系列：鸿蒙开发从入门到专家 · 第 81 篇
手机里的 App 越来越多，用户真正用到的功能却越来越集中在某几个入口。HarmonyOS NEXT 的思路很直接：让系统本身变得更聪明，把服务主动送到用户手边。意图框架（Intents Kit）、基础语音（Core Speech Kit）、基础视觉（Core Vision Kit）就是这套能力的核心支撑。本篇把这三个 Kit 串起来，讲清楚它们各自解决什么问题、怎么接入、以及落地时的常见坑。
一、为什么需要 OS 级 AI 能力
传统做法是每款 App 自己集成语音识别、OCR、推荐算法，重复造轮子不说，还带来几个问题：
权限请求碎片化，用户体验割裂；
端侧模型重复下载，占用存储和内存；
各应用数据孤岛，系统无法形成统一的用户意图理解。
HarmonyOS NEXT 把通用 AI 能力下沉到系统层，应用只需要声明自己的服务能力，由系统统一调度分发。这样用户说一句"打开付款码"、搜一下"上周的快递"、拍一张发票，系统都能把请求路由到最合适的应用或元服务。
二、Intents Kit：让业务能力被系统发现
Intents Kit 不是简单的 Deep Link，它要求应用把"我能做什么"注册成结构化的意图。系统基于这些意图做本地索引、习惯学习、事件推荐和语义匹配。
2.1 四种分发能力
习惯推荐：系统学习用户在什么时间、什么地点常用什么功能，在小艺建议中主动露出。
事件推荐：结合订单、日程、位置等信息，在合适时机推送提醒。
技能调用：用户通过小艺对话用自然语言触发应用内功能。
本地搜索：注册过的意图内容可被小艺搜索索引，直接命中应用内结果。
2.2 端侧注册
在 entry/src/main/resources/base/profile/insight_intent.json 中声明意图：
{
"insightIntents": [
{
"intentName": "ViewRepayment",
"domain": "BankingDomain",
"intentVersion": "1.0.1",
"srcEntry": "./ets/insightintents/IntentExecutorImpl.ets",
"uiAbility": {
"ability": "MainUIAbility",
"executeMode": ["foreground"]
}
}
]
}
实现执行器：
import { InsightIntentExecutor, insightIntent } from '@kit.IntentsKit';
import { window } from '@kit.ArkUI';
export default class IntentExecutor extends InsightIntentExecutor {
async onExecuteInUIAbilityForegroundMode(
intentName: string,
intentParam: Record<string, Object>,
pageLoader: window.WindowStage
): Promise<insightIntent.ExecuteResult> {
if (intentName === 'ViewRepayment') {
// 解析参数并跳转对应页面
return {
code: 0,
result: { message: 'Intent execute succeed' }
};
}
return {
code: -1,
result: { error: 'invalid intent name', intentName }
};
}
}
2.3 注意事项
意图名称和参数结构需要与华为侧沟通确认，不能随意命名。
灰度或测试上架阶段无法在小艺开放平台正式注册，需用测试工具验证流程。
执行器内部不要持有长生命周期对象，避免元服务退出后内存泄漏。
三、Core Speech Kit：语音不必自己训练模型
Core Speech Kit 提供文本转语音（TTS）和语音识别（ASR）两大能力。对于大部分应用来说，直接调用系统能力比集成第三方 SDK 更省包体积。
3.1 文本转语音
import { textToSpeech } from '@kit.CoreSpeechKit';
import { BusinessError } from '@kit.BasicServicesKit';
let ttsEngine: textToSpeech.TextToSpeechEngine;
async function initTTS() {
const engines = await textToSpeech.getEngines();
const engine = engines.find(e => e.name === 'zh-CN') || engines[0];
ttsEngine = await textToSpeech.createEngine({
language: 'zh-CN',
person: 0,
speed: 1.0,
volume: 1.0,
pitch: 1.0
});
}
function speak(content: string) {
ttsEngine.speak(content, (err: BusinessError, num: number) => {
if (err) {
console.error(`TTS failed: ${err.message}`);
return;
}
console.info(`utterance id: ${num}`);
});
}
3.2 语音识别
import { speechRecognizer } from '@kit.CoreSpeechKit';
let asrEngine: speechRecognizer.SpeechRecognitionEngine;
async function startASR() {
asrEngine = await speechRecognizer.createEngine({
language: 'zh-CN',
online: 1
});
asrEngine.setListener({
onResult: (result: speechRecognizer.SpeechRecognitionResult) => {
console.info(`asr result: ${result.result}`);
},
onError: (err: BusinessError) => {
console.error(`asr error: ${err.message}`);
}
});
asrEngine.startListening({
sessionId: 'session_001',
audioInfo: { source: 1 }
});
}
3.3 实战建议
语音交互适合"双手被占用"的场景，比如驾驶、厨房、运动，不要为了炫技而加语音。
识别结果要给出置信度阈值，低于阈值时提示用户重说，而不是直接执行。
TTS 播放前检查是否正在播放音频，避免打断用户正在听的内容。
四、Core Vision Kit：视觉能力的系统级复用
Core Vision Kit 把 OCR、人脸检测、人脸比对、主体分割等能力标准化。以 OCR 为例，应用不再需要集成动辄几十兆的第三方模型。
import { textRecognition } from '@kit.CoreVisionKit';
import { BusinessError } from '@kit.BasicServicesKit';
async function recognizeText(image: image.PixelMap) {
try {
const result = await textRecognition.recognizeText({
pixelMap: image,
rotation: 0
});
result.blocks.forEach(block => {
console.info(`text: ${block.text}, rect: ${JSON.stringify(block.rect)}`);
});
} catch (err) {
console.error(`OCR failed: ${(err as BusinessError).message}`);
}
}
对于发票、身份证、银行卡等垂类场景，建议在 OCR 通用结果基础上做后处理校验：正则匹配身份证号、银行卡号规则，再结合人工确认，降低误识别风险。
五、三种能力的组合用法
一个完整的智能出行场景可以这样串起来：
用户对着手机说"查一下下周去北京的高铁"——Core Speech Kit 识别语音；
系统将语义解析成
QueryTrainTicket意图——Intents Kit 路由到购票应用；应用返回车次列表，用户选择后系统弹出桌面卡片提醒——事件推荐；
用户到站后打开报销应用，拍照识别火车票信息——Core Vision Kit OCR。
这套链路的核心价值不是单点技术，而是"系统理解意图、应用提供服务"的分工。
六、小结
HarmonyOS NEXT 的 AI 能力不是让应用变得更重，而是让系统承担通用理解层，应用专注业务逻辑。接入时要把握住三点：
意图设计要贴近真实业务功能，不要注册过于宽泛的入口。
语音和视觉能力优先用系统 Kit，减少包体积和权限请求。
执行器内部保持轻量，避免阻塞 UI 线程或持有长生命周期资源。
下一篇我们将进入智能穿戴开发，看看手表、手环这类小屏设备上如何做好服务延伸。
参考阅读
华为开发者联盟：Intents Kit 开发指南
华为开发者联盟：Core Speech Kit 开发指南
华为开发者联盟：Core Vision Kit 开发指南