6月12日，东莞松山湖，一年一度的华为开发者大会 HDC 2026 发布了 HarmonyOS 7 Developer Beta版本，系统底座、开发套件、AI辅助编程，全线升级。
而在我们的社群里讨论热度最高的，是本次同时发布的两款新 AI 编程工具，DevEco Code 和 DevEco CLI。
前者是一个开箱即用的鸿蒙应用开发智能体，定位是「懂鸿蒙的编程智能体」，面向独立开发者，一站式开箱即用；后者是一条命令行工具链，专为已经有自己 AI 工具的大厂开发者准备，提供应用开发的原子化能力。一个面向想省心的中小团队，一个面向想掌控一切的成熟企业。
AI Coding 可以说是今年上半年开发者社区中最热门的话题，没有之一。鸿蒙开发本身有一定的学习成本，ArkTS、ArkUI、分布式架构等，一个没接触过的开发者从零上手并不算轻松。此前 DevEco Studio 提供了传统的 IDE 能力，代码补全、调试、构建这些该有的都有，但到了真机 UI 验证、崩溃排查这些环节，开发者还是得自己上手。
这两个新的 AI 开发工具，鸿蒙开发者期待已久。
_20260616174343_527.jpg "07456239010a59329389834be77f7471(1).jpg")
让 AI 自己在应用里滑一滑
先聊聊离个人开发者最近的 DevEco Code，它基于华为BitFun和OpenCode构建，覆盖需求设计、代码生成、功能验证、集成测试、运营维护等研发全流程，并支持自定义模型。通过编程智能体增强技术，DevEco Code聚焦关键研发环节，完成工具和Skills自动调优，并实现快速验证与修复自闭环，提升代码生成准确率。
这相当于把鸿蒙资深研发专家的经验“蒸馏”出来，将产品专家、项目经理、架构师、开发专家和测试专家带给开发者。
它最让我们惊艳的功能，是 UI 意图验证。
现在的 AI 编程工具有一个共同的盲区 —— 代码能生成，但应用跑起来长什么样，AI 不知道。它帮我们写了一个页面，控件都在，布局却不一定对，交互逻辑也不一定通，这些它一概不知，得自己跑起来看。
DevEco Code 内置了一个 UI 意图验证 Agent，能在模拟器或真机上自动运行应用，通过多模态模型判断UI显示和交互逻辑的正确性，最后生成问题报告。可以说它补齐了「代码运行态的功能验证」。
直白点讲，AI 写完代码之后，还会帮你亲自跑一遍，自己看界面和交互对不对。
这个能力的意义比它听起来要大，它把代码编写和功能验收两件事串到一起了。以前需要开发者写完、跑起来、手动操作、人眼检查、回去改，循环往复。现在这个循环的大部分由 AI 自己跑完。
代码修复是 DevEco Code 的另一个亮点。内置的代码修复 Agent 会自动诊断语法错误、编译构建错误、运行崩溃和运行时功能问题等。比如运行时崩溃修复的场景，自动捕获日志，覆盖十余类代码崩溃问题。官方给出的数据是故障修复成功率超过 80%，分钟级自主修复。它不会等你发现 bug，它自己盯着日志，崩了就修。在以前，开发者得手动捞日志、定位、修复、再打包验证，这套流程现在有了一个自动执行的选项。
DevEco Code 关于 AI 的“自动化程度”也是可选的。Plan+Build 模式保留了人机协作的特点，用户输入需求后，AI 先出开发方案，交付修改并确认方案后，AI自动执行从编码-检查-修复-构建-推包到模拟器或真机的流水线任务。而几乎完全“脱手”的 Goal 模式基于 SPEC 规范，用户给出自然语言需求、验证环境和验收标准，并交互确认需求分析、架构设计和规划步骤后，AI 全自动完成编码-检查-修复-构建-推包到模拟器或真机-功能自验证-发现问题自动修复-构建……的迭代过程，直到满足交付目标。
在开发者关心的模型侧，DevEco Code 预置了国产模型中编程能力不俗的 GLM 5.1，同时支持自定义接入第三方大模型。
把这些拼凑起来，DevEco Code的定位就很清晰了。它是能帮鸿蒙开发者交付整个应用的「超级编程智能体」，可以说是鸿蒙版的 Claude Code。
一条init命令，接入整套AI工具
DevEco Code 瞄准的是鸿蒙开发基础建设较为薄弱的团队，DevEco CLI 则刚好反过来。
大厂、中厂有自研 AI 链路的团队，他们已经有了自己的AI开发工具和AI CI/CD管线。此时，他们需要的是一个能把鸿蒙开发能力「嫁接」进现有体系的东西。
DevEco CLI 就是这个嫁接器。
一条 init 命令，一键挂载全套鸿蒙开发工具集。之后，命令行串联创建工程、语法检查、编译打包、获取模拟器、获取设备、推包运行等，覆盖全开发流程。AI Agent 不需要打开DevEco Studio界面，就能驱动完整的鸿蒙应用工程链路。
这个定位有点意思。DevEco CLI 跟传统 CLI 工具的区别在于，它把命令行设计成了 AI Agent 的交互接口，不是给人手敲的。
它的官方知识库从设定上看也是专为生产环境打造。官方出品、人工校准，内容权威准确；支持本地部署，数据不出企业内网；渐进式读取，按需加载，不消耗不必要的上下文；内置专属术语词典和 API 定向优先检索；结构化 JSON 输出，机器直接消费。
简单来说就是：准，不联网，且机器可读。
再配上 70 多项精品 Skills，覆盖多设备场景适配开发、知识检索、ArkTS 语法、应用质量、智能运维这些关键场景。DevEco CLI 给第三方 AI 工具赋能鸿蒙原生开发能力的门槛，低到 init 一下就行。
这是为那些已经有 AI 开发管线的团队量身定做的。有人管它叫「AI 智能体对接鸿蒙开发环境的关键枢纽」，这个说法很准确。
开放 Skills 广场
前文提到 DevEco CLI 自带的 70 多个官方 Skills 只是起点。与这两个 AI Coding 工具一起发布的还有格物平台 Skills 广场。
它做了一件事，让开发者共建共享 Skills，同时管控质量。上架的 Skills 要经过自动化测评、安全合规检测、人工复检三关，目的是降低选型成本，提升集成效率。
这等于给鸿蒙 AI 开发生态搭了一个「插件市场」。Skills 的供给量一旦上来，DevEco Code 和 DevEco CLI 的能力边界就不止于华为自己的团队了，开发者会自发地建立起丰富的第三方 Skills 生态，形成一个自带正反馈循环的开放社区。
两个工具，两条线路
站在行业视角看，鸿蒙的 AI Coding 脉络已经很明朗。
Cursor、Copilot、Claude Code 走的是通用路线，面向所有语言、所有平台，做的是写好代码这件事本身。它们的价值取决于模型能力，模型越强，它们越强。
鸿蒙的路子不同，它不需要跟 Claude Code 比谁写的 Python 更完美。它只需要保证，在鸿蒙生态这个场景里，DevEco Code 和 DevEco CLI + 主流编程智能体 这两套方式，是最好的选择。
这张场景牌有三层。第一层，鸿蒙生态正处于应用填充的关键期，海量应用需要快速落地，AI 是加速器。第二层，大厂的鸿蒙适配是硬需求，DevEco CLI 解决的是怎么把现有 AI 开发管线用到鸿蒙上这个问题。第三层，比起此前 DevEco Studio 的传统 IDE 模式，这次两个工具把 AI 从「帮你写代码」的配角，推到了「替你管全流程」的主角位置。所谓的 Agentic 新阶段，就是指这次角色的切换。
两个工具，两条路线。鸿蒙的做法是两条路都铺好了，开发者挑适合自己的走就行。
HDC 2026 闭幕后，开发者们陆续离开松山湖。他们在会场外聊的话题，接下来几个月大概率会变成各自团队的实际决策，是试一下 DevEco Code，还是把 DevEco CLI 挂到现有管线里？这取决于接下来鸿蒙把这两条路铺到多深。
