登录社区云，与社区用户共同成长
邀请您加入社区
鸿蒙生态已经走过了4年，截止至目前，鸿蒙生态设备数达到了7 亿+，这让它坐稳了全球第三大手机系统。而且这个用户数，并不仅仅只是手机，而是包括物联网、汽车等在内的所有生态设备，手机具体是多少，未知。同时我们还要结合之前三次公布的数据来看，才能得出一个更好的结论。2021年开发者大会时，鸿蒙手机用户是1.5 亿台，生态设备数量8000万，合计2.3亿台。而2022年开发者大会时，鸿蒙手机用户是3.2亿
允许在自定义组件内定义一个或多个@Builder方法，该方法被认为是该组件的私有、特殊类型的成员函数。自定义构建函数可以在所属组件的build方法和其他自定义构建函数中调用，但不允许在组件外调用。在自定义函数体中，this指代当前所属组件，组件的状态变量可以在自定义构建函数内访问。建议通过this访问自定义组件的状态变量而不是参数传递。全局的自定义构建函数可以被整个应用获取，不允许使用this和b
AI眼镜海外样机测试中，配套App的分发面临多平台适配难题：Android需处理未知来源安装限制，iOS受限于App Store审核和Ad Hoc设备绑定，鸿蒙系统需单独配置证书。建议提前绘制"安装地图"，按客户设备类型提供对应安装方案（TestFlight/APK/商店链接等），明确区分测试包与正式包，并注明权限要求。分发工具如蒲公英可提供分平台入口，但无法替代商店审核。关键在于针对不同系统预先
本文介绍了预算管理系统的数据库查询与聚合实现，主要包括三个核心功能：按月查询预算、分类支出统计和预算进度计算。通过WHERE条件与SUM聚合实现分类支出统计，处理了空结果的NULL陷阱问题。预算进度计算采用程序循环与SQL聚合结合的方式，包含百分比封顶逻辑和超支判断。总预算和总支出的统计分别采用前端累加和SQL聚合两种方式。文章还提及了防御性编程和DAO层计算分工原则，展示了从单表查询到双表联动的
该应用以HarmonyOS NEXT的ArkTS框架为基础，深入展示了大型数据集管理、分类渲染、搜索过滤算法、缓存优化、最近使用管理和网格布局优化等关键技术。大型数据集管理：1500+表情的完整数据管理，支持多维度分类和元数据查询。分类系统：10个表情类别，支持快速切换和浏览。搜索引擎：多维度匹配（英文名、中文名、关键词），带评分排序的搜索算法。最近使用管理：基于LRU（最近最少使用）策略的最近使
本文介绍了基于HarmonyOS NEXT（API 12+）和ArkTS的端侧自然语言处理（NLP）全链路实现方案。该系统包含文本预处理、分词（正向/逆向/双向最大匹配）、停用词过滤、TF-IDF关键词提取、朴素贝叶斯文本分类及多种文本相似度计算（余弦相似度/Jaccard/Jaro-Winkler）功能。该方案具有隐私优先、低延迟、离线可用和成本节省等优势，采用纯算法实现不依赖第三方库，适用于中
本文介绍了在HarmonyOS NEXT中如何通过NDK集成MindSpore Lite端侧推理引擎，实现图像分类任务。主要内容包括： 端侧AI的优势在于低延迟、隐私保护和离线可用性，MindSpore Lite是鸿蒙官方推荐的跨平台推理引擎。 工程实现采用ArkTS+Native混合开发模式，通过NAPI桥接ArkTS与C++代码，CMake管理原生模块编译，将预编译的libmindspore-
本文介绍了鸿蒙实战中的EmotionClassifier多模态情绪分类系统。该系统融合OCR文字识别和6维手写特征向量，通过轻量BERT模型实现文字语义理解，最终输出6种人格类型分类（包括分析型、创意型、共情型等）。文章详细展示了类结构实现、多模态融合策略以及调试模式下的规则分类器，并解释了为何需要结合文本与笔迹特征来提升情绪判断准确性。该系统已在HarmonyOS NEXT中实现，为AI推理流水
│ basic_api 接口层次 ││ ││ │ • LocalTensor 级别的 API │ ││ │ • 自动流水线管理 │ ││ │ • 自动同步 │ ││ │ → 适合绝大多数算子开发 │ ││ │ ││ ▼ ││ Layer 2: 寄存器计算接口 (reg_api/) ││ │ • 寄存器级别的 API │ ││ │ • 手动流水线管理 │ ││ │ • 手动同步 │ ││ │ → 适
本文提出一套大模型三段式架构重构方案，理论推算可将推理算力需求降低约98%，且天然适配昇腾芯片硬件特性。该方案从第一性原理出发，将大模型重构为"归档收纳库一范式计算库一计算输出器"的白盒分类响应系统，并设计了双模型协同机制（M，范式提取＋M2分类调度）。若得以验证推广，可显著降低国产大模型部署成本，推动自主算力生态建设。
大模型底层不是“概率生成器”，而是三段式机械执行系统：归档收纳库（静态知识切片）、范式计算库（SFT/RLHF注入的推理规则与道德护栏）、计算输出器（分类检索→范式调用→约束解耦分段闭环输出）。模型生成首字前必须先做分类检索，按任务类型匹配四层范式（常识检索/计算执行/推理闭环/发散合成），昂贵算力仅分配给推理与发散层。此架构将千亿参数全量激活改为索引式精准调度，可大幅度降本增效并适配昇腾芯片。
本文系统讲解了鸿蒙Flutter环境下复杂表单验证的实现方案。首先介绍了基础表单框架搭建，使用flutter_form_builder组件管理表单状态，实现必填项、格式等基础验证。其次详细讲解了自定义验证规则的两种实现方式：局部函数和全局复用规则，并演示了动态验证规则的实现。接着重点分析了多字段联动逻辑，包括地址选择和自定义选项的联动处理。最后从错误提示样式、验证时机和鸿蒙适配三个维度优化用户体验
本文详细介绍了如何利用Jenkins搭建鸿蒙Flutter项目的自动化构建流程。主要内容包括：环境准备（JDK、HarmonyOS SDK、Flutter等工具配置）、Jenkins插件安装与初始化、Flutter项目适配鸿蒙的签名配置、编写Jenkins Pipeline脚本实现代码拉取、依赖安装、HAP包构建和产物归档的全流程自动化，以及常见问题解决方案。通过这套CI/CD体系，开发者可以实现
鸢尾花分类是机器学习领域的"Hello World"，数据集包含3种鸢尾花（Setosa、Versicolour、Virginica）的4个特征：花萼长度（sepal length）花萼宽度（sepal width）花瓣长度（petal length）花瓣宽度（petal width）我们的目标是构建一个深度学习模型，能够根据这4个特征准确分类鸢尾花类型。数据准备：加载、探索和预处理经典的鸢尾花数
本文全面解析了HarmonyOS自然语言处理三大核心能力：文本分类、情感分析和智能对话系统的实现原理与实战应用。通过深入的代码示例和架构分析，展示了如何构建智能、高效的NLP应用。关键技术收获端侧智能优先：HarmonyOS强调端侧NLP处理，保障用户隐私的同时实现毫秒级响应多技术融合：文本分类、情感分析与对话系统的有机结合，实现更智能的应用体验领域自适应：支持领域特定的优化和定制，满足不同场景需
本文介绍了如何利用小智AI构建个人"第二大脑"系统，实现认知增强和智能辅助。主要内容包括： 系统架构设计：采用分层结构，包含应用层、集成层和核心层，支持自然语言交互、知识图谱和记忆存储等功能。 三大实战项目： 智能家居控制系统：通过自然语言指令控制设备，具备学习用户习惯和自动化决策能力 个性化对话系统：集成记忆存储和知识图谱，实现上下文感知的个性化交流 功能扩展系统：支持插件架
本文详细介绍了基于昇腾800T A2服务器集群的Qwen3-8B大语言模型预训练实践。通过2台配备昇腾910B芯片的服务器（共8卡），采用昇思MindSpore框架和MindSpeed工具链，实现了高效分布式训练。文章系统阐述了从硬件配置、软件环境搭建（包括CANN8.3.RC1和MindSpore2.3.0安装）、多机通信设置到数据预处理（Enwiki数据集转换）的全流程。重点分享了分布式训练参
通过本次落地实践可以看出，CANN 不仅解决了异构硬件适配和性能调优的行业痛点，还显著提升了端云一体的 AI 开发效率。开发者无需过多关注底层硬件细节，即可专注于模型创新和业务逻辑的优化，实现“高性能算力即开即用”的目标。
今天我来解释人工智能（AI）领域中的一些常见软件和平台类型，这些软件和平台在各个领域都有广泛的应用。
