對著手機說一句「我下午要去會展中心參加線下會議，需要提前 20 分鐘到，幫我看下什麼時候出發，約好車提醒我」，接下來發生的事情很快：小藝查了日程里的會議時間和地點，調用地圖看實時路況算出發時間，預約好車並設了鬧鐘提醒。
一個任務，三個應用的多個服務，只用一句話調度。
——這是在華為開發者大會 HDC 2026 上展示的一個使用小藝的日常場景。
表面看起來是一次語音交互的升級，但底下的變化大有文章：這個任務跨了日程、地圖、時鐘多個獨立應用，過去用戶需要手動操作分別打開它們，挨個翻頁找到具體的服務；但現在小藝把整條鏈路串起來了，用戶只負責說出自己要什麼就行了。
這一新的手機 AI Agent 交互體驗的背後，是 HarmonyOS 向 Agent 架構的一次整體演進。基於全新升級的鴻蒙智能體框架2.0，小藝跟鴻蒙系統深度融合，成為系統智慧大腦，變成長在作業系統里的智能體，向著最強系統智能體的方向演進。
新的時代，新的入口
過去二十年，移動網際網路的統一操作邏輯，建立在用戶→找應用→找服務的路徑上：不同應用提供不同服務，用戶主動打開需要的應用，再去應用里找某個具體的服務。
我們都對這條運轉良好的邏輯習以為常，但實際上我們的手機里平均安裝七八十個 App，日均使用只有 10 個左右。根據第三方分析平台數據，對於一個典型的智慧型手機用戶，62% 的 App 一個月都不會打開一次。
這些應用不是不好用，是使用場景窄，用完就擱置了。它們的服務價值還在，但需要新的調用方式。
Agent 時代正在成形的路徑是「意圖即服務」：用戶提需求→ Agent 交付。具體來說，Agent 會判斷、調度、執行，精準理解需求並分發服務。用戶不需要知道背後調用了哪些 Agent/Skill，只需要知道需求被滿足即可。
在新的移動/AI Agent 時代，入口的性質也發生了改變。過去，應用爭奪的是「資訊入口」，決定用戶看到什麼；Agent 時代爭的是「行動入口」，決定替用戶做什麼。
Agent 是比搜索框更深、更高頻的下一個默認入口，誰握住它，誰就掌握了下一代移動網際網路的分發權。這也是移動網際網路時代的平台廠商們感到緊張又興奮的原因。
前不久，Google 將 Android 的定義從「作業系統」改成了「智慧系統」(intelligence system)。Gartner 預測到今年底 40% 的企業應用會嵌入 AI Agent，去年不到 5%。
起初，蘋果通過 App Intents 框架讓開發者給 Siri 暴露功能接口，不過被 Siri 自身能力所牽制。不過上周 WWDC 上蘋果也算是交出了新的答卷，Siri 現在終於有了獨立 App 形態，並且其理解用戶意圖、操作手機的能力，也有了很大提升。很明顯能看到的是，蘋果也在用一系列新的 Apple 智能以及 Siri AI 能力，吸引生態開發者。
Google 更激進：Gemini Intelligence 直接嵌入 Android 17 作為系統級 Agent，AppFunctions API 讓應用暴露功能接口，沒 API 時用 GUI 自動化兜底。不過目前接入的應用只有二三十個。
而在國內，我們看到目前最為前沿的進展，並沒有意外，發生在華為的身上。
HarmonyOS 的「元服務」架構天然把服務拆成輕量、免安裝、跨設備可調用的模組，Agent 浪潮則恰好提供了現成管道。華為在這條路上已經走了三步：2024 年搭建鴻蒙 AI 基礎能力和框架，2025 年發布 HMAF 推動應用級 Agent 化，到今年的目標是整個作業系統的 Agent 化。
HDC 2026 上公布的三件事，就是這第三步的具體路徑。
第一件事：系統應用全面 Skill 化，讓系統成為小藝的感官與手腳
要能真正會幹活，小藝首先需要調動更多系統能力。感知、數據、設備控制，這幾類能力過去鎖在系統底層。華為的做法直截了當：全部 Skill 化，交給小藝統一調度。
HDC 2026 公布的數字：系統應用全面Skill化，2100 多項系統能力可被小藝調用，200 多項系統級數據接入小藝的上下文。備忘錄、日曆、圖庫、藍牙、聯繫人、文件管理等系統應用的能力全在裡面。小藝因此能在用戶的授權下調用攝影機、讀懂螢幕內容、感知場景狀態、調度多設備協同。整個 HarmonyOS 的系統能力成了小藝隨手可用的工具箱，而且用戶也不需要告訴小藝「先打開這個再打開那個」。
有兩個場景很適合用來展現小藝獲得系統級能力加持後的 Agent 使用體驗：
- 對小藝說「我報名了楚雄半馬，幫我制定個恢復訓練計劃」。小藝的反應鏈條是這樣的：先拆解意圖，查詢比賽相關資訊，判斷用戶處於停訓或恢復期，需要溫和的重啟方案；再調用日程、運動健康、睡眠等系統數據；然後協調網頁搜索、運動健康 Coach、運動健康 Health 等 Skills 協同工作；最後綜合評估，輸出定製訓練計劃並寫入日曆。
- 再來看跨端協同能力：比如你不在鴻蒙電腦前，但需要電腦上的一些關鍵文件，可以跟小藝說：「把電腦上跟傅里葉實驗有關的所有材料打包發到我手機上，並且準備一份材料清單。」即便電腦是合蓋待機狀態，甚至都不確定文件名稱具體叫什麼，小藝也能幫你完成。具體步驟是：首先手機小藝就會聯動 PC 小藝把電腦上近期保存的相關資料找出來並把清單發給我們確認，確認哪些是我們所需的相關資料後，PC 小藝調用文檔管理 Skill 把文件打包成壓縮包發送到手機小藝上，完成後跨設備通知提醒。
而且，小藝使用過程中，正在調用哪個工具、執行到哪一步，對於用戶都是透明的，可見可控。
這些場景，涉及到了當下非常熱門的行業概念：A2A 和 Skill。
A2A (agent-to-agent) 概念去年 4 月由 Google 和 IBM 首次提出，隨後交給 Linux 基金會形成社區驅動的開源國際標準，目前得到全球超過 150 個組織的參與支持。華為此前發布的 AI 終端白皮書、鴻蒙智能體框架白皮書中都強調過系統級端/雲智能體協同協議，是較早把 A2A 協作落地為系統級協議的廠商之一。
在傳統的 AI 交互鏈條中，人對 AI 說話，AI 再去執行。但 A2A 的不同之處，在於 Agent 之間可以直接對話協作，而這需要一個聰明的「管理者」「協調者」。
在剛才的半馬場景中，小藝拆解了任務，隨後調度「運動健康」「日程」「搜索」等多個子 Agent 和 Skills，讓它們通過鴻蒙智能體框架 (Harmony Agent Framework, HMAF) 協議自行協商和交換數據，並行推進任務。
除了自主規劃、協調各種系統能力或生態夥伴能力 Skills 和 A2A 去執行任務外，小藝還能做一件更有意思的事：幫用戶「造工具」。
對小藝說「做個兒童學英語的小工具，支持拍物品學單詞，拍照識別物品後展示英文、音標、釋義和發音，卡片可以加到單詞本里」。小藝通過調用「碼上飛」的文生代碼能力以及結合系統的相機、TTS（文字轉語音）播報能力，可以快速生成一個可交互的學習工具，不用下載應用，更不用自己寫一行代碼，說完就能用。
這比讓小藝幫你訂機票或做訓練計劃更往前走了一步：用戶不再只是任務的發起者，更是工具的創造者。
第二件事：AI 能力開放，讓開發者靈活高效接入
系統應用 Skill 化和 A2A 的支持，給小藝打好了地基。但一個系統級 Agent 如果只調用自家服務，天花板很快就到了。第二件事要解決的問題是：把生態接進來。
HDC 2026 上，小藝開放平台也進行了升級，開放了多種接入方式：Agent、Skill、MCP、意圖框架等，三方應用可以選最適合自己的深度接入小藝的調度體系。目前已有 500 多個精選夥伴Skills 上線，2000 多個鴻蒙智能體上架。例如，東方財富的妙想 Skill 已經能聯動聯網搜索 Skill，用自然語言完成自定義條件選股。
在更底層，鴻蒙智能累計開放了 20 多項 AI 子系統能力，日調用量 36.8 億次。諸如資訊摘要、卡證識別、活體檢測、圖像超分等能力，已被京東金融、鐵路 12306、知乎等應用接入，開發者不用自建模型，就可以在應用里調用系統級 AI。
為了讓接入足夠順暢，鴻蒙智能體框架做了幾件具體的事情：
A2A 協議升級後支持端側直連，頭部夥伴的 Agent 可以在設備本地完成協作，騰訊影片已經通過這種方式接入，用戶可以直接讓小藝設置倍速、問劇情，不用跳出當前界面；A2UI 協議讓 Skill 不用預先定義界面，Agent 根據用戶指令的複雜度動態生成 UI，同一個 Skill 在手機、平板、車機上都能渲染；Skill 上架打通了華為賬號鑒權，配合自然語言開發工具，讓規模、能力不同的開發者團隊都能快速接入。
對於用戶來說，只需說出需求就能得到結果，小藝可以調用各種 Skills/Agents 來為用戶提供更極致的智慧體驗。
這套邏輯叫「意圖即服務」。用戶說出需求，系統理解意圖後直接匹配能完成這件事的 Agent 或 Skill，跳過「打開 App-找服務」這個步驟。
比如周末三五好友來家裡聚餐，對小藝說「今天來三個好哥們，幫我規劃個菜單」。小藝先根據人數和口味偏好生成菜單，列出每道菜需要的食材和分量，然後調用叮咚買菜的 Agent，把食材清單一鍵加入購物車，用戶確認後直接下單。
從「想吃什麼」到「食材到家」，一句話串起了菜單規劃、食材匹配、生鮮電商三個環節。用戶沒有打開任何一個 App。
對開發者，分發邏輯從根本上變了，和過去的應用商城截然不同。過去是「用戶找 App」，數萬個應用爭排名、競價推薦位。
「意圖即服務」的邏輯是「用戶說需求，系統找服務」，只要服務做得好，在 Agent/Skill 化適配上足夠順暢，小藝會在用戶需求匹配的時候主動精準調用開發者的服務。
華為去年啟動的天工計劃投入 10 億元，目標是孵化超 10000 個 AI元服務、1000 多種意圖框架以及 MCP，和 5000 多個 Agent——本質上是在幫開發者降低接入門檻。
幾種接入方式中，MCP (Model Context Protocol) 是 Anthropic 2024 年提出的 Agent 與工具通信標準，目前已是行業事實標準。鴻蒙兼容 MCP，等於給外部 AI 生態開了一扇門：不管開發者在哪個大模型生態里，只要遵守這個協議，就能進入小藝的調度體系。
最後，當 Agent 可以跨應用調度服務、讀取系統數據，安全就不再是附加題。
華為在 HDC 2026 同期發布了《鴻蒙智能安全白皮書》，把安全架構擺到了和 Agent 能力同等的位置。
小藝採用 HPIC（HarmonyOS 個人智能計算系統）架構，堅持本地優先、數據最小化、用戶可控。需要雲端算力時，AI 推理在用戶專屬的機密環境中運行，通過 OHTTP 協議和端雲協同加密實現用戶身份三重匿名盲化，系統管理員也無法查看用戶明文數據。
在應用層面，涉及轉賬、支付等操作時，系統會阻斷自動化流程，必須由用戶手動完成；證件、工作文件等敏感資料在設備本地流轉，雲端只接收處理後的結果。
HPIC 已通過中國泰爾實驗室三大安全檢驗，達到行業高標準的增強級要求。不僅如此，小藝 Claw 成為首個獲信通院國家級認證的終端廠商 Claw 類智能體。
第三件事：業界優質大模型引入，給小藝一個可升級的大腦
第三件事關乎小藝的「智力」來源。
小藝要聰明，需要聰明的大腦。有趣的是，華為果斷地選擇不押注單一模型。
大模型的世界變化太快，半年前的最優解半年後可能就不是了。華為的判斷很務實：與其押注一個具體的模型，不如建一套「萬能插座」式的模型接入架構，讓 Pangu、DeepSeek 等大模型能靈活對接和調用。誰在哪個場景做得最好，小藝就用誰。
正因為這種靈活性，小藝的使用體驗變得愈發聰明。基於 Agentic 自演進架構，讓小藝可以自主思考、規劃、調度。效果就是，用戶往往不需要告訴小藝一個複雜任務該怎麼做，小藝自己思考就可以做得很好。
在實際使用中，模型的靈活對接帶來的差異很明顯。當你對小藝說「幫我寫一封英文商務郵件」，小藝判斷這是多語言生成任務，路由到英文寫作能力更強的模型；當你說「分析一下我上個月的運動數據，給個改善建議」，任務涉及結構化數據理解和個性化推理，框架可能切換到另一個更擅長此類推理的模型。兩個請求，兩條路徑，用戶感知到的只有「小藝都辦好了」。
這個選擇和 Apple 在 Core AI 框架中的多模型策略有相似之處，但執行深度有區別。蘋果在 Siri 層面開放了多模型後端，更多是提供了選擇權，並且直接交給開發者，但並無更多協調層面的已知工作。而華為的更多工作，是在作業系統底層建了一套模型調度框架，覆蓋從意圖理解到任務執行的全鏈路，且模型的切換對用戶透明。
模型調度解決了「會不會做」，但還有一個同樣關鍵的問題：小藝記不記得你是誰。
就在兩周前，OpenAI 上線了 Dreaming V3，將 ChatGPT 的記憶架構整個重寫：系統在後台自動跨所有歷史對話合成用戶畫像，不需要手動告訴它「請記住」，並且過時的資訊還會自動更新。
行業方向越來越清楚：模型再強，如果每次對話都如初見，體驗的上限很低。
在 HDC 2026 早餐會的分享交流中，小藝相關負責人介紹了小藝針對「如何記住用戶」所做的努力。
小藝全新升級了記憶體系：瞬時記憶處理單次推理，短時記憶覆蓋單個對話窗口，長時記憶沉澱用戶的指令偏好和隱性習慣，全時記憶做伴隨態的持續積累，最終匯成全局動態畫像。
和純對話型 AI 不同，小藝的記憶源不只是聊天記錄——日曆、運動健康、消費記錄、圖庫這些系統級數據全在裡面。華為的定位也很明確：這套記憶體系叫「鴻蒙記憶」，是 AI OS 的底座能力，不是小藝一個應用的私有功能。系統級數據、全場景設備、端側隱私處理，這個組合是鴻蒙在記憶這一層的差異化位置。
舉個例子：每年體檢後我們都習慣性地把報告下載下來存在本地，但要回溯之前的某項身體數據來對比就會比較麻煩。當小藝幫你記住後，喚起小藝問一句「我這三年甘油三酯什麼趨勢」，小藝能跨時間調取數據，給出變化曲線，還能結合健康相關的智能體提供諮詢服務。
記憶不回到場景里，就只是存檔。回到服務里，才變成能力。
這一能力不局限於某個 App，而是跨應用的，系統根據記憶中沉澱的意圖模式來判斷什麼時候彈出。這條「記憶沉澱→回到服務」的鏈路，把前面講的「意圖即服務」從被動響應推向了主動預判。
正如前面提到，一個體驗優秀的 Agent 產品，需要兩樣東西成立：優秀的模型和優秀的腳手架。兩者互相成就。好的智能體框架能讓優秀的 Agentic 模型被最大化利用，帶來更好的體驗。對用戶來說，小藝讓人覺得「聰明懂我」「辦成事」的秘訣，在於一套讓好模型為它所用、讓記憶越積越厚的工程體系。
當作業系統成為 Agent
2008 年 App Store 上線，沿著「用戶下載 App、App 提供服務」這條路徑，到今天已經 18 年，生長出了萬億美元級的分發和商業生態。
但現在，所有平台廠商都在做同一件事：把入口從 App 遷移到 Agent，帶給用戶更好的 AI 體驗，並給開發者帶來新的機會。遷移的速度，和生態擴張的速度，很可能比上一次更快。一個參照：MCP 從發布到成為行業事實標準用了半年，A2A 從提出到超過 150 個組織加入只用了一年多。移動網際網路早期，一個開發範式從提出到普及至少三五年。
華為在 HDC 2026 上讓小藝深度融入作業系統底層，也是沿著這條新路徑做的一次前瞻嘗試。
但更值得思考的，是這條路的終點指向哪裡？當一個 Agent 沉澱了你的日程、健康數據、消費偏好、工作習慣，它和你的關係已經不是「工具」可以概括的了。它在變成一個了解你的協作者，不需要每次從頭了解你是誰、偏好什麼、上次做到了哪裡，有什麼問題需要改進——它都記得。
至於應用，當然不會就此消失，但新的入口已然顯現。
