logo

从华为小艺看终端AI Agent的构建思路

作者:da吃一鲸8862026.11.17 03:30浏览量:1

简介:终端厂商正从语音助手转向任务型AI Agent。本文以华为小艺的公开功能为例,梳理系统入口、任务编排、多模态交互与场景闭环的设计要点,并给出端云架构、工具调用、模型选型与成本控制的实践思路,帮助开发者判断终端智能体该如何规划和落地。

本文基于公开功能介绍和日常体验撰写,不包含统一测试数据,也不代表市场份额或排名结论。小艺的设计可以作为终端智能体的参考样本,其中的架构思路比单个产品的表现更有参考价值。

一、终端厂商为什么转向AI Agent

早期的语音助手主要处理单点指令,例如打开应用、设置闹钟、查询天气。这类交互边界清楚,但每次只能完成一步。AI Agent 的目标不同:它需要理解用户想达成的结果,把任务拆成若干步骤,调用应用或系统能力执行,并把进展反馈给用户。

终端厂商推进这一方向,主要基于三类原因。第一,手机是高频个人设备,系统级助手可以接触通知、相机、文件、日程和账号等入口。第二,Agent 能连接应用、服务和硬件,成为跨应用任务的调度中心。第三,终端侧保存着图像、语音、位置等上下文,适合提供个性化服务。

因此,评价终端助手的标准也在变化。过去主要比较语音识别的准确率,现在更关注任务完成率、执行步骤数量,以及用户需要介入的次数。

二、从公开体验看小艺的设计要点

小艺有四个设计值得关注。这些观察来自公开功能介绍和日常使用,不构成对产品优劣的定论。

  1. 系统级入口

鸿蒙系统的系统能力可以被智能体直接调用。修图、文档处理、搜索和知识库等功能,不需要用户逐个打开应用。与插件式助手相比,这种设计更接近个人助理的形态。

  1. 任务编排

以修图为例,用户用自然语言描述想要的效果,智能体理解意图,调用影像能力,并返回结果。深度研究和报告生成也遵循类似流程:确定主题、检索资料、组织内容,最后输出文档或图表。每个环节都需要明确的输入和输出,否则很难稳定完成。

  1. 多模态内容生产

终端 Agent 的能力正从文本扩展到图像、语音、文档和视频。把大模型能力与终端已有的内容工具结合,用户可以在同一界面完成创作和编辑,使用频率也更容易提高。

  1. 低学习成本

用户不需要了解模型、提示词或工作流,只需说出目标。产品把复杂能力封装成可感知的功能。对终端厂商而言,这是相对于开发者工具平台的主要优势。

三、开发者如何构建终端智能体

只接一个聊天接口,无法得到类似的体验。构建终端 Agent 需要从架构层面规划,以下五个环节是常见的基础。

  1. 端云协同

端侧适合处理低延迟、隐私敏感和轻量的任务,例如唤醒词检测、简单分类和本地图像预处理。云端负责复杂推理、长文本生成、多模态创作和知识检索。涉及敏感数据时,可以评估本地化部署或专用网络方案。

  1. 意图识别与参数抽取

Agent 首先要判断用户想做什么。例如“把这张照片的背景换成海边”应被识别为图像编辑任务,并抽取背景类型、风格强度、人物保留等参数。可以先用小模型做意图分类,再由大模型生成结构化指令。

  1. 知识库与检索增强

报告和深度研究类 Agent 依赖知识库。系统应限定检索范围,设置相关度阈值,并展示来源,方便用户核对。涉及实时信息时,可以结合搜索能力获取最新内容,同时标注信息的时间。

  1. 工具调用与权限

修图、生成 PPT、读写日历、发送消息都需要调用工具。建议为每个工具定义清晰的输入输出格式,例如 JSON Schema,并设置以下机制:

  • 权限校验:只授予任务所需的最小权限;
  • 失败重试:对超时和限流设置有限次数的指数退避重试;
  • 人工确认:修改文件、发送消息、支付等操作,执行前必须由用户确认。
  1. 日志与监控

上线后需要跟踪三个指标:任务完成率、平均响应时延和人工接管率。若某类任务的人工接管率持续偏高,通常说明意图识别或工具定义有问题,应优先排查。

密钥管理需要特别注意。模型 API 密钥不应写入客户端代码或日志。推荐由服务端代理转发请求,或使用有时效的临时凭证。

四、模型选型与成本控制

终端 Agent 的体验上限,很大程度上取决于模型选型。不同任务适合的模型类型不同:

场景 推荐能力 关注点
语音唤醒与简单意图 端侧小模型 延迟、功耗、隐私
多轮对话与任务规划 通用大模型 指令遵循、上下文长度
图像编辑与生成 多模态模型 风格控制、生成质量
报告与知识问答 检索增强模型 来源可信、幻觉控制
实时信息查询 搜索增强能力 时效性、引用来源

成本控制通常要看服务商的计费规则。一个简化的估算公式如下:

单次调用成本 ≈ 输入Token数 × 输入单价 + 输出Token数 × 输出单价

实际账单还会受缓存命中、图片 Token 折算方式和上下文截断策略影响,因此估算时应以服务商的计费文档为准。常见的优化方法包括:压缩提示词、限制检索片段数量、为高频问题设置缓存、将简单任务分流给小模型,以及对长文档先摘要再生成。

选型前,可以在同一测试集上比较候选模型的回答质量、延迟和单次成本,再决定组合方案。

五、对行业的启示

小艺的设计表明,终端 Agent 的竞争涉及系统入口、任务编排和场景闭环,模型本身只是其中一环。若公开体验所反映的路径成立,后续竞争可能集中在三个问题上:

  • 系统能力能否开放给 Agent 调用;
  • 模型能力能否包装成用户可感知的服务;
  • 能否在隐私、安全和体验之间取得平衡。

对开发者和企业来说,终端 Agent 是一项涉及模型选型、知识库、工具调用、多模态生成和运营监控的系统工程。模型服务、业务工具和数据反馈需要形成闭环,体验才能持续改进。

发表评论

活动