鸿蒙 Agent 开发实录 Day 4:我把能跑的代码改坏了,然后用一个下午改回来
“最快的修 bug 方式,是把它改回上一次能跑的样子。”
大家好。在上一篇博客中(Day 3),我修掉了流式解析里的多字节截断,也给这个 Agent 装上了第一只"眼睛"——多模态生图。但那天的生图是靠一个免费图站撑着的,它随时可能连不上。
今天的目标本来是两件小事:把生图接口换成稳定的国内模型,以及把 AI 的回答从带 ** 的纯文本渲染成真正的 Markdown。
动手之前,我给自己定了一条信条:不重写已经在跑的代码。
结果第一件事我就破了自己的戒。
这篇文章,记录了我怎么把真流式弄丢、又怎么一行行找回来,以及找回来的路上踩到的六个坑。
🔍 事故:一次改动,四个变量
现象
改完代码点 Run,应用正常启动,发消息也正常显示我的那句话。但界面上永远停在「正在思考中」,一个字都出不来。
不是崩溃,不是报错,是安静地什么都不发生。
原因
我重写 ChatService.ets 的时候,一口气改了四样东西:
options里加了expectDataType: http.HttpDataType.STRINGheader里加了'Accept': 'text/event-stream'connectTimeout从 60000 改成 15000,readTimeout从 60000 改成 120000- 错误处理从「只有
.catch」改成「.then+.catch+ 定时器兜底」
四个变量同时变,出了问题就无法定位是哪一个。
我当时的判断是"流式接口坏了",于是去改网络层;后来以为是 UI 不重绘,又去改状态管理;再后来怀疑 Key、怀疑网络、怀疑鸿蒙版本。整整三个小时的排查,全部建立在一个错误的前提上。
破局方案:把原版取回来,逐字对比
我最后做了一件早该做的事:从导出包里把能跑的那版代码原样找出来,一个字一个字对比。
结果一眼就看出来了——原版的 options 里根本没有 expectDataType,两个超时都是 60000,而且只有 .catch,没有 .then。
改回去,流式立刻恢复正常。
教训:当一个功能"曾经能跑、现在不能",最快的办法不是分析原因,是把能跑的版本找出来对比。分析可以慢慢做,功能得先活过来。
🕳️ 找回来的路上,六个坑
1. expectDataType 会让 requestInStream 不派发数据
- 加了这个参数之后,请求返回 200,但
dataReceive和dataEnd一次都不触发。删掉即好。这是今天最贵的一课。
2. 流式解析必须用 while,不能只用 if
- 一次
dataReceive里通常有 5~10 行 SSE 帧。只处理第一行,剩下的就永远等不到下一次回调——表现是回答只剩开头几个字。
3. subarray 共享 buffer,slice 才是拷贝
this.chunkBuffer.subarray(0, i)返回的是视图,它的.buffer仍然是整个底层缓冲区。用它去解码,等于把后面几行也一起解出来,JSON.parse必然失败,然后被catch静默吃掉。
4. scrollEdge(Bottom) 少了 Edge.
- 编译器报
Cannot find name 'Bottom'。一个字母的笔误,编译直接失败,但报错信息足够明确,这类错没什么好讲的,改就是了。
5. 生图不要在前面加一次翻译
- 我原本的链路是「中文 → 大模型翻译成英文 → 传给生图接口」。翻译一旦超时,空字符串照样被传下去,接口不报错,安安静静给你画一张白图。
6. ArkTS 的类型收窄比 TypeScript 弱
ImageGenSuccess | ImageGenFailure这种联合类型,判断.ok之后取另一个分支的.message,ArkTS 认不出来。改成扁平的单一接口(ok: boolean+ 所有字段)就解决了。
教训:这六个坑里,只有第一个是"鸿蒙的坑",剩下五个都是"我的坑"。
🎨 恢复之后,才腾出手做正事
流式活过来,才有心情做原本要做的两件事。
1. 生图换成智谱
原来的免费图站有三个问题:网站经常连不上、高频请求会被拉黑、底层模型太老(我输入"一个篮球场",它给我画了个棕红色的圆)。
换成智谱的 cogview-3-flash 之后,三个问题一起消失,而且中文提示词可以直接传,那条容易超时的翻译链路被物理删掉:
typescript
// ImageGenService:中文直传,同步返回图片地址
const body: ZhipuBody = {
model: 'cogview-3-flash',
prompt: prompt,
size: '1024x1024'
};
const resp = await httpRequest.request('https://open.bigmodel.cn/api/paas/v4/images/generations', {
method: http.RequestMethod.POST,
header: { 'Content-Type': 'application/json', 'Authorization': `Bearer ${ZHIPU_KEY}` },
extraData: JSON.stringify(body),
expectDataType: http.HttpDataType.STRING,
readTimeout: 90000
});
2. 图片可以保存了
点击图片全屏,底部有一个 SaveButton。这个按钮看着普通,其实它是鸿蒙的安全控件——只有通过它,应用才能在不申请相册权限的前提下,拿到一次性的写入授权。
拿到授权后,把图片下载成字节,写入系统相册:
typescript
// 保存到相册(必须在 SaveButton 的点击回调里调用)
const bytes = await this.chatService.fetchImageBytes(url);
const helper = photoAccessHelper.getPhotoAccessHelper(ctx);
const uri = await helper.createAsset(photoAccessHelper.PhotoType.IMAGE, 'jpg');
const file = fileIo.openSync(uri, fileIo.OpenMode.READ_WRITE | fileIo.OpenMode.CREATE);
fileIo.writeSync(file.fd, bytes);
fileIo.closeSync(file);
3. Markdown 代码块
AI 的回答里大量是代码。原来的界面把它当纯文本渲染,**加粗** 和 ` ```` 都原样显示,非常难看。
我做了一个最轻量的处理:按 ` ```` 把内容切成「文字段」和「代码段」,代码段单独渲染成深色底、等宽字体、可横向滚动。
typescript
// 按 ```切块(Index.ets)
while (true) {
const i: number = rest.indexOf('```');
if (i < 0) { /* 剩下全是文字 */ break; }
// i 之前是文字,i 之后找下一个 ```之间的内容是代码
}
没有引入任何第三方库——这一版只需要"代码块能看",不需要完整的 Markdown 语法树。
💻 阶段成果与核心代码
今天最核心的改动,其实只有十几行:在字节层拼包,处理完所有完整行。
typescript
// 🚨 核心修复:循环吃完所有完整行(ChatService.ets)
httpRequest.on('dataReceive', (chunk: ArrayBuffer) => {
const newBytes = new Uint8Array(chunk);
const combined = new Uint8Array(this.chunkBuffer.length + newBytes.length);
combined.set(this.chunkBuffer, 0);
combined.set(newBytes, this.chunkBuffer.length);
this.chunkBuffer = combined;
while (true) {
let newlineIndex = -1;
for (let i = 0; i < this.chunkBuffer.length; i++) {
if (this.chunkBuffer[i] === 10) { newlineIndex = i; break; }
}
if (newlineIndex === -1) { return; }
// slice 拷贝精确字节,subarray 会共享整个底层 buffer
const lineBytes = this.chunkBuffer.slice(0, newlineIndex);
const lineStr = buffer.from(lineBytes.buffer).toString('utf-8').trim();
this.chunkBuffer = this.chunkBuffer.slice(newlineIndex + 1);
if (!lineStr.startsWith('data: ')) { continue; }
// ... 解析 JSON、把 delta 推给 UI
}
});
一句话总结:
subarray给你视图,slice给你数据。流式解析要的是数据。
🚀 下一步计划:让 AI 长出"双手"
到 Day 4 结束,这个 Agent 已经能做到:
- 真流式对话,中文零乱码
- 多轮记忆
- 生成图片(智谱,中文直传)
- 图片全屏预览 + 保存到相册
- 代码块渲染
但它依然只会"说话"和"画画",不会做事。
下一步是真正触及 Agent 灵魂的部分:Tool Calling 与 ReAct 循环。
- 先建一个显式的工具注册表
Map<string, ToolHandler>,能存能取 - 实现第一个本地工具(获取当前时间),注册进表里
- 跑通闭环:用户提问 → 模型判断意图并返回 JSON → 本地执行 → 结果回传模型 → 模型给出最终回答
从"会说"到"会做",才是 Agent 这个词开始有意义的时刻。
🌟 写在最后
今天下午,我盯着"正在思考中"改了好几个小时。
在这个过程中我学会了很多,但不是学会了该用什么代码解决这个Bug。
因为最后跑起来的代码,和我三天前就有的那份,几乎一模一样。 我这一整天做的事,是把一份能跑的代码改成不能跑,再改回来。
真正学到的不是那六个坑,是读原文比重新发明便宜。我原来的习惯是"这段我能重写",今天的教训是"先看看它原来怎么写的"。
这个习惯改过来,比修好十个 bug 有用。
我会持续更新开发进度与踩坑记录。如果你也对鸿蒙原生开发、端侧 AI 感兴趣,欢迎关注我,我们评论区交流!
更多推荐

所有评论(0)