鸿蒙AI系统级理解实测：不点名App，它能把事情安排明白吗

最近，AI能力一直是行业和用户关注的焦点，AI手机、AI OS、AI Native等概念在各大发布会上频繁出现，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，往往存在一些落差。最近我也接触到搭载 HarmonyOS 6.0.0.130 的华为 Mate 80 Pro Max，并围绕鸿蒙AI的系统级理解与服务调度能力进行了一轮相对系统的试用。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、屏幕理解与下一步：先看懂，再说话

第一个场景很基础，但很能说明问题：给小艺看一张屏幕截图，让它总结当前页面最重要的三件事，并说明下一步可以直接做什么。我选了一张微信聊天截图，通过小艺上传，输入指令：总结当前页面最重要的三点，并说明下一步可以直接做什么。系统处理得很快，从收到指令到回复完成大约7秒。总结的内容让我比较放心的一点是：三条要点全部来自当前屏幕，没有虚构屏幕之外的信息；给出的建议与页面里的实体和任务相关，并且明确说明了哪些可以直接执行、哪些不在能力边界内，见图一所示。

这个场景考验的是看懂的基本功。屏幕理解是系统级智能体的输入端——如果这一步就会脑补，后面的跨应用操作无从谈起。在这一轮和后续多轮测试中，系统在这项基础能力上表现稳定。

图一 屏幕理解与下一步建议输出

二、实体提取与系统操作：把页面里的事情安排好

第二个场景进了一步：页面上有需要用户处理的事情，让系统把它安排好，落到系统应用里。指令是：把当前页面里需要用户处理的事情安排好。系统先理解了页面正文，把时间、地点、人物、事项这些关键实体提取了出来，然后直接在日历和提醒事项里创建了对应条目。从收到指令到回复完成大约10秒，日历中出现了真实的日程记录，见图二所示。

这个场景的关键在于提取和落地两个环节都真实发生：提取的实体准确，没有遗漏或混淆；生成的日程、待办、提醒是系统里的真实产物，而不是一段建议你如何安排的文字。此外，在信息不完整的场景里，系统会先向用户追问确认再动手，而不是自作主张填一个默认值——这个检查点在实测中是有价值的：理解不到位可以问，但不能猜。把理解结果落到系统应用里，这是跨应用能力和单纯的问答助手之间的分水岭。

图二 从页面提取信息并创建的真实日程

三、不指定App的服务选择：说目标，不说工具

第三个场景是这次体验里最有意思的：安排明天下午去指定地点开会的出行准备，指令里不点名任何具体App。指令是：安排明天下午去指定地点开会的出行准备。系统没有反问你想用哪个App，也没有把选择权一脚踢回给用户，而是自行选择了日程、地图、提醒等服务，把它们组织成一条完整的出行准备链路：会议日程创建好、地图计算行程时间后配套的提醒设置好。从收到指令到回复完成大约15秒，见图三所示。

这个场景体现的是服务调度的自主性：用户表达目标，系统决定工具。对于AI Native这个概念来说，这种不点名App的任务组织方式，可能比单点功能的炫技更能说明问题——它意味着系统开始以任务为单位，而不是以应用为单位来理解用户的意图。

图三 系统自主选择服务创建的出行准备

四、权限/服务不可用：说清楚做不到什么

第四个场景是压力测试，也是这次测评的关键任务：在拒绝权限或服务不可用的条件下，让系统完成会议安排和路线准备，看它怎么处理做不到的情况。系统没有硬闯，它在需要权限的环节准确说明了限制，提供了安全的替代方案——能完成的先完成，完成不了的部分说清楚原因，整个过程没有越权操作，也没有把没做成的事情说成做成了。更有意思的是权限恢复之后的表现：我在系统设置里手动打开权限，回到对话继续任务，系统能从原来的断点继续处理，而不是让我从头再来一遍，见图四所示。

这个场景给我的感受是：对智能体来说，边界感和透明度比全能更重要。它知道哪些事情需要用户授权、哪些做不到，并且如实告诉用户，这恰恰是系统级智能体能否被信任的基础。测试中权限请求都会先征询用户，全程没有观察到越权行为。

图四 权限恢复后从断点继续处理的日程

五、情境建议：有依据、有优先级、有分寸

最后一个场景：让系统结合位置、日程、网络和设备状态，给出当下最重要的三项准备。指令是：结合位置、日程、网络和设备状态，给出最重要的三项准备。系统的输出让我印象比较深的有三点：建议引用的是可验证的真实状态，当前位置、日程安排、网络情况都对得上；建议有优先级排序，不是并列的流水账；每条建议都说明了信息来源和不确定性，没有把推测当成事实来陈述，见图五所示。

知道自己知道什么、不知道什么，把信息来源讲清楚——这种有分寸的输出风格，在AI助手普遍过度自信的当下，是个值得肯定的细节。

图五 结合真实状态的情境建议输出

六、总结

整体体验下来，鸿蒙AI在系统级理解与服务调度能力上给我的感受是：基础链路已经打通，核心能力可用。在27轮有效运行中，从屏幕理解、实体提取，到不点名App的服务选择、权限/服务不可用条件下的处理、情境建议，系统能够理解用户意图、自主选择和调用系统服务、生成真实产物并到达真实终点。专项测评中这套能力链路的稳定等级为L3-，最高可到L3——意味着3-5步的跨服务任务链可以稳定走通。几个印象比较深的能力点：

1. 屏幕理解有据：总结内容全部来自当前屏幕，不虚构屏外信息，说明可执行与不可执行边界。
2. 提取落地成真产物：时间、地点、人物、事项提取准确，日程/待办/提醒真实写入系统应用，信息缺失时会追问确认。
3. 服务选择自主：不点名App时自行选择组织日程、地图、提醒等服务，不把服务选择完全退回用户。
4. 边界处理透明：权限不足或服务不可用时准确说明限制、提供安全替代、全程无越权，权限恢复后可从断点继续。
5. 情境建议有分寸：引用可验证的真实状态、有优先级、说明信息来源和不确定性。

当然，作为早期版本，它在时间推演、权限状态感知等细节上还有提升空间。但从能用到好用之间，这套系统级理解与服务调度能力已经跨过门槛。

对于关注AI-Native操作系统演进的人来说，值得留意的不只是某个功能强不强，而是这种用户说目标、系统选服务、边界讲清楚的任务组织方式——它展示的方向，是AI从应用入口走向系统级智能体。

---

我也注意到一些可以继续打磨的细节：比如，手机上装了多个地图应用、其中只有一个有定位权限时，系统偶尔会选到没有权限的那个。期待后续版本在调用前先做一次权限校验。这些都是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，整体感受会更好。

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 6.0.0.130），使用合成素材和固定脚本，结论仅适用于本次测试范围。