<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[威哥爱编程，华为 HDE，鸿蒙极客、CSDN博客专家、《鸿蒙 HarmonyOS 5/6 开发之路》系列图书第一作者]]></title><description><![CDATA[分享AI 大模型、鸿蒙、操作系统、数据库优化、编程语言等技术]]></description><link>https://blog.csdn.net/finally_vince</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; finally_vince]]></copyright><item><title><![CDATA[【HarmonyOS 7 小艺智能体实战】04：给智能体接“大脑”——Prompt 编排与模型选择]]></title><link>https://blog.csdn.net/finally_vince/article/details/168770009</link><guid>https://blog.csdn.net/finally_vince/article/details/168770009</guid><author>finally_vince</author><pubDate>Fri, 23 Oct 2026 09:19:02 +0800</pubDate><description><![CDATA[智能体效果核心在角色指令：需明确身份、边界与风格，避免模糊形容词，强化“不做什么”以减少幻觉。模型选择应基于中文表达、速度、成本与Function Calling支持，建议先用默认模型验证问题归属。知识库提升回答准确性，插件实现“动手”能力。自动优化提示词易弱化边界，须人工核对。平台编排快且可分发，自建底座更可控，二者分工互补，后续需接入Skill实现执行能力。]]></description><category></category></item><item><title><![CDATA[【HarmonyOS 7 小艺智能体实战】05：Skill 到底是什么——和 Agent 的关系先掰扯清]]></title><link>https://blog.csdn.net/finally_vince/article/details/168770047</link><guid>https://blog.csdn.net/finally_vince/article/details/168770047</guid><author>finally_vince</author><pubDate>Fri, 23 Oct 2026 09:16:17 +0800</pubDate><description><![CDATA[本文揭示了对Skill的误解：它并非函数式调用，而是可被语义匹配的“能力单元”。核心在于，Skill能否被触发，取决于SKILL.md中对意图场景的精准描述——需写清典型话术与排除情形，以帮助系统准确识别。作者强调，Skill应聚焦单一任务，由Agent负责规划调度，自身只专注执行。最后区分平台Skill（快速原型）与随包发布Skill（深度定制），建议先验证再投入开发，提升效率。]]></description><category></category></item><item><title><![CDATA[【HarmonyOS 7 小艺智能体实战】03：第一次建智能体——在小艺开放平台把骨架立起来]]></title><link>https://blog.csdn.net/finally_vince/article/details/168769976</link><guid>https://blog.csdn.net/finally_vince/article/details/168769976</guid><author>finally_vince</author><pubDate>Fri, 23 Oct 2026 09:15:27 +0800</pubDate><description><![CDATA[本文详解小艺开放平台创建智能体的全流程，重点聚焦基础信息填写与三大编排模式选择。强调名称、描述需避免极限词与名实不符，头像格式要合规；核心在于模式抉择：LLM模式适合新手快速上手，工作流模式适用于复杂流程，A2A模式则面向已有智能体的企业接入。创建后进入编排页，角色指令、知识库、插件等配置将决定智能体“灵魂”与能力边界，为后续开发奠定基础。]]></description><category></category></item><item><title><![CDATA[【HarmonyOS 7 小艺智能体实战】02：动工前的清单——账号、资质、工具链一次备齐]]></title><link>https://blog.csdn.net/finally_vince/article/details/168769940</link><guid>https://blog.csdn.net/finally_vince/article/details/168769940</guid><author>finally_vince</author><pubDate>Thu, 22 Oct 2026 17:39:37 +0800</pubDate><description><![CDATA[申请小艺开发者资质时，实名认证需提前决定“个人”或“企业”——若计划变现，务必选企业。开发环境要匹配：DevEco Studio 5.0+、SDK API 26.0.0+，真机需 HarmonyOS 5.1.0+ 且小艺 App ≥11.3.8.300。关键前置是关联已上架的 AGC 应用，必须在写 Skill 前完成应用提交与审核。建议动工前按清单逐项准备，避免后期返工。真正卡点不在代码，而在发布链路的前置依赖。]]></description><category></category></item><item><title><![CDATA[【HarmonyOS 7 小艺智能体实战】01：先把路看清——小艺智能体开放平台到底是个什么生态]]></title><link>https://blog.csdn.net/finally_vince/article/details/168769909</link><guid>https://blog.csdn.net/finally_vince/article/details/168769909</guid><author>finally_vince</author><pubDate>Thu, 22 Oct 2026 17:38:51 +0800</pubDate><description><![CDATA[本文揭示了在小艺上开发智能体的本质：从“人找服务”转向“服务找人”的全新范式。作者通过亲身经历反思传统App思维的局限，指出智能体并非独立应用，而是可被意图触发的“能力节点”。文章厘清了App、元服务、智能体与Skill四者关系，详解“意图即服务”逻辑及小艺四大入口、六种唤醒方式带来的分发优势，并以超2000个智能体、日均30亿次唤醒等数据佐证生态成熟度。最后预告系列教程将手把手带读者完成从开发到上架的全流程，核心在于重构产品思维——不是写代码，而是设计被系统主动调用的能力。]]></description><category></category></item><item><title><![CDATA[【共创稿事节】HarmonyOS 7 Agent 开发实战 12：人机协同与人工接管]]></title><link>https://blog.csdn.net/finally_vince/article/details/167700995</link><guid>https://blog.csdn.net/finally_vince/article/details/167700995</guid><author>finally_vince</author><pubDate>Sat, 17 Oct 2026 11:09:16 +0800</pubDate><description><![CDATA[本文为「HarmonyOS 7 Agent 开发实战」系列收官之作，聚焦人机协同（HITL）——在自治 Agent 执行敏感操作前引入人工审批闸门。通过纯 ArkTS 实现可测的审批状态机，将退款、删除等高风险动作从“自动执行”改为“提议待审”，确保模型决策与实际执行解耦。核心设计包含 ApprovalRequest 状态数据与 HumanInLoopAgent 状态机，支持待审、通过、拒绝、修改四态流转，并通过幂等保护防止重复操作。该机制独立于大模型运行，离线亦可验证，兼顾安全性与可维护性，是构建可信 A]]></description><category></category></item><item><title><![CDATA[【共创稿事节】HarmonyOS 7 Agent 开发实战 11：并发多会话隔离]]></title><link>https://blog.csdn.net/finally_vince/article/details/167700985</link><guid>https://blog.csdn.net/finally_vince/article/details/167700985</guid><author>finally_vince</author><pubDate>Sat, 17 Oct 2026 11:07:26 +0800</pubDate><description><![CDATA[本文提出根治对话上下文串台问题的方案：为每会话独立部署 ConversationStore 与 Agent，由 SessionManager 统一管理。通过 SessionEntry 实现消息、编排状态与客户端的全隔离，避免跨会话污染。采用单调递增计数器实现精准 LRU 淘汰，确保内存安全。强调隔离应做到“状态私有”而非“ID筛选”，并明确并发由 TaskPool/Worker 处理，保持逻辑清晰可测。结论：多数场景只需第二档隔离，兼顾正确性与性能。]]></description><category></category></item><item><title><![CDATA[【共创稿事节】HarmonyOS 7 Agent 开发实战 10：降级兜底与重试]]></title><link>https://blog.csdn.net/finally_vince/article/details/167700971</link><guid>https://blog.csdn.net/finally_vince/article/details/167700971</guid><author>finally_vince</author><pubDate>Fri, 16 Oct 2026 09:07:31 +0800</pubDate><description><![CDATA[本文在基础重试策略基础上，构建了三层韧性防御体系：指数退避+抖动应对瞬时故障，避免“惊群”；熔断器三态机识别持续性故障，防止无效重试；最终通过兜底文案处理彻底不可用场景。三者串联执行，顺序不可颠倒，确保系统既不浪费资源，又能及时反馈用户，显著提升服务稳定性与用户体验。]]></description><category></category></item><item><title><![CDATA[【共创稿事节】HarmonyOS 7 Agent 开发实战 09：Agent 测试评测集]]></title><link>https://blog.csdn.net/finally_vince/article/details/167700963</link><guid>https://blog.csdn.net/finally_vince/article/details/167700963</guid><author>finally_vince</author><pubDate>Fri, 16 Oct 2026 09:06:21 +0800</pubDate><description><![CDATA[本文提出为Agent应用构建离线评测集，解决模型迭代中“改后答错却难发现”的痛点。通过黄金用例+评分器+评测引擎三件套，实现不依赖联网、可重复运行、可量化对比的自动化测试。评测集聚焦“答案对错”，与运行时观测互补，支持Mock调试与版本化回归，让每次修改都能清晰验证质量变化，真正实现开发期的可靠验收。]]></description><category></category></item><item><title><![CDATA[【共创稿事节】HarmonyOS 7 Agent 开发实战 08：结构化输出解析]]></title><link>https://blog.csdn.net/finally_vince/article/details/167700951</link><guid>https://blog.csdn.net/finally_vince/article/details/167700951</guid><author>finally_vince</author><pubDate>Thu, 15 Oct 2026 09:25:46 +0800</pubDate><description><![CDATA[本文聚焦HarmonyOS 7中Agent开发的“结构化输出解析”关键环节，解决模型返回含围栏、碎语、尾逗号等“脏JSON”导致解析失败的问题。通过四段式管线架构——修复（去围栏、去尾逗号、提取主干）、安全解析、模式校验与类型验证——实现从不可信文本到可信对象的转化。核心设计包括JsonRepair与StructuredParser两大模块，支持可复用、可测试的纯逻辑处理，并提供extractResume等类型化抽取器，确保数据可用性。结合MockLlmClient实现离线调试，提升落地可靠性。]]></description><category></category></item><item><title><![CDATA[【共创稿事节】HarmonyOS 7 Agent 开发实战 07：多 Agent 任务分解与反思]]></title><link>https://blog.csdn.net/finally_vince/article/details/167700938</link><guid>https://blog.csdn.net/finally_vince/article/details/167700938</guid><author>finally_vince</author><pubDate>Thu, 15 Oct 2026 09:15:51 +0800</pubDate><description><![CDATA[本文在HarmonyOS 7上构建单设备多角色任务流水线，通过规划、执行、评审三阶段闭环实现复杂任务的分解与反思。规划器基于标点或模板拆解目标，执行器独立完成子任务，评审器以启发式打分判断结果质量，并将反馈回灌至规划环节，驱动重规划。编排器控制最大重试次数，确保终止性。全链路为纯函数逻辑，支持跨平台断言与回归测试，演示中通过Mock LLM无缝对接真实推理，验证了可运维性与扩展性。]]></description><category></category></item><item><title><![CDATA[【共创稿事节】HarmonyOS 7 Agent 开发实战 06：Agent 记忆与上下文管理]]></title><link>https://blog.csdn.net/finally_vince/article/details/167700927</link><guid>https://blog.csdn.net/finally_vince/article/details/167700927</guid><author>finally_vince</author><pubDate>Wed, 14 Oct 2026 16:04:08 +0800</pubDate><description><![CDATA[本文提出在对话存储基础上构建分层记忆系统——通过MemoryConversationStore将长期对话摘要为关键词+摘要存入长期记忆，按需召回并回注至上下文。相比扩大窗口，该方案降低token成本、提升首字延迟与信息密度，避免关键信息被淹没。核心在于“短期窗口保连贯，长期记忆防遗忘”，结合关键词检索实现精准召回，且与RAG互补而非替代。]]></description><category></category></item><item><title><![CDATA[【共创稿事节】HarmonyOS 7 Agent 开发实战 05：流式输出做打字机对话]]></title><link>https://blog.csdn.net/finally_vince/article/details/167700917</link><guid>https://blog.csdn.net/finally_vince/article/details/167700917</guid><author>finally_vince</author><pubDate>Wed, 14 Oct 2026 15:55:20 +0800</pubDate><description><![CDATA[本文在前两篇基础上，为对话系统添加流式解析与打字机效果。通过 StreamParser 处理不完整SSE分块，结合 MockStreamLlmClient 实现字符级增量输出；StreamingAgent 编排请求、解析与回调，将累积文本逐字传递至UI。利用ArkUI的@State机制，通过重新赋值消息数组触发界面刷新，实现流畅的逐字渲染体验。]]></description><category></category></item><item><title><![CDATA[【共创稿事节】HarmonyOS 7 Agent 开发实战 04：云端 RAG 搭企业私有知识库问答]]></title><link>https://blog.csdn.net/finally_vince/article/details/167700904</link><guid>https://blog.csdn.net/finally_vince/article/details/167700904</guid><author>finally_vince</author><pubDate>Tue, 13 Oct 2026 09:38:55 +0800</pubDate><description><![CDATA[本文基于HarmonyOS 7实现企业级RAG系统，解决大模型无法准确回答公司制度问题的痛点。通过文档切块、向量化入库、余弦检索top-k，构建可追溯、低成本的私有知识库。采用本地化嵌入器与内存向量库，支持离线单测，确保逻辑可验证。最终将检索结果注入提示词，驱动云端模型生成可信答案，实现制度问答“答得准、查得清、改得快”。]]></description><category></category></item><item><title><![CDATA[【共创稿事节】HarmonyOS 7 Agent 开发实战 03：Tool Calling 让 AI 查实时订单与库存]]></title><link>https://blog.csdn.net/finally_vince/article/details/167700887</link><guid>https://blog.csdn.net/finally_vince/article/details/167700887</guid><author>finally_vince</author><pubDate>Tue, 13 Oct 2026 09:28:20 +0800</pubDate><description><![CDATA[本文介绍如何通过 Tool Calling 机制解决大模型在 HarmonyOS 7 中落地业务时“会说话但无事实”的问题。通过构建 ToolRegistry 注册查询订单、库存等真实工具，结合 ToolAgent 实现“模型决策→本地执行→结果回传→再生成”的闭环。关键设计包括：工具元信息喂给模型做调用决策，执行逻辑本地化并兜底错误，每轮请求携带最新工具清单，且设置最大轮次防止无限循环。完整工程支持离线单测，可无缝对接真实后端接口，实现智能对话与真实数据的可信联动。]]></description><category></category></item><item><title><![CDATA[【共创稿事节】HarmonyOS 7 Agent 开发实战 02：Agent 工程脚手架与对话 UI 骨架]]></title><link>https://blog.csdn.net/finally_vince/article/details/167700874</link><guid>https://blog.csdn.net/finally_vince/article/details/167700874</guid><author>finally_vince</author><pubDate>Mon, 12 Oct 2026 20:17:33 +0800</pubDate><description><![CDATA[本文基于HarmonyOS 7，构建可复用的Agent工程脚手架，通过三层解耦架构（UI、Agent编排、底座）实现多轮对话管理。核心组件包括：ConversationStore 实现系统消息常驻与历史自动裁剪；Agent 封装完整请求-响应流程；ChatUIMessage 统一界面状态映射。结合Hypium单测保障逻辑可靠性，最终以简洁骨架页串联全链路，显著提升代码可维护性与扩展性。]]></description><category></category></item><item><title><![CDATA[【共创稿事节】HarmonyOS 7 Agent 开发实战 01：云端大模型 API 接入底座]]></title><link>https://blog.csdn.net/finally_vince/article/details/167700827</link><guid>https://blog.csdn.net/finally_vince/article/details/167700827</guid><author>finally_vince</author><pubDate>Mon, 12 Oct 2026 20:17:03 +0800</pubDate><description><![CDATA[本文基于HarmonyOS 7，构建统一的云端大模型接入底座，通过抽象LlmClient实现盘古与OpenAI兼容网关的无缝切换。聚焦鉴权、重试、解析三大痛点，封装超时、指数退避重试、多格式响应解析逻辑，业务层仅需调用chat()即可获取结构化结果。代码可脱离设备运行，支持单测验证，确保Agent开发底座稳固、可复用、易维护。]]></description><category></category></item><item><title><![CDATA[【AI全栈后端12-12】Spring Boot 3.x 到 4.x 迁移实操：Jakarta 11、Jackson 3 与 AI 2.0]]></title><link>https://blog.csdn.net/finally_vince/article/details/167273503</link><guid>https://blog.csdn.net/finally_vince/article/details/167273503</guid><author>finally_vince</author><pubDate>Sat, 10 Oct 2026 15:44:33 +0800</pubDate><description><![CDATA[本文是「Spring Boot + AI 全栈后端」系列第 12 篇，也是收官篇。前 11 篇把能力铺完了，最后这一篇聊一个每个老项目都绕不开的硬活：**从 Spring Boot 3.x 迁到 4.x + AI 2.0**。示例基于 Spring AI 2.0 / Boot 4.1，验证工程本身就是这个版本，跑绿即证据。]]></description><category></category></item><item><title><![CDATA[【AI全栈后端12-11】Spring Boot 把 AI 接口真正上线扛量：限流 / 降级 / 可观测]]></title><link>https://blog.csdn.net/finally_vince/article/details/167262450</link><guid>https://blog.csdn.net/finally_vince/article/details/167262450</guid><author>finally_vince</author><pubDate>Sat, 10 Oct 2026 15:44:13 +0800</pubDate><description><![CDATA[本文是「Spring Boot + AI 全栈后端」系列第 11 篇。前面 10 篇把"能不能做"讲透了，这一篇讲最扎心的一句：**本地能跑，不等于上线不挂**。AI 接口比普通接口更娇气——贵、慢、还看第三方脸色。示例基于 Spring AI 2.0 / Boot 4.1]]></description><category></category></item><item><title><![CDATA[【AI全栈后端12-10】Spring Boot 用多模态做商品图审核 / 发票识别]]></title><link>https://blog.csdn.net/finally_vince/article/details/167261432</link><guid>https://blog.csdn.net/finally_vince/article/details/167261432</guid><author>finally_vince</author><pubDate>Fri, 09 Oct 2026 14:33:38 +0800</pubDate><description><![CDATA[本文基于 Spring AI 2.0 与 Spring Boot 4.1，实现多模态大模型在商品图审核与发票识别中的落地。通过将图片作为 Media 对象嵌入 UserMessage，实现“图进消息体、结论出 POJO”的闭环。实战中，发票识别直接输出结构化 Invoice，商品审核返回合规判断与原因列表，大幅降低人工成本。离线验证采用桩模拟，确保流程可测。真正实现“让模型看图”，推动后端智能化升级。]]></description><category></category></item></channel></rss>