AI 写的鸿蒙 ArkTS 代码能跑?我测了 37 个案例,翻车率 60%

news2026/5/21 9:07:23
先扔结论如果你现在把 Claude 或 Cursor 当成 ArkTS 专家来用大概率会掉坑里。我上周闲得慌跑了 37 个常见开发场景的测试结果 AI 生成的代码能直接编译通过的不到四成。剩下的要么语法错误要么用了废弃 API要么逻辑能跑但性能稀烂。你可能会说“我也用 AI 写过 ArkTS感觉还行啊” —— 那是因为你写的多半是 UI 布局。一旦涉及到状态管理、生命周期或者并发模型AI 的幻觉率直线飙升。测试怎么做的说一下我的测试方法你也可以复现。我选了 7 个 ArkTS 开发里最高频的场景每个场景设计 3-5 个不同难度的需求分别丢给 Claude 3.7 Sonnet、Cursor Composer 和某国产大模型名字就不点了。提示词刻意写得很模糊模拟真实开发里哎帮我把这个功能写了的场景不额外补充上下文。七个场景分别是UI 布局与自定义组件State / Prop / Provide 状态管理生命周期aboutToAppear / aboutToDisappear / onPageShow网络请求与错误处理并发模型TaskPool / Worker / Promise动画与手势交互文件读写与沙箱路径每个场景我按通过标准给了三档评分✅ 直接能用编译通过、逻辑正确、没踩废弃 API⚠️ 能修大体对但有小错误比如类型声明漏了、参数写反了❌ 翻车编译都过不了或者用了根本不存在的方法结果汇总出来是这样的场景ClaudeCursor国产模型UI 布局✅ 4/5✅ 5/5✅ 3/5状态管理⚠️ 2/5⚠️ 3/5❌ 1/5生命周期❌ 1/5⚠️ 2/5❌ 0/5网络请求⚠️ 3/5✅ 4/5⚠️ 2/5并发模型❌ 1/5❌ 2/5❌ 0/5动画手势⚠️ 2/5⚠️ 3/5❌ 1/5文件读写⚠️ 3/5✅ 4/5⚠️ 2/5你看UI 布局和文件 IO 这类模板化程度高的AI 表现还行。但一旦碰到状态管理和并发三个模型集体翻车。最离谱的是生命周期那栏——Claude 有两次把aboutToAppear写成了onLoad这不是鸿蒙的 API这是 Vue 的习惯带进来了。翻车现场状态管理来看个具体的。我让 AI 写一个父子组件双向同步状态的例子要求子组件修改数据后父组件实时更新。Claude 给我的代码长这样// 子组件 Child.etsComponentstruct Child{Propvalue:numberEventonChange:(v:number)voidbuild(){Button().onClick((){this.onChange(this.value1)})}}你一眼能看出来问题吗Event这个装饰器在 ArkTS 里根本不存在。鸿蒙用的是Event吗不它用的是回调函数传参的方式或者Link/ObjectLink做双向绑定。Claude 这是把 SwiftUI 或者 Vue 的概念混进来了。正确的写法应该是// 子组件 Child.etsComponentstruct Child{Linkvalue:numberbuild(){Button().onClick((){this.value1// 直接修改父组件同步更新})}}// 父组件 Parent.etsEntryComponentstruct Parent{Statecount:number0build(){Column(){Text(当前值:${this.count})Child({value:$count})// $语法建立Link绑定}}}这个$count的语法新手本来就容易忘AI 不仅没帮你还给你造了个Event装饰器让你更晕。顺便说一句Claude 在被我指出错误后的回复是“抱歉我混淆了 ArkTS 和 ArkUI-X 的语法。” —— 你看它连承认自己 hallucinate 的时候都在 hallucinate因为 ArkUI-X 也没有Event这个鬼东西。翻车现场并发模型再说一个更劝退的。我让 AI 写一个后台线程处理图片压缩的任务要求不阻塞 UI。Cursor 给我的方案是importworkerfromohos.workerfunctioncompressImage(path:string):Promisestring{returnnewPromise((resolve){constwnewworker.ThreadWorker(entry/ets/workers/ImageWorker.ets)w.postMessage({path})w.onmessage(e){resolve(e.data.outputPath)w.terminate()}})}这段代码乍一看挺像回事对吧但问题太多了。第一worker.ThreadWorker在 HarmonyOS Next 里路径已经变了应该是kit.ArkTS或者ohos.worker下的ThreadWorker但构造参数格式不对。第二onmessage的写法是旧版 API新版本用的是on(message, callback)。第三也是最隐蔽的 —— 它居然在 Promise 里直接resolve后就terminate()如果 worker 还没执行完整个线程被杀了Promise 永远挂在那。实际上 ArkTS 里图片压缩更推荐用TaskPool而不是直接操作 Workerimport{taskpool}fromkit.ArkTSConcurrentfunctioncompressTask(srcPath:string,quality:number):string{// 实际的压缩逻辑运行在后台线程constdestPathgetContext().cacheDir/compressed_Date.now().jpg// ... imageKit 压缩调用returndestPath}asyncfunctioncompressImage(path:string):Promisestring{consttasknewtaskpool.Task(compressTask,path,85)returnawaittaskpool.execute(task)asstring}AI 没推荐TaskPool是因为它训练数据里关于 HarmonyOS Next 的资料太少了。2024 年之前的文档主要讲的是 WorkerTaskPool 是后来推的AI 的 “知识” 还停留在旧版本。那 AI 完全不能用吗也不是。有两个场景我反而建议你让 AI 代劳一是纯 UI 布局。你要写一个复杂的 Grid 或者 ListAI 生成的代码基本能跑。它可能会把ListItem的嵌套层级搞得多一点但你调调就行了比自己从零写快。二是类型定义和接口。你给 AI 一份 JSON 样例让它生成对应的 ArkTS interface这个准确率很高。至少比手写快而且不容易漏字段。// 这种活丢给 AI省时间interfaceApiResponse{code:numberdata:UserInfo message:string}interfaceUserInfo{uid:stringnickname:stringavatarUrl:stringvipLevel:numbercreatedAt:number}但记住一个原则凡是涉及到 “运行时行为” 的代码 —— 状态什么时候刷新、页面什么时候销毁、异步任务怎么调度 —— 你都别信 AI。它对这些的理解大概是 “看过文档但没写过项目” 的水平。一个小技巧如果你非要用 AI 写 ArkTS我的建议是别问怎么写问这样写对不对。比如你已经写了一个State的组件不确定父子传参有没有问题把代码贴给 AI让它 review。这种 “纠错模式” 比 “生成模式” 准确率高得多因为 AI 做判断比做创造要靠谱。还有一个招在提示词里强制加上 “使用 HarmonyOS Next API 11 的语法”。虽然不一定完全管用但至少能降低它给你返回 2023 年废弃代码的概率。反正我测完这 37 个案例之后再写 ArkTS 的时候AI 帮我写的代码我都会本能地先扫一眼装饰器用得对不对。这习惯挺好就是有点心累。你平时用 AI 写鸿蒙代码吗翻车最狠的一次是什么时候本文遵循 MIT 协议转载请注明出处。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2631036.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…