【ArcTs+AI零花钱项目鸿蒙APP】鸿蒙APP实现及成品展示（DevEcoStudio+DevEcoCode+GLM5.1+前后端自动部署，真机调测）

豆花清海

17人浏览 · 2026-09-04 15:32:14

豆花清海 · 2026-09-04 15:32:14 发布

前言

在本专栏的前面几篇文章中，我们通过 Java+IDEA+ClaudeCode+CCSwitch+国产大模型，实现了该零花钱APP的后端服务
本篇开始，我们将聚焦实现鸿蒙APP的客户端服务

一、环境搭建

IDE：DevEco-Studio。新版 DevEco‑Studio 安装包内置一份默认版本 HarmonyOS SDK。
鸿蒙的DevEco-Studio，对标为安卓的Android Studio
AIAgent：DevEco Code。基于开源的OpenCode，内置鸿蒙 Skill：Hvigor 编译、HDC 设备调试、ArkTS/ArkUI 校验、dump 日志解析，专门做鸿蒙应用开发。可以理解为是一个功能强大的鸿蒙AI编程Agent，对标为Java的AI编程的ClaudeCode。
DevEco Code使用：安装好后，在DevEco-Studio的终端中，输入deveco auth login，输入自己的华为开发者账号（要求认证通过的），即可进行使用。如果有疑问，可以在华为的开发者网站上，咨询AI智能客服。如果登录时尚未认证开发者，则需要 deveco auth logout 后，再重新 deveco auth login，然后才能正常进入对话窗口进行使用。
Token：优先选择DevEco-Studio免费提供的GLM5.1大模型。每分钟50次调用额度，对于我们这种小项目，几乎可以理解为是不限Token使用。可以在deveco-studio的终端命令窗口中，输入/models，进行模型选择。

在这里插入图片描述

大模型切换：可以使用cc-Switch，进行openCode的大模型配置，配置后，就会自动更新到opencode.json文件中。但是要在DevEcoCode中切换模型，和ClaudeCode中切换方式不同。
ClaudeCode中，只需要在cc-Switch中配置对应模型，并且启用，再/exit，再进入claude命令行，则会使用启用的模型
DevEcoCode中，在cc-Switch的OpenCode中配置对应模型，并无启用按钮。需要进入到deveco code的命令行后，使用/models，进行模型切换。

在这里插入图片描述

二、基于零钱化的后端服务，生成一份面向前端开发的文档

在IDEA中，使用ClaudeCode生成一份面向前端开发的文档
将文档复制到DevEco-Studio中
使用DevEco-Code这个AI编码工具，生成鸿蒙客户端的mission.md、tech-stack.md、roadmap.md、code-style.md文件

三、M0工程基础实现

3.1、M0工程基础实现详细设计文档输出

提示词：M0工程基础实现详细设计文档输出。关键决策需要发给我决策。
在这里插入图片描述

3.2、编码实现

提示词：实施M0
然后deveco-code就开始马不停蹄的干活了

四、M1工程实现

依然是先提示，让输出M1的详细设计文档，然后再实施M1
在这里插入图片描述
从8:30~9:30,1个小时，完成传统4天的开发任务

五、M2、M3实现

怎么说呢，有了deveco-code提供的GLM5.1的免费token，用起来真的是很爽。
这里将依次实现M2的详设及代码、M3的详设及代码

M2，耗时大概9:30~11:00,1.5个小时，输出详设及代码实现
M3，设计过程很多决策等待，时间被我拉长。实际11:15~13:00

六、M4、M5设计并实现

6.1、M4、M5并行输出详细设计文档

前面通过M0~M3，发现完成度都很好。这里我们尝试并发实现M4、M5的详设；M4、M5的代码实现
提示词：你是主Agent，接下来需要安排两子Agent分别输出M4、M5的详细设计，并且对子Agent的输出信息进行审视，要求M4、M5达到整体连贯性。
在这里插入图片描述

可以看到，subAgent生成已经完成了，主Agent开始检查两个子Agent的输出，并且进行审视修改

最终MainAgent完成了对SubAgent输出的M4、M5详细设计文档的连贯性检查并且修改完毕。
不过下次做详细设计，我觉得还是逐个进行的比较好。
在这里插入图片描述

6.2、M4 实现

在这里插入图片描述
这里可以发现，在实际实现的过程中，会自动启动并发能力，减少等待时间。

我在AI编程的过程中，其实自己在并发的进行系统学习梳理AI知识体系。这好像印证了昨晚看的人类简史中表达的意思，生产力进步了，人并没有因此而闲下来，反而让自己陷入了更频繁的忙碌状态。是啊，AI发展了，编程效率提升了，但是我作为人并不能因此而闲下来，反而要去掌握更多的更新频率更高的专业知识，来保住自己的饭碗不翻~可以观看下我博客的同期专栏：《Java古法程序员拥抱AI之路》

M4编码完成了
在这里插入图片描述

6.3、M5 实现

在这里插入图片描述

6.4、M6~ 设计及实现

在M6设计输出后，将后续的里程碑的设计及实现，一次性把任务都发给DevEco-Code，要求他自己按序执行。明天早上过来看下他执行的结果情况
今天早上过来，发现都完成了：

七、前后端部署，真机调测，成品展示

部署后端服务：在IDEA中，使用ClaudeCode+qwen3.8-max大模型，让生成测试数据，然后将后端服务部署到docker，并生成baseurl
在DEVECO-Studio中，使用deveco-code+GLM5.1，打包鸿蒙app推送真机上，并且修改网络配置，让真机能够访问同一wifi下的后端服务。
期间有提示签名问题，按照deveco-code给的提示直接在deveco-studio中生成即可。
第一版效果界面。讲真的，就这个效果，我都不想说这是我参与的项目。
第二版效果界面。让deveco-code按照蛋仔派对的风格，优化下界面，优化后的效果。还是没眼看，以我十几年政企项目交付经验看，这个效果交付出去，我都不敢在客户面前呼吸。
第三版效果界面。让deveco-code调整的更符合小孩的风格，毕竟主力是小孩哥。嗯，怎么说呢，只能说十几年的真实项目经验，让我实在是无法接受这种粗制滥造的界面、更无法接受这种看似功能健全，实则没有重点突出的功能规划，肯定是留不住用户的，完全达不到我心理的预期效果。

八、deveco-code与claudecode对比

deveco-code的优点：右侧会出现todo的list，这个非常清晰。
claudecode是在横向展示，两者相比，deveco-code更符合我的使用习惯。
在这里插入图片描述

九、感慨

这个鸿蒙APP，用deveco-code+GLM5.1，耗时2.5天，完成本地环境搭建到代码输出部署到真机。效率是真的高，效果是真的让人不满意，在我看来可能部分原因是模型不够给力，但是根因在于我对于功能规划、UI设计细节自己未构思清楚，盲目相信AI的能力。
会影响最终用户体验使用的，还得靠人思考清楚，规划清楚，也就是在业务、架构、设计这些环节是万万不能偷懒的，可以与AI聊天进行规划，但是不要被AI给出的琳琅满目的推荐给迷了眼，最后放弃专业思考，就会获取一个让自己难以接受的结果。
最终，我认为这个项目是失败的。根因在于放弃了传统的详细设计规划，过渡依赖AI的自动化。

十、下一篇预告

吸取本次失败的经验教训，下周我将会尝试借助UI设计工具 + 相对详细的功能规划，再实现一个鸿蒙APP。还请大家关注，伴我共同成长~

十一、专栏系列目录（持续更新）

本专栏聚焦 Java + AI 项目实战，从环境搭建到工程落地全程精讲，持续连载更新！建议收藏专栏，不错过每一期实战干货，一站式掌握 AI 赋能 Java 开发的核心能力！

人工智能6S服务平台

作为“人工智能6S店”的官方数字引擎，为AI开发者与企业提供一个覆盖软硬件全栈、一站式门户。

更多推荐

GPU 云服务器选什么显卡？2026 年大模型训练、微调、推理和图像生成选卡清单

人工智能6S服务平台

开学季新机怎么选？华为nova16上手实测：这几个被忽略的细节，才是新生必入理由！

人工智能6S服务平台

# 332层QLC NAND来了：AI为什么开始需要“更便宜的大容量存储”？

中芯国际近期的高产能利用率和价格调整，是观察AI产业链扩散效应的一个窗口。AI最先改变的是GPU需求。但GPU只是整台服务器中的一部分。当AI基础设施真正进入大规模建设阶段后，需求会继续向：存储电源网络接口控制器晶圆制造不断传导。所以未来观察AI芯片产业，不能只盯着最先进制程。有时候真正发生变化的地方，可能恰恰藏在那些并不那么“性感”的芯片里。这也是AI硬件产业越来越值得关注的地方。