网时代的

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

智能体，然后借用本章第一个热点方向：（7） 算法赋能云计算，详细论述了运筹优化、深度学习和强化学习在云计算和云网融合中的应用。本章第二 个热点方向围绕 2025 年最火热的话题开展介绍和论述：（8）AI Agent 和 Agentic AI。 第四章，面向新兴技术的研究，首先是新兴产业与新兴技术的前瞻分析，涵盖政策、技术和国内外云 厂商的代表案例，涉及的新兴技术包括工业互联网、视联网、智慧金融、低空经济、6G . . . . . . . . . . . . . . . 58 3.3 热点方向八：AI Agent 与 Agentic AI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 3.3.1 LLM 与 Agent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 3.3.2 多模态与具身 Agent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 3.3.3 2025 年的 AI 发展 . . . . . . . . . . . . . . . . . . . .

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。