最近，AI手机、AI OS、AI Native这些词频繁出现在各大发布会上，厂商们都在讲系统级智能体的故事。但发布会上的演示和真实使用之间，往往隔着一道不小的鸿沟。

        我最近拿到一台搭载HarmonyOS 6.1.0的华为Mate 80 Pro Max，借着一次项目测试的机会，围绕鸿蒙AI的跨应用Agent任务能力做了一轮相对系统的体验。测试场景包括聊天截图建日程、日程联动路线提醒、邮件提取待办、公共交通路线整理、出差安排与动态调整等五个典型任务。这里把过程和感受整理出来，供对鸿蒙AI能力感兴趣的朋友参考。

        需要说明的是，以下体验均基于特定设备、系统版本和测试环境，不代表所有机型或版本的普遍表现。

一、聊天截图建日程：从看懂到做到

        第一个场景很日常：同事在聊天里发了一条会议信息，包含会议名称、时间、地点和提前提醒的要求。

        我打开这张聊天截图，通过小艺App上传，输入指令：把这条消息里的会议安排加到日历。

        系统的处理速度比我预期的快。它准确识别出了会议标题星桥项目方案对齐会、时间8月20日14:30-15:30、地点深圳市南山区科苑南路168号星河中心A座18楼1803会议室，以及提前30分钟提醒这个要求。随后，日历中出现了对应的日程，见图一所示。

        这个场景的关键在于识别和执行两个环节。从识别来看，系统对聊天记录中混杂的自然语言信息提取准确，没有出现遗漏或混淆；从执行来看，系统成功调用了日历写入能力，日程标题、时间等基础字段均正确写入。

        把非结构化的聊天信息转化为结构化的日历日程，这一步走得通，说明系统在语义理解和跨应用调用上具备了基础能力。

图一 通过聊天截图创建的日程

二、日程联动路线与提醒：会算出发时间

        第二个场景建立在第一个场景之上：已经有一条会议日程，让系统帮忙规划路线并设置出发提醒。

        指令是：基于刚才的会议安排，帮我规划从我现在的位置过去的路线，并设置出发提醒，确保我提前15分钟到。

        系统调用了地图服务，给出了公共交通路线方案，并根据会议时间和当前位置，计算出了建议的出发时间。在同城通勤场景下，这个时间计算是合理的——系统主动考虑到同城通勤建议预留30分钟，给出的出发时间与会议时间之间留出了充足余量。

        在路线规划完成后，系统会主动询问是否需要创建出发提醒。用户确认后，提醒被创建并与会议日程关联，见图二所示。

        这个环节让我比较认可的是：系统没有机械地执行提前15分钟这个字面指令，而是结合了实际场景做判断。同城场景下，它会主动评估通勤时间；跨城场景下，它也会尝试给出更合理的建议。这种带上下文的任务执行是AI-Native跨应用能力和传统语音助手之间的一个明显区别。

图二 日程联动与提醒

三、邮件提取待办：从一封邮件里拆出三件事

        第三个场景更接近办公场景：一封邮件里包含多件需要处理的事情，让系统帮忙提取并安排提醒。

        邮件内容是星桥项目会前资料确认，正文中提到了三件事：核对方案报价页和里程碑页并发送最终版、确认参会人员名单并同步、确认会议室投屏是否正常。

        指令是：把这封邮件里需要我处理的事情提取出来，并放到合适的位置提醒我。

        系统成功提取了三项待办，内容准确，包括了事项描述和截止时间。随后系统在日历中创建了对应的日程条目。整个过程中，系统能够理解邮件正文的语义，从中识别出需要我处理的事情，并区分出不同事项的截止时间。

        从信息抽取的角度看，系统对邮件这种相对结构化的文本处理得不错。三项待办的提取没有遗漏，事项和时间的对应关系也基本正确。

图三 邮件提取待办

四、路线生成与分享：把路线变成一条可发送的消息

        第四个场景是多步任务的串联：生成一条公共交通路线，并整理成可以发送给联系人的消息。

        指令是：帮我查一下从我现在的位置到天府软件园C区C2栋的公共交通路线，整理成一条可以直接发给周宁的消息，先不要发送。

        系统调用了高德地图，给出了多种公共交通方案（包括地铁和公交），并从中选择了推荐路线。随后，系统把路线信息、目的地地址、入场指引等内容整合成了一条完整的消息草稿，开头明确指向联系人周宁，并停在发送前等待用户确认。

        这个场景的完整链路是：识别地点→调用地图→规划路线→整合信息→生成消息→停在发送前。系统把这几个环节串联了起来，而且整合的产物不是干巴巴的路线数据，而是一条可以直接发给同事的、带有人情味的消息。这一点在信息整合能力上是加分的。

        值得一提的是，系统在尝试通过微信发送时提示微信未接入自动化操作，随后切换到了短信渠道。这个细节说明系统在多渠道尝试上是有逻辑的，会主动寻找可用的发送路径。

图四 路线生成与分享

五、出差准备与动态调整：长链路任务的变更同步

        最后一个场景是最复杂的：围绕一次上海出差，整合交通、酒店、会议、返程、天气、路线和提醒，并在条件变化后更新。

        第一步，系统根据行程信息创建了去程航班提醒、客户会面提醒、内部复盘提醒、合作方晚餐提醒、返程航班提醒等日程条目，并补充了天气信息和市内交通建议。

        第二步，行程发生变化：客户会面改到16:30-18:00，地点也变了。系统收到变更指令后，先询问确认删除吗？用户确认后，旧日程被删除，新日程被创建。整个过程在对话中完成，旧日程的取消和新日程的建立都在系统内同步。

        在长链路任务中，系统展现了基本的状态管理能力：它能识别出哪些日程需要删除、哪些需要新建，并在变更后保持其他安排不变。对于一次包含多个日程、多个信息源的出差场景来说，这种动态调整能力是跨应用Agent任务走向实用的关键一步。

图五 出差准备与动态调整

一些细微的体验观察

        在整个测试过程中，我也注意到一些可以继续打磨的细节。

        比如，系统在创建日程后，有时会询问需要我把这些日程同步到日历吗？但实际上日程已经在日历中了。这个确认环节虽然不影响结果，但会让人觉得有点多余，期待后续版本在交互逻辑上能更简洁一些。

        再比如，在路线规划场景中，系统给出的步行距离估算与实际情况有时会有些许出入，期待后续版本在数据精度上进一步优化。

        这些都属于使用体验层面的小细节，不影响核心任务的完成，但如果有改进，整体感受会更顺畅。

总结

        整体体验下来，鸿蒙AI在跨应用Agent任务能力上给我的感受是：基础链路已经打通，核心能力可用。

        从聊天截图建日程、邮件提取待办，到路线规划与消息整理、出差安排与动态调整，系统能够理解用户意图、调用日历和地图等系统服务、整合信息并生成可用的产物。这条链路在测试中多次走通，说明它不是发布会上的概念演示，而是可以真实使用的功能。

几个印象比较深的能力点：

（1）信息提取准确：聊天记录、邮件、行程表等多种信息形态都能处理，结构化信息提取稳定。

（2）跨应用调用顺畅：日历、地图、短信等系统服务能够被正确调用，权限链路通畅。

（3）任务拆解清晰：复合型指令能被拆解为可执行的步骤，多步任务能够串联完成。

（4）变更同步可用：长链路任务中的动态调整能够被响应，旧计划取消、新计划建立。

（5）信息整合自然：路线信息、地址、入场指引能被整合成一条可直接发送的消息。

        对于关注AI-Native操作系统演进的人来说，这套跨应用任务能力值得持续关注。它展示的方向是清晰的：AI不再只是一个问答入口，而是能够理解目标、调用服务、完成任务的系统级智能体。这个方向，可能比单点功能的强弱更值得留意。

本文基于特定设备和系统版本的测试体验，测试环境为HUAWEI Mate 80 Pro Max（HarmonyOS 6.1.0），使用合成素材和固定脚本，结论仅适用于本次测试范围。