在英语学习 App 中集成 AI 学习助手一、HMAF 是什么HarmonyOS 6.0 推出的鸿蒙智能体框架HarmonyOS Multi-Agent Framework简称 HMAF是系统级 AI 能力开放的全新范式。它的核心理念可以概括为1 个超级助理 N 个垂直智能体——小艺作为超级助理统一调度各个垂直智能体各司其职在端云一体大模型的驱动下协同完成复杂任务。对于英语学习 App 而言HMAF 意味着我们不再需要自行对接云端 AI 接口、管理模型调用状态、处理网络异常等琐碎工作。系统提供了一套完整的智能体生命周期管理、通信协议和模型调度机制开发者只需专注于业务逻辑——即英语学习助手这个智能体该做什么、该说什么、该怎样呈现。二、智能体注册与激活在 HMAF 中创建一个学习智能体的流程分为三步定义、注册、激活。我们首先需要继承系统提供的AgentBase基类定义智能体的能力描述和触发条件。import{ agent } from kit.AgentKit;agent.AgentexportclassStudyAssistantAgentextendsagent.AgentBase{protectedonActivate(context: agent.AgentContext): void {// 智能体被激活时的初始化逻辑context.setDisplayName(学习助手); context.setDescription(基于你的学习数据智能推荐每日单词和复习计划); }protectedonRequest(input: agent.AgentInput): agent.AgentOutput{// 处理来自用户或其它智能体的请求returnthis.processStudyRequest(input); } }注册完成后智能体需要被激活才能响应请求。激活时机有两类一是用户显式调用比如点击首页的AI 推荐按钮二是系统根据场景自动触发比如打开单词卡片页时自动推荐今日重点单词。在我们的 App 中推荐在CourseHomePage的aboutToAppear中自动激活学习助手智能体让用户在进入单词学习页面时第一时间看到个性化推荐。三、通信机制与数据集成HMAF 的通信基于消息总线设计智能体之间通过标准化的消息格式交换数据。每个消息包含sender、receiver、payload和priority四个核心字段支持点对点和广播两种模式。在我们的英语学习 App 中最关键的是智能体如何获取学习数据。项目中的StatisticsManager以单例模式管理用户的答题统计、正确率、各题型掌握情况等数据。HMAF 智能体可以通过系统提供的DataProvider接口直接读取这些数据无需关心数据存储细节。// 在智能体内部获取学习统计letstats StatisticsManager.getInstance().getHistoryStatistics();letwrongRate stats.wrongQuestions/stats.totalQuestions;基于StatisticsManager提供的TypeStat数组我们可以按题型分析用户的薄弱环节。例如当typeStatistics中 单词拼写 类型的正确率低于 60% 时智能体自动生成针对性的拼写练习推荐。这种数据驱动的方式让 AI 推荐不再是千人一面而是真正个性化的。四、个性化复习计划生成HMAF 最强大的能力之一是结合设备端数据和云端大模型生成个性化内容。以今日重点单词推荐为例推荐的算法逻辑如下从 StatisticsManager 获取历史错题数据分析各题型的错题率识别高频错误词汇。结合 LearningPlanManager 的学习计划获取今日目标、连续学习天数、已学词汇量。应用艾宾浩斯遗忘曲线根据上次学习时间计算遗忘概率优先推荐即将遗忘的单词。综合生成推荐列表智能体返回 10 个今日重点单词并附带推荐理由。privategenerateReviewPlan(): WordCard[]{letstats StatisticsManager.getInstance().getHistoryStatistics();letplan LearningPlanManager.getInstance().getLearningPlan();letallWords DEFAULT_WORD_CARDS;letrecommended: WordCard[][];// 优先选取错题率高的分类中的单词letweakTypes stats.typeStatistics .filter(t t.correctRate 60) .map(t t.type);for(letwordofallWords) {if(recommended.length 10) break;if(weakTypes.includes(word.category)) { recommended.push(word); } } return recommended; }五、UI 呈现复用课程卡片设计智能体的推荐结果需要有好的视觉呈现。HMAF 提供了AgentCard组件用于展示智能体内容但它完全兼容 ArkUI 的原生组件体系。因此我们可以将推荐结果直接用CourseHomePage中的单词卡片风格呈现保持 App 视觉一致性。推荐的做法是在首页的今日推荐区域放置智能体入口点击后展开推荐列表。卡片正反面设计仍然保留——正面展示单词和音标反面展示推荐理由如该词你已答错 3 次建议重点复习。这样既复用了已有的 UI 组件又赋予了 AI 个性化的含义。六、实践建议从每日推荐开始HMAF 的功能丰富但建议不要一次性铺开。最佳实践是先从一个简单的每日推荐场景切入在MainPage新增一个AI 推荐入口按钮。点击后激活StudyAssistantAgent生成 5 个推荐单词。推荐结果以原有单词卡片风格展示点击可直接跳转CourseHomePage学习。这一步验证通过后再逐步扩展到学习计划自动生成、薄弱环节分析和备考策略建议等更复杂的场景。这种渐进式集成方式既降低了风险也让团队逐步熟悉 HMAF 的开发模式。七、总结HMAF 为 HarmonyOS 应用打开了一扇通往 AI 原生体验的大门。通过智能体注册、数据集成和端云一体模型调用我们的英语学习 App 可以在保持轻量化的同时提供媲美专业 AI 助手的个性化学习体验。核心 500 单词 错题数据 遗忘曲线算法三者结合足以打造一个用户每天都会主动打开的随身 AI 英语教练。 
长河君 · 2026/8/1 8:00:45 · 阅读 1.2k HarmonyOS 应用开发《掌上英语》第71篇:在英语学习 App 中集成 AI 学习助手
在英语学习 App 中集成 AI 学习助手一、HMAF 是什么HarmonyOS 6.0 推出的鸿蒙智能体框架HarmonyOS Multi-Agent Framework简称 HMAF是系统级 AI 能力开放的全新范式。它的核心理念可以概括为1 个超级助理 N 个垂直智能体——小艺作为超级助理统一调度各个垂直智能体各司其职在端云一体大模型的驱动下协同完成复杂任务。对于英语学习 App 而言HMAF 意味着我们不再需要自行对接云端 AI 接口、管理模型调用状态、处理网络异常等琐碎工作。系统提供了一套完整的智能体生命周期管理、通信协议和模型调度机制开发者只需专注于业务逻辑——即英语学习助手这个智能体该做什么、该说什么、该怎样呈现。二、智能体注册与激活在 HMAF 中创建一个学习智能体的流程分为三步定义、注册、激活。我们首先需要继承系统提供的AgentBase基类定义智能体的能力描述和触发条件。import{ agent } from kit.AgentKit;agent.AgentexportclassStudyAssistantAgentextendsagent.AgentBase{protectedonActivate(context: agent.AgentContext): void {// 智能体被激活时的初始化逻辑context.setDisplayName(学习助手); context.setDescription(基于你的学习数据智能推荐每日单词和复习计划); }protectedonRequest(input: agent.AgentInput): agent.AgentOutput{// 处理来自用户或其它智能体的请求returnthis.processStudyRequest(input); } }注册完成后智能体需要被激活才能响应请求。激活时机有两类一是用户显式调用比如点击首页的AI 推荐按钮二是系统根据场景自动触发比如打开单词卡片页时自动推荐今日重点单词。在我们的 App 中推荐在CourseHomePage的aboutToAppear中自动激活学习助手智能体让用户在进入单词学习页面时第一时间看到个性化推荐。三、通信机制与数据集成HMAF 的通信基于消息总线设计智能体之间通过标准化的消息格式交换数据。每个消息包含sender、receiver、payload和priority四个核心字段支持点对点和广播两种模式。在我们的英语学习 App 中最关键的是智能体如何获取学习数据。项目中的StatisticsManager以单例模式管理用户的答题统计、正确率、各题型掌握情况等数据。HMAF 智能体可以通过系统提供的DataProvider接口直接读取这些数据无需关心数据存储细节。// 在智能体内部获取学习统计letstats StatisticsManager.getInstance().getHistoryStatistics();letwrongRate stats.wrongQuestions/stats.totalQuestions;基于StatisticsManager提供的TypeStat数组我们可以按题型分析用户的薄弱环节。例如当typeStatistics中 单词拼写 类型的正确率低于 60% 时智能体自动生成针对性的拼写练习推荐。这种数据驱动的方式让 AI 推荐不再是千人一面而是真正个性化的。四、个性化复习计划生成HMAF 最强大的能力之一是结合设备端数据和云端大模型生成个性化内容。以今日重点单词推荐为例推荐的算法逻辑如下从 StatisticsManager 获取历史错题数据分析各题型的错题率识别高频错误词汇。结合 LearningPlanManager 的学习计划获取今日目标、连续学习天数、已学词汇量。应用艾宾浩斯遗忘曲线根据上次学习时间计算遗忘概率优先推荐即将遗忘的单词。综合生成推荐列表智能体返回 10 个今日重点单词并附带推荐理由。privategenerateReviewPlan(): WordCard[]{letstats StatisticsManager.getInstance().getHistoryStatistics();letplan LearningPlanManager.getInstance().getLearningPlan();letallWords DEFAULT_WORD_CARDS;letrecommended: WordCard[][];// 优先选取错题率高的分类中的单词letweakTypes stats.typeStatistics .filter(t t.correctRate 60) .map(t t.type);for(letwordofallWords) {if(recommended.length 10) break;if(weakTypes.includes(word.category)) { recommended.push(word); } } return recommended; }五、UI 呈现复用课程卡片设计智能体的推荐结果需要有好的视觉呈现。HMAF 提供了AgentCard组件用于展示智能体内容但它完全兼容 ArkUI 的原生组件体系。因此我们可以将推荐结果直接用CourseHomePage中的单词卡片风格呈现保持 App 视觉一致性。推荐的做法是在首页的今日推荐区域放置智能体入口点击后展开推荐列表。卡片正反面设计仍然保留——正面展示单词和音标反面展示推荐理由如该词你已答错 3 次建议重点复习。这样既复用了已有的 UI 组件又赋予了 AI 个性化的含义。六、实践建议从每日推荐开始HMAF 的功能丰富但建议不要一次性铺开。最佳实践是先从一个简单的每日推荐场景切入在MainPage新增一个AI 推荐入口按钮。点击后激活StudyAssistantAgent生成 5 个推荐单词。推荐结果以原有单词卡片风格展示点击可直接跳转CourseHomePage学习。这一步验证通过后再逐步扩展到学习计划自动生成、薄弱环节分析和备考策略建议等更复杂的场景。这种渐进式集成方式既降低了风险也让团队逐步熟悉 HMAF 的开发模式。七、总结HMAF 为 HarmonyOS 应用打开了一扇通往 AI 原生体验的大门。通过智能体注册、数据集成和端云一体模型调用我们的英语学习 App 可以在保持轻量化的同时提供媲美专业 AI 助手的个性化学习体验。核心 500 单词 错题数据 遗忘曲线算法三者结合足以打造一个用户每天都会主动打开的随身 AI 英语教练。