训练营】第1期-行业/创新案例-使用码道 CodeArts Agent 安装 jiuwenclaw官网https://gitcode.com/openJiuwen/jiuwenclawhttps://www.openjiuwen.com/什么是码道码道（CodeArts）是华为云于2026年2月26日发布的代码智能体公测版，定位为面向开发者和企业的工程化智能编码解决方案。什么是 jiuwenclawopenJiuwen作为开源Agent平台，致力于提供灵活、强大且易用的AI Agent开发与运行能力。基于该平台，开发者可快速构建处理各类简单或复杂任务的AI Agent，实现多Agent协同交互，高效开发生产级可靠AI Agent；并助力企业与个人快速搭建AI Agent系统或平台，推动商用级Agentic AI技术广泛应用与落地。JiuwenClaw 的核心使命是「懂你所想，自主演进」。针对你的各种复杂输入场景，如任务追加、打断、修改等，它就是懂你的贴身任务管家，将你的各类需求排出优先级，并有条不紊地完成；同时它也能在你身边自主演进，当你对它表达不满或运行出错时，它会根据你的反馈自动调整相应技能，全心全意为你服务。在连接渠道方面，JiuwenClaw 已实现鸿蒙小艺、飞书 Channel 的无缝接入，并将持续拓展至更多元平台。无论是进行复杂代码编写、寻求即时的技术支持，还是管理日程与信息流，JiuwenClaw 都能让你从任何地方、以最熟悉的方式，唤出一个始终在线、数据自主的专属 AI 助理。安装jiuwenclaw浏览jiuwenclaw文档打开码道，直接复制以下安装和启动的命令到码道的对话框中，进行安装。等待安装初始化 jiuwenclaw在终端中输入命令进行初始化（只需要执行一次）：jiuwenclaw-init然后jiuwenclaw会询问你语言的偏向，中文、英文等。启动jiuwenclaw初始化完毕后，可以在终端中输入命令，启动jiuwenclawjiuwenclaw-start使用jiuwenclaw当服务启动后，可以直接在浏览器中打开地址 http://localhost:5173 进行对话配置apikey正常情况下，jiuwenclaw的运作还需要提供提供兼容OpenAI的大模型，这里万少使用了阿里百炼的模型。按照表单填写好字段内容即可。成功继续回到对话窗口，输入你好，看到有回应表示 jiuwenclaw安装已经成功了。配置地址jiuwenclaw默认的配置地址在C:\Users\用户\.jiuwenclaw目录结构如下： .agent_teams/ 代理团队数据，包含团队数据库（team.db）及各个代理团队的配置 .checkpoint/ 检查点数据，存储 checkpoint.db 等会话快照/恢复点 .codeartsdoer/ CodeArts Doer 相关缓存和配置 .git/ Git 版本控制仓库目录 .logs/ 系统/服务日志存放目录（如 agent_server.log、gateway.log 等） agent/ 代理工作目录，包含工作空间（jiuwenclaw_workspace）和会话数据 config/ 项目配置目录，存放 config.yaml、环境变量（.env）和规则文件 logs/ 额外的日志存储目录（与 .logs/ 类似，可能是不同组件输出） .gitignore Git 忽略规则文件当然，大部分情况下，你可以在网页上配置。

codearts 的智能体工作模式应该像codex那样，能在正在工作的过程中接收会话，，因为在这过程中可能会有新的问题补充，这样智能体才能了解得更清晰 

华为云码道 SKILL 开发实战：code-review-assistant 智能代码审核助手构建全解析案例介绍本案例将基于华为云码道 AI IDE 构建SKILL技能，一个智能代码审核助手（code-review-assistant），通过该SKILL可以自动进行代码审核，发现代码中的问题并提供改进建议，提高代码质量和开发效率。一、概述1.1 适用对象软件开发工程师技术团队负责人代码审查人员开源项目维护者1.2 案例时间本案例总时长预计50分钟。1.3 案例流程在软件开发过程中，代码审核是保证代码质量的重要环节。然而，人工进行代码审核耗时耗力，且容易遗漏问题。通过AI辅助进行代码审核，可以提高审核效率，发现更多潜在问题。为了解决这一需求，通过华为云码道（CodeArts）代码智能体强大的 AI 能力，快速构建一个 【智能代码审核助手】 的SKILL。这个 SKILL 将能够自动分析代码，发现潜在问题，并提供详细的改进建议。SKILLs是一种为大型语言模型获取新能力的模块化封装标准。它基于"渐进式披露"（Progressive Disclosure）架构设计，将特定任务的指令、脚本与资源结构化存储为独立单元。该机制允许模型在对话上下文中，通过元数据智能识别用户意图，仅在需要执行特定功能时，才按需加载对应的核心指令（SKILL.md）及可执行资源（如Python脚本、参考文档）。这种架构在保证模型轻量化响应的同时，显著扩展了其处理复杂、多步骤任务的能力。华为云码道（CodeArts）代码智能体是一款集代码大模型、AI IDE、Code Agent为一体的智能编码产品。一个理解项目需求，懂得编码之道，善用百器的实干派AI研发砖家，开启你的编码自动驾驶模式。1.4 资源总览本案例预计花费0元。资源名称规格单价（元）华为云码道（CodeArts）代码智能体系统标配免费二、环境和资源准备2.1 AI IDE华为云码道安装部署参考《AI IDE华为云码道（CodeArts）代码智能体安装部署》完成AI IDE华为云码道（CodeArts）代码智能体安装部署。2.2 技能创建准备打开华为云码道，进入项目目录确保已安装最新版本的华为云码道 AI IDE三、实现步骤3.1 创建智能代码审核助手SKILL在码道右上角打开设置，进入设置界面后选择技能与规则，在项目级板块下技能的右侧点"+ 新建"。编辑技能名称为code-review-assistant，然后点确定。系统自动在当前目录下创建.codeartsdoer/skills/code-review-assistant目录，并在该目录下新建了一个SKILL.md文件。编辑SKILL.md文件，添加以下内容：# 智能代码审核助手技能 ## 功能描述 该技能用于自动进行代码审核，发现代码中的问题并提供改进建议。支持多种编程语言的代码审核，包括Python、Java、JavaScript等。 ## 输入格式 1. 粘贴代码进行审核： "审核以下代码：\n[代码内容]" 2. 文件路径审核： "审核文件 [文件路径] 的代码" 3. 指定审核标准： "按照 [审核标准] 审核以下代码：\n[代码内容]" ## 输出格式 - 问题列表：包含问题位置、问题类型、问题描述 - 改进建议：针对每个问题的具体改进方案 - 代码质量评分：综合评分和各项指标评分 - 最佳实践建议：代码优化的最佳实践推荐 ## 审核维度 1. 代码规范：命名规范、缩进规范、注释规范 2. 代码安全：潜在安全漏洞、敏感信息泄露 3. 代码性能：性能问题、资源泄漏 4. 代码可维护性：复杂度、耦合度、重复代码 5. 错误处理：异常处理、边界条件处理3.2 创建辅助脚本在code-review-assistant目录下创建code_reviewer.py脚本，用于处理代码审核逻辑：#!/usr/bin/env python3 """ 智能代码审核助手 """ import re import os from typing import Dict, List, Optional from dataclasses import dataclass @dataclass class CodeIssue: """代码问题""" line: int severity: str # error, warning, info category: str # style, security, performance, maintainability, error_handling description: str suggestion: str @dataclass class ReviewResult: """审核结果""" issues: List[CodeIssue] quality_score: Dict[str, float] overall_score: float best_practices: List[str] class CodeReviewer: """代码审核器""" def __init__(self): self.issues: List[CodeIssue] = [] self.score = { 'style': 10, 'security': 10, 'performance': 10, 'maintainability': 10, 'error_handling': 10 } def review_python_code(self, code: str) -> ReviewResult: """ 审核Python代码 Args: code: Python代码内容 Returns: 审核结果 """ lines = code.split('\n') # 检查各种代码问题 self._check_style_issues(lines) self._check_security_issues(lines, code) self._check_performance_issues(lines, code) self._check_maintainability_issues(lines, code) self._check_error_handling_issues(lines) # 计算综合评分 overall_score = sum(self.score.values()) / len(self.score) # 生成最佳实践建议 best_practices = self._generate_best_practices() return ReviewResult( issues=self.issues, quality_score=self.score.copy(), overall_score=overall_score, best_practices=best_practices ) def _check_style_issues(self, lines: List[str]): """检查代码规范问题""" for i, line in enumerate(lines, 1): stripped = line.strip() # 检查行长度 if len(line) > 120: self.issues.append(CodeIssue( line=i, severity='warning', category='style', description=f'行长度超过120字符，当前长度：{len(line)}', suggestion='建议将长行拆分为多行，或使用括号续行' )) self.score['style'] -= 0.5 # 检查行尾空格 if line != stripped and line.endswith(' '): self.issues.append(CodeIssue( line=i, severity='info', category='style', description='行尾存在多余空格', suggestion='删除行尾空格以保持代码整洁' )) self.score['style'] -= 0.1 # 检查变量命名（下划线命名法） if '=' in stripped and not stripped.startswith('#'): var_match = re.match(r'(\w+)\s*=', stripped) if var_match: var_name = var_match.group(1) if var_name.isupper() and '_' not in var_name: pass # 常量允许大写 elif var_name[0].isupper() and var_name[0].isalpha(): self.issues.append(CodeIssue( line=i, severity='warning', category='style', description=f'变量名 {var_name} 使用了大写开头', suggestion='Python变量应使用小写字母和下划线（snake_case）' )) self.score['style'] -= 0.3 # 检查缺少注释的重要函数 if stripped.startswith('def '): func_match = re.match(r'def\s+(\w+)\s*\(', stripped) if func_match: func_name = func_match.group(1) # 检查前一行或函数定义后是否有文档字符串 if i >= len(lines) or '"""' not in lines[i] and "'''" not in lines[i]: if not func_name.startswith('_'): self.issues.append(CodeIssue( line=i, severity='info', category='style', description=f'函数 {func_name} 缺少文档字符串', suggestion='建议为公共函数添加docstring说明其功能、参数和返回值' )) self.score['style'] -= 0.2 def _check_security_issues(self, lines: List[str], code: str): """检查安全问题""" security_patterns = [ (r'password\s*=\s*["\'][^"\']+["\']', '硬编码密码', '避免在代码中硬编码密码，使用环境变量或配置文件'), (r'api[_-]?key\s*=\s*["\'][^"\']+["\']', '硬编码API密钥', '避免在代码中硬编码API密钥，使用环境变量'), (r'sql\s*\+\s*["\']', 'SQL注入风险', '使用参数化查询避免SQL注入'), (r'eval\s*\(', 'eval()使用风险', 'eval()可能执行任意代码，建议使用ast.literal_eval或重写逻辑'), (r'exec\s*\(', 'exec()使用风险', 'exec()可能执行任意代码，建议重写逻辑'), (r'os\.system\s*\(', '命令注入风险', '使用subprocess模块并设置shell=False'), (r'\.format\s*\(\s*%', '格式化字符串风险', '使用f-string或参数化方式'), ] for i, line in enumerate(lines, 1): for pattern, issue_type, suggestion in security_patterns: if re.search(pattern, line, re.IGNORECASE): self.issues.append(CodeIssue( line=i, severity='error', category='security', description=f'发现{issue_type}', suggestion=suggestion )) self.score['security'] -= 2 def _check_performance_issues(self, lines: List[str], code: str): """检查性能问题""" for i, line in enumerate(lines, 1): # 检查循环中的字符串拼接 if '+' in line and ('for' in ''.join(lines[max(0, i-3):i+1]) or 'while' in ''.join(lines[max(0, i-3):i+1])): if '"' in line or "'" in line: self.issues.append(CodeIssue( line=i, severity='warning', category='performance', description='在循环中进行字符串拼接可能影响性能', suggestion='建议使用列表.join()或f-string进行字符串拼接' )) self.score['performance'] -= 0.5 # 检查未使用的大列表复制 if '[:]' in line or 'copy()' in line: self.issues.append(CodeIssue( line=i, severity='info', category='performance', description='列表切片或copy()会创建完整副本', suggestion='如果不需要副本，考虑使用引用或生成器表达式' )) self.score['performance'] -= 0.2 # 检查低效的循环 if 'for' in line and i < len(lines): next_line = lines[i].strip() if 'range(len(' in next_line: self.issues.append(CodeIssue( line=i, severity='warning', category='performance', description='使用range(len())遍历序列', suggestion='建议直接遍历序列或使用enumerate()' )) self.score['performance'] -= 0.3 def _check_maintainability_issues(self, lines: List[str], code: str): """检查可维护性问题""" # 检查函数/方法复杂度（简化检查） functions = [] for i, line in enumerate(lines): if line.strip().startswith('def '): functions.append((i, line.strip())) # 检查函数长度 for i, (start_line, func_def) in enumerate(functions): if i + 1 < len(functions): end_line = functions[i + 1][0] else: end_line = len(lines) func_length = end_line - start_line if func_length > 50: self.issues.append(CodeIssue( line=start_line + 1, severity='warning', category='maintainability', description=f'函数 {func_def} 长度超过50行，当前{func_length}行', suggestion='建议将长函数拆分为多个短函数，每个函数只做一件事' )) self.score['maintainability'] -= 1 # 检查重复代码（简化版） code_snippets = {} for i, line in enumerate(lines): stripped = line.strip() if len(stripped) > 20 and not stripped.startswith('#'): if stripped in code_snippets: self.issues.append(CodeIssue( line=i + 1, severity='warning', category='maintainability', description=f'发现可能重复的代码片段（与第{code_snippets[stripped]}行重复）', suggestion='考虑将重复代码提取为函数以提高代码复用性' )) self.score['maintainability'] -= 0.5 else: code_snippets[stripped] = i + 1 # 检查TODO注释 for i, line in enumerate(lines, 1): if 'TODO' in line or 'FIXME' in line or 'XXX' in line: self.issues.append(CodeIssue( line=i, severity='info', category='maintainability', description=f'发现未完成标记：{line.strip()}', suggestion='确保TODO/FIXME项被记录并跟踪' )) self.score['maintainability'] -= 0.1 def _check_error_handling_issues(self, lines: List[str]): """检查错误处理问题""" has_try = False for i, line in enumerate(lines, 1): stripped = line.strip() if stripped.startswith('try:'): has_try = True # 检查裸except if stripped == 'except:' or stripped.startswith('except:'): self.issues.append(CodeIssue( line=i, severity='error', category='error_handling', description='使用裸except捕获所有异常', suggestion='建议指定具体的异常类型，如except ValueError:' )) self.score['error_handling'] -= 1 # 检查只捕获异常而未处理 if has_try and ('except' in stripped): # 检查except块是否有内容 indent = len(line) - len(line.lstrip()) j = i while j < len(lines) - 1: j += 1 next_line = lines[j] if next_line.strip() and not next_line.strip().startswith('#'): next_indent = len(next_line) - len(next_line.lstrip()) if next_indent <= indent: break if next_indent > indent + 4: self.issues.append(CodeIssue( line=i, severity='warning', category='error_handling', description='except块中可能有pass或只有注释', suggestion='确保异常被正确处理或重新抛出' )) self.score['error_handling'] -= 0.5 break def _generate_best_practices(self) -> List[str]: """生成最佳实践建议""" practices = [] if self.score['style'] < 8: practices.append('遵循PEP 8代码规范，使用代码格式化工具如Black、autopep8') if self.score['security'] < 8: practices.append('使用安全编码实践，定期进行安全审计，避免常见安全漏洞') if self.score['performance'] < 8: practices.append('使用性能分析工具如cProfile，优化热点代码，使用高效的数据结构') if self.score['maintainability'] < 8: practices.append('编写清晰的文档和注释，遵循单一职责原则，保持函数短小') if self.score['error_handling'] < 8: practices.append('使用具体的异常类型，提供有意义的错误信息，记录日志') if not practices: practices.append('代码整体质量良好，继续保持！') return practices def review_code(code: str, language: str = 'python') -> Dict: """ 审核代码 Args: code: 代码内容 language: 编程语言 Returns: 审核结果字典 """ reviewer = CodeReviewer() if language.lower() == 'python': result = reviewer.review_python_code(code) else: return { 'error': f'暂不支持{language}语言的审核' } # 格式化输出 issues_output = [] for issue in result.issues: issues_output.append({ 'line': issue.line, 'severity': issue.severity, 'category': issue.category, 'description': issue.description, 'suggestion': issue.suggestion }) return { 'issues': issues_output, 'quality_score': result.quality_score, 'overall_score': result.overall_score, 'best_practices': result.best_practices } def read_file(file_path: str) -> Optional[str]: """ 读取文件内容 Args: file_path: 文件路径 Returns: 文件内容，如果文件不存在则返回None """ if not os.path.exists(file_path): return None try: with open(file_path, 'r', encoding='utf-8') as f: return f.read() except Exception: return None if __name__ == '__main__': # 测试示例 test_code = ''' def calculate_sum(numbers): result = 0 for i in range(len(numbers)): result = result + numbers[i] return result def process_data(data): password = "hardcoded_password" try: result = eval(data) except: pass return result class DataProcessor: def __init__(self, data): self.data = data self.processed = None def process(self): # TODO: implement processing logic sql = "SELECT * FROM users WHERE id = " + str(self.data['user_id']) output = "" for item in self.data['items']: output = output + str(item) + ", " return output ''' result = review_code(test_code) print("代码审核结果：") print(f"综合评分：{result['overall_score']:.2f}/10") print(f"\n发现问题：{len(result['issues'])}个") for issue in result['issues']: print(f" 第{issue['line']}行 [{issue['severity']}] {issue['description']}") print(f"\n最佳实践：") for practice in result['best_practices']: print(f" - {practice}") 3.3 配置SKILL使用脚本修改SKILL.md文件，添加脚本调用说明：# 智能代码审核助手技能 ## 功能描述 该技能用于自动进行代码审核，发现代码中的问题并提供改进建议。支持多种编程语言的代码审核，包括Python、Java、JavaScript等。 ## 输入格式 1. 粘贴代码进行审核： "审核以下代码：\n[代码内容]" 2. 文件路径审核： "审核文件 [文件路径] 的代码" 3. 指定审核标准： "按照 [审核标准] 审核以下代码：\n[代码内容]" ## 输出格式 - 问题列表：包含问题位置、问题类型、问题描述 - 改进建议：针对每个问题的具体改进方案 - 代码质量评分：综合评分和各项指标评分 - 最佳实践建议：代码优化的最佳实践推荐 ## 审核维度 1. 代码规范：命名规范、缩进规范、注释规范 2. 代码安全：潜在安全漏洞、敏感信息泄露 3. 代码性能：性能问题、资源泄漏 4. 代码可维护性：复杂度、耦合度、重复代码 5. 错误处理：异常处理、边界条件处理 ## 审核标准 ### 严重程度等级 - **error（错误）**：必须修复的问题，可能导致功能错误或安全漏洞 - **warning（警告）**：建议修复的问题，可能影响代码质量或性能 - **info（信息）**：可选的优化建议，用于提升代码可读性或最佳实践遵循 ### 评分标准 - 9-10分：优秀，几乎无问题 - 7-8分：良好，有少量警告和信息 - 5-6分：一般，存在较多问题需要修复 - 5分以下：较差，需要大幅重构 ## 示例用法 1. 粘贴代码审核： "审核以下Python代码：\ndef calculate_sum(numbers):\n result = 0\n for i in range(len(numbers)):\n result = result + numbers[i]\n return result" 2. 文件审核： "审核文件 /path/to/example.py 的代码" ## 脚本调用 当用户请求代码审核时，调用 `code_reviewer.py` 脚本进行处理： ```python from code_reviewer import review_code, read_file def handle_code_review(user_input): # 解析用户输入 if user_input.startswith('审核以下代码：'): code = user_input.split('审核以下代码：')[-1].strip() result = review_code(code, 'python') elif user_input.startswith('审核文件'): file_path = user_input.split('审核文件')[-1].strip().split('的代码')[0].strip() code = read_file(file_path) if code: result = review_code(code, 'python') else: return "文件不存在或无法读取" else: return "请使用正确的格式：\n1. 审核以下代码：\n[代码内容]\n2. 审核文件 [文件路径] 的代码" # 格式化输出 output = f"## 代码审核结果\n\n" output += f"**综合评分：{result['overall_score']:.2f}/10**\n\n" output += "### 质量评分\n" for category, score in result['quality_score'].items(): output += f"- {category}: {score:.2f}/10\n" output += "\n" if result['issues']: output += f"### 发现问题（共{len(result['issues'])}个）\n\n" # 按严重程度分组 errors = [i for i in result['issues'] if i['severity'] == 'error'] warnings = [i for i in result['issues'] if i['severity'] == 'warning'] infos = [i for i in result['issues'] if i['severity'] == 'info'] if errors: output += "#### 错误（必须修复）\n" for issue in errors: output += f"- **第{issue['line']}行** [{issue['category']}] {issue['description']}\n 建议：{issue['suggestion']}\n" output += "\n" if warnings: output += "#### 警告（建议修复）\n" for issue in warnings: output += f"- **第{issue['line']}行** [{issue['category']}] {issue['description']}\n 建议：{issue['suggestion']}\n" output += "\n" if infos: output += "#### 信息（可选优化）\n" for issue in infos: output += f"- **第{issue['line']}行** [{issue['category']}] {issue['description']}\n 建议：{issue['suggestion']}\n" output += "\n" else: output += "### 发现问题\n未发现问题，代码质量优秀！\n\n" output += "### 最佳实践建议\n" for practice in result['best_practices']: output += f"- {practice}\n" return output3.4 使用智能代码审核助手SKILL在华为云码道对话界面，输入：“审核以下代码：\ndef calculate_sum(numbers):\n result = 0\n for i in range(len(numbers)):\n result = result + numbers[i]\n return result\n\ndef process_data(data):\n password = ‘hardcoded_password’\n try:\n result = eval(data)\n except:\n pass\n return result”等待码道调用code-review-assistant SKILL进行分析。查看生成的代码审核结果，包括问题列表、质量评分和改进建议。尝试其他审核请求，如文件审核。四、效果展示4.1 代码审核结果示例输入代码：def calculate_sum(numbers): result = 0 for i in range(len(numbers)): result = result + numbers[i] return result def process_data(data): password = "hardcoded_password" try: result = eval(data) except: pass return result输出结果：代码审核结果综合评分：6.50/10质量评分style: 8.00/10security: 4.00/10performance: 8.50/10maintainability: 7.00/10error_handling: 5.00/10发现问题（共5个）错误（必须修复）第7行 [security] 发现硬编码密码建议：避免在代码中硬编码密码，使用环境变量或配置文件第8行 [security] eval()使用风险建议：eval()可能执行任意代码，建议使用ast.literal_eval或重写逻辑警告（建议修复）第3行 [performance] 使用range(len())遍历序列建议：建议直接遍历序列或使用enumerate()第10行 [error_handling] 使用裸except捕获所有异常建议：建议指定具体的异常类型，如except ValueError:信息（可选优化）第1行 [style] 函数 calculate_sum 缺少文档字符串建议：建议为公共函数添加docstring说明其功能、参数和返回值最佳实践建议使用安全编码实践，定期进行安全审计，避免常见安全漏洞使用具体的异常类型，提供有意义的错误信息，记录日志遵循PEP 8代码规范，使用代码格式化工具如Black、autopep84.2 实际应用场景代码提交前自审：开发者在提交代码前使用该SKILL进行自审，提前发现并修复问题。Pull Request审核：在团队协作中，使用该SKILL作为代码审核的辅助工具，提高审核效率。代码重构前评估：在进行代码重构前，使用该SKILL评估代码质量，制定重构计划。代码教学反馈：在编程教学中，使用该SKILL为学生提供即时的代码反馈，帮助学生学习和改进。五、总结本案例基于华为云码道 AI IDE 成功构建了智能代码审核助手SKILL，实现了以下功能：支持多种编程语言的代码审核自动发现代码中的问题，包括安全漏洞、性能问题、代码规范问题等提供详细的改进建议，帮助开发者修复问题生成代码质量评分和多维度评估报告提供最佳实践建议，帮助开发者提升编码水平该SKILL可以作为代码审核的辅助工具，帮助开发团队提高代码质量，减少审核工作量，提升开发效率。本文中创建的code-review-assistant SKILL已上传至GitCode，各位开发者按需下载https://gitcode.com/weixin_52908342/code-review-assistant.git至此，基于AI IDE华为云码道（CodeArts）代码智能体构建智能代码审核助手SKILL案例结束，各位小伙伴快使用华为云码道（CodeArts）代码智能体体验吧。【案例共创】【第10期】华为云码道（CodeArts）代码智能体 + SKILL完成应用开发/调试实践cid:link_1

基于华为云码道 AI IDE 开发 health-consultant-assistant 健康咨询 SKILL本案例将基于华为云码道 AI IDE 构建SKILL技能，一个智能健康咨询助手（health-consultant-assistant），通过该SKILL可以提供健康咨询和辅助临床决策支持，帮助用户获取专业的健康建议。一、概述1.1 适用对象医疗专业人士（医生、护士、医疗研究人员）普通用户（寻求健康咨询的个人）医疗机构（医院、诊所、健康管理机构）医学院校学生1.2 案例时间本案例总时长预计60分钟。1.3 案例流程在日常生活中，人们经常会遇到各种健康问题，需要专业的医疗建议。同时，医疗专业人士在临床决策过程中也需要辅助工具来提高诊断准确性和效率。为了解决这一需求，通过华为云码道（CodeArts）代码智能体强大的 AI 能力，快速构建一个 【智能健康咨询助手】 的SKILL。这个 SKILL 将能够提供健康咨询服务和辅助临床决策支持，帮助用户获取专业的健康建议。SKILLs是一种为大型语言模型获取新能力的模块化封装标准。它基于"渐进式披露"（Progressive Disclosure）架构设计，将特定任务的指令、脚本与资源结构化存储为独立单元。该机制允许模型在对话上下文中，通过元数据智能识别用户意图，仅在需要执行特定功能时，才按需加载对应的核心指令（SKILL.md）及可执行资源（如Python脚本、参考文档）。这种架构在保证模型轻量化响应的同时，显著扩展了其处理复杂、多步骤任务的能力。华为云码道（CodeArts）代码智能体是一款集代码大模型、AI IDE、Code Agent为一体的智能编码产品。一个理解项目需求，懂得编码之道，善用百器的实干派AI研发砖家，开启你的编码自动驾驶模式。1.4 资源总览本案例预计花费0元。资源名称规格单价（元）华为云码道（CodeArts）代码智能体系统标配免费二、环境和资源准备2.1 AI IDE华为云码道安装部署参考《AI IDE华为云码道（CodeArts）代码智能体安装部署》完成AI IDE华为云码道（CodeArts）代码智能体安装部署。2.2 技能创建准备打开华为云码道，进入项目目录确保已安装最新版本的华为云码道 AI IDE三、实现步骤3.1 创建智能健康咨询助手SKILL在码道右上角打开设置，进入设置界面后选择技能与规则，在项目级板块下技能的右侧点"+ 新建"。编辑技能名称为health-consultant-assistant，然后点确定。系统自动在当前目录下创建.codeartsdoer/skills/health-consultant-assistant目录，并在该目录下新建了一个SKILL.md文件。编辑SKILL.md文件，添加以下内容：# 智能健康咨询助手技能 ## 功能描述 该技能用于提供健康咨询服务和辅助临床决策支持，帮助用户获取专业的健康建议。支持普通健康咨询和专业临床决策辅助两种模式。 ## 输入格式 1. 普通健康咨询： "咨询关于[健康问题]的信息" "我有[症状]，应该怎么办？" 2. 临床决策辅助（针对医疗专业人士）： "辅助诊断：患者有[症状1]、[症状2]等症状" "药物相互作用查询：[药物1]和[药物2]是否可以同时使用？" ## 输出格式 - 健康咨询：提供专业的健康建议、注意事项、预防措施等 - 临床决策辅助：提供可能的诊断、建议的检查项目、治疗方案参考等 ## 处理流程 1. 接收用户输入（健康咨询或临床决策辅助请求） 2. 分析用户需求和输入信息 3. 基于医学知识提供专业建议 4. 输出结构化的健康咨询或临床决策辅助结果 ## 示例用法 1. 健康咨询： "咨询关于高血压的信息" "我经常头痛，应该怎么办？" 2. 临床决策辅助： "辅助诊断：患者有发热、咳嗽、乏力等症状" "药物相互作用查询：阿莫西林和布洛芬是否可以同时使用？" 3.2 创建辅助脚本在health-consultant-assistant目录下创建health_consultant.py脚本，用于处理健康咨询逻辑：#!/usr/bin/env python3 """ 智能健康咨询助手 """ from typing import Dict, List, Optional # 健康知识库 HEALTH_KNOWLEDGE = { "hypertension": { "name": "高血压", "description": "高血压是一种常见的慢性疾病，指动脉血压持续升高超过正常范围。", "symptoms": ["头痛", "头晕", "心悸", "视力模糊", "疲劳"], "prevention": ["保持健康饮食", "定期运动", "控制体重", "减少盐分摄入", "限制酒精 consumption", "定期监测血压"], "treatment": ["生活方式改变", "药物治疗", "定期随访"] }, "diabetes": { "name": "糖尿病", "description": "糖尿病是一种代谢性疾病，其特征是血糖水平长期升高。", "symptoms": ["多饮", "多尿", "多食", "体重下降", "疲劳"], "prevention": ["健康饮食", "定期运动", "控制体重", "定期检查血糖", "避免吸烟"], "treatment": ["饮食控制", "运动疗法", "口服降糖药", "胰岛素治疗", "定期监测血糖"] }, "headache": { "name": "头痛", "description": "头痛是一种常见症状，可能由多种原因引起。", "symptoms": ["头部疼痛", "头晕", "恶心", "呕吐", "对光敏感"], "prevention": ["保持充足睡眠", "避免压力", "保持水分", "规律饮食", "避免过度使用止痛药"], "treatment": ["休息", "热敷或冷敷", "止痛药", "治疗 underlying cause"] } } # 药物相互作用数据库 DRUG_INTERACTIONS = { "amoxicillin": { "name": "阿莫西林", "interactions": { "ibuprofen": "可以同时使用，但可能增加胃肠道不适的风险", "warfarin": "可能增加出血风险", "methotrexate": "可能增加副作用风险" } }, "ibuprofen": { "name": "布洛芬", "interactions": { "amoxicillin": "可以同时使用，但可能增加胃肠道不适的风险", "aspirin": "可能增加胃肠道出血风险", "warfarin": "可能增加出血风险" } } } # 症状与可能疾病的映射 SYMPTOM_DISEASE_MAP = { "发热": ["感冒", "流感", "肺炎", "其他感染"], "咳嗽": ["感冒", "流感", "肺炎", "哮喘", "慢性支气管炎"], "乏力": ["感冒", "流感", "贫血", "甲状腺功能减退", "抑郁症"], "头痛": ["偏头痛", "紧张性头痛", "鼻窦炎", "高血压", "脑肿瘤"], "腹痛": ["胃炎", "胃溃疡", "肠易激综合征", "阑尾炎", "胆囊炎"] } def get_health_advice(health_topic: str) -> Dict: """ 获取健康咨询建议 Args: health_topic: 健康话题 Returns: 包含健康建议的字典 """ # 标准化输入 topic = health_topic.lower() # 查找匹配的健康知识 for key, knowledge in HEALTH_KNOWLEDGE.items(): if key in topic or knowledge["name"] in topic: return { "topic": knowledge["name"], "description": knowledge["description"], "symptoms": knowledge["symptoms"], "prevention": knowledge["prevention"], "treatment": knowledge["treatment"] } # 如果没有找到匹配的健康知识 return { "topic": health_topic, "description": "抱歉，暂未找到相关健康信息。建议咨询专业医疗人员获取更准确的建议。", "symptoms": [], "prevention": [], "treatment": [] } def get_drug_interaction(drug1: str, drug2: str) -> Dict: """ 查询药物相互作用 Args: drug1: 第一种药物 drug2: 第二种药物 Returns: 包含药物相互作用信息的字典 """ # 标准化输入 drug1 = drug1.lower() drug2 = drug2.lower() # 查找药物相互作用 if drug1 in DRUG_INTERACTIONS: if drug2 in DRUG_INTERACTIONS[drug1]["interactions"]: return { "drug1": DRUG_INTERACTIONS[drug1]["name"], "drug2": DRUG_INTERACTIONS.get(drug2, {"name": drug2})["name"], "interaction": DRUG_INTERACTIONS[drug1]["interactions"][drug2] } # 如果没有找到药物相互作用信息 return { "drug1": drug1, "drug2": drug2, "interaction": "未找到相关药物相互作用信息。建议咨询药剂师或医生获取专业建议。" } def assist_diagnosis(symptoms: List[str]) -> Dict: """ 辅助诊断 Args: symptoms: 症状列表 Returns: 包含可能诊断的字典 """ possible_diseases = {} # 分析症状 for symptom in symptoms: if symptom in SYMPTOM_DISEASE_MAP: diseases = SYMPTOM_DISEASE_MAP[symptom] for disease in diseases: possible_diseases[disease] = possible_diseases.get(disease, 0) + 1 # 按匹配症状数量排序 sorted_diseases = sorted(possible_diseases.items(), key=lambda x: x[1], reverse=True) return { "symptoms": symptoms, "possible_diseases": [disease for disease, _ in sorted_diseases[:5]], "suggestion": "以上仅为初步分析，具体诊断请咨询专业医生。" } def process_health_query(query: str) -> Dict: """ 处理健康咨询查询 Args: query: 用户查询 Returns: 处理结果 """ query = query.lower() # 处理健康咨询 if "咨询关于" in query: topic = query.split("咨询关于")[-1].strip() return get_health_advice(topic) # 处理症状咨询 elif "我有" in query and "应该怎么办" in query: symptoms = query.split("我有")[-1].split("，应该怎么办")[0].strip() return get_health_advice(symptoms) # 处理临床决策辅助 elif "辅助诊断：" in query: symptoms_part = query.split("辅助诊断：")[-1].strip() # 提取症状 symptoms = [s.strip() for s in symptoms_part.split("、") if s.strip()] return assist_diagnosis(symptoms) # 处理药物相互作用查询 elif "药物相互作用查询：" in query: drugs_part = query.split("药物相互作用查询：")[-1].strip() # 提取药物 drugs = [d.strip() for d in drugs_part.split("和") if d.strip()] if len(drugs) == 2: return get_drug_interaction(drugs[0], drugs[1]) # 无法识别的查询 return { "error": "无法理解您的查询，请使用以下格式：\n1. 咨询关于[健康问题]的信息\n2. 我有[症状]，应该怎么办？\n3. 辅助诊断：患者有[症状1]、[症状2]等症状\n4. 药物相互作用查询：[药物1]和[药物2]是否可以同时使用？" } if __name__ == '__main__': # 测试示例 test_queries = [ "咨询关于高血压的信息", "我有头痛，应该怎么办？", "辅助诊断：患者有发热、咳嗽、乏力等症状", "药物相互作用查询：阿莫西林和布洛芬是否可以同时使用？" ] for query in test_queries: print(f"查询: {query}") result = process_health_query(query) print(f"结果: {result}") print("-" * 50) 3.3 配置SKILL使用脚本修改SKILL.md文件，添加脚本调用说明：# 智能健康咨询助手技能 ## 功能描述 该技能用于提供健康咨询服务和辅助临床决策支持，帮助用户获取专业的健康建议。支持普通健康咨询和专业临床决策辅助两种模式。 ## 输入格式 1. 普通健康咨询： "咨询关于[健康问题]的信息" "我有[症状]，应该怎么办？" 2. 临床决策辅助（针对医疗专业人士）： "辅助诊断：患者有[症状1]、[症状2]等症状" "药物相互作用查询：[药物1]和[药物2]是否可以同时使用？" ## 输出格式 - 健康咨询：提供专业的健康建议、注意事项、预防措施等 - 临床决策辅助：提供可能的诊断、建议的检查项目、治疗方案参考等 ## 处理流程 1. 接收用户输入（健康咨询或临床决策辅助请求） 2. 分析用户需求和输入信息 3. 基于医学知识提供专业建议 4. 输出结构化的健康咨询或临床决策辅助结果 ## 示例用法 1. 健康咨询： "咨询关于高血压的信息" "我有头痛，应该怎么办？" 2. 临床决策辅助： "辅助诊断：患者有发热、咳嗽、乏力等症状" "药物相互作用查询：阿莫西林和布洛芬是否可以同时使用？" ## 脚本调用 当用户请求健康咨询或临床决策辅助时，调用 `health_consultant.py` 脚本进行处理： ```python from health_consultant import process_health_query def handle_health_query(user_input): result = process_health_query(user_input) # 格式化输出结果 if "error" in result: return result["error"] elif "topic" in result: # 健康咨询结果 output = f"## {result['topic']}\n\n" output += f"### 描述\n{result['description']}\n\n" if result['symptoms']: output += "### 常见症状\n" for symptom in result['symptoms']: output += f"- {symptom}\n" output += "\n" if result['prevention']: output += "### 预防措施\n" for measure in result['prevention']: output += f"- {measure}\n" output += "\n" if result['treatment']: output += "### 治疗建议\n" for treatment in result['treatment']: output += f"- {treatment}\n" output += "\n**注意：以上信息仅供参考，不能替代专业医疗建议。如有健康问题，请咨询专业医生。**" return output elif "symptoms" in result: # 辅助诊断结果 output = "## 辅助诊断结果\n\n" output += "### 患者症状\n" for symptom in result['symptoms']: output += f"- {symptom}\n" output += "\n" output += "### 可能的疾病\n" for disease in result['possible_diseases']: output += f"- {disease}\n" output += "\n" output += f"### 建议\n{result['suggestion']}\n" return output elif "drug1" in result: # 药物相互作用查询结果 output = "## 药物相互作用查询结果\n\n" output += f"### 药物\n- {result['drug1']}\n- {result['drug2']}\n\n" output += f"### 相互作用\n{result['interaction']}\n\n" output += "**注意：以上信息仅供参考，具体用药请咨询医生或药剂师。**" return output else: return "无法处理您的请求，请尝试使用正确的格式。" 3.4 使用智能健康咨询助手SKILL在华为云码道对话界面，输入：“咨询关于高血压的信息”等待码道调用health-consultant-assistant SKILL进行分析。查看生成的健康咨询结果，包括高血压的描述、常见症状、预防措施和治疗建议。尝试其他查询，如：“我有头痛，应该怎么办？”“辅助诊断：患者有发热、咳嗽、乏力等症状”“药物相互作用查询：阿莫西林和布洛芬是否可以同时使用？”四、效果展示4.1 健康咨询示例输入：“咨询关于高血压的信息”输出结果：高血压描述高血压是一种常见的慢性疾病，指动脉血压持续升高超过正常范围。常见症状头痛头晕心悸视力模糊疲劳预防措施保持健康饮食定期运动控制体重减少盐分摄入限制酒精 consumption定期监测血压治疗建议生活方式改变药物治疗定期随访注意：以上信息仅供参考，不能替代专业医疗建议。如有健康问题，请咨询专业医生。4.2 临床决策辅助示例输入：“辅助诊断：患者有发热、咳嗽、乏力等症状”输出结果：辅助诊断结果患者症状发热咳嗽乏力可能的疾病感冒流感肺炎其他感染贫血建议以上仅为初步分析，具体诊断请咨询专业医生。4.3 实际应用场景普通用户健康咨询：用户可以通过该SKILL获取常见疾病的信息、预防措施和治疗建议。医疗专业人士临床决策辅助：医生可以使用该SKILL作为辅助工具，获取可能的诊断建议和药物相互作用信息。健康管理机构：健康管理机构可以将该SKILL集成到其服务中，为客户提供初步的健康咨询服务。医学院校教学：医学院校可以使用该SKILL作为教学辅助工具，帮助学生学习常见疾病的症状和诊断方法。五、总结本案例基于华为云码道 AI IDE 成功构建了智能健康咨询助手SKILL，实现了以下功能：提供常见疾病的健康咨询服务，包括疾病描述、症状、预防措施和治疗建议为医疗专业人士提供临床决策辅助，包括基于症状的初步诊断建议提供药物相互作用查询功能，帮助用户了解不同药物之间的相互作用输出结构化的健康咨询和临床决策辅助结果该SKILL可以作为健康咨询和临床决策的辅助工具，帮助用户获取专业的健康建议，提高医疗服务的效率和质量。本文中创建的health-consultant-assistant SKILL已上传至GitCode，各位开发者按需下载：https://gitcode.com/weixin_52908342/health-consultant-assistant.git至此，基于AI IDE华为云码道（CodeArts）代码智能体构建智能健康咨询助手SKILL案例结束，各位小伙伴快使用华为云码道（CodeArts）代码智能体体验吧。反馈改进建议如您在案例实操过程中遇到问题或有改进建议，可以到论坛帖评论区反馈即可，我们会及时响应处理，谢谢！【案例共创】【第10期】华为云码道（CodeArts）代码智能体 + SKILL完成应用开发/调试实践cid:link_1

被禁止使用了，应该在哪里解禁啊

【案例共创】高效处理文档！基于华为云码道构建 document-analyzer-summarizer 技能案例介绍本案例将基于华为云码道 AI IDE 构建SKILL技能，一个智能文档分析与摘要工具（document-analyzer-summarizer），通过该SKILL可以快速分析文档内容并生成摘要，提高工作效率。一、概述1.1 适用对象个人开发者高校学生企业办公人员研究人员1.2 案例时间本案例总时长预计45分钟。1.3 案例流程在日常工作和学习中，我们经常需要处理大量文档，如技术文档、研究报告、商业计划书等。快速理解文档内容并提取关键信息是提高工作效率的重要环节。为了解决这一痛点，通过华为云码道（CodeArts）代码智能体强大的 AI 能力，快速构建一个 【智能文档分析与摘要】 的SKILL。这个 SKILL 将能够直接分析文档内容并生成简洁的摘要，帮助用户快速把握文档核心内容。SKILLs是一种为大型语言模型获取新能力的模块化封装标准。它基于"渐进式披露"（Progressive Disclosure）架构设计，将特定任务的指令、脚本与资源结构化存储为独立单元。该机制允许模型在对话上下文中，通过元数据智能识别用户意图，仅在需要执行特定功能时，才按需加载对应的核心指令（SKILL.md）及可执行资源（如Python脚本、参考文档）。这种架构在保证模型轻量化响应的同时，显著扩展了其处理复杂、多步骤任务的能力。华为云码道（CodeArts）代码智能体是一款集代码大模型、AI IDE、Code Agent为一体的智能编码产品。一个理解项目需求，懂得编码之道，善用百器的实干派AI研发砖家，开启你的编码自动驾驶模式。1.4 资源总览本案例预计花费0元。资源名称规格单价（元）华为云码道（CodeArts）代码智能体系统标配免费二、环境和资源准备2.1 AI IDE华为云码道安装部署参考《AI IDE华为云码道（CodeArts）代码智能体安装部署》完成AI IDE华为云码道（CodeArts）代码智能体安装部署。2.2 技能创建准备打开华为云码道，进入项目目录确保已安装最新版本的华为云码道 AI IDE三、实现步骤打开设置 > 智能体，在智能体 > 自动批准板块，分别打开读取文件和目录、编辑文件、使用MCP服务器、执行命令、更新代办、使用浏览器等功能。返回码道对话界面，提问测试智能体：“您好，你是什么模型”。智能体正常回答。3.1 创建智能文档分析与摘要SKILL应用代码分享：https://gitcode.com/weixin_52908342/document-analyzer-summarizer.git在码道右上角打开设置，进入设置界面后选择技能与规则，在项目级板块下技能的右侧点"+ 新建"。编辑技能名称为document-analyzer-summarizer，然后点确定。系统自动在当前目录下创建.codeartsdoer/skills/document-analyzer-summarizer目录，并在该目录下新建了一个SKILL.md文件。编辑SKILL.md文件，添加以下内容：# 智能文档分析与摘要技能 ## 功能描述 该技能用于分析文档内容并生成简洁的摘要，帮助用户快速把握文档核心内容。支持文本输入和文件上传两种方式。 ## 输入格式 1. 直接输入文本内容 2. 上传文档文件路径 ## 输出格式 - 文档摘要（包含核心观点、关键信息） - 文档结构分析 - 关键词提取 ## 处理流程 1. 接收用户输入（文本或文件路径） 2. 读取并分析文档内容 3. 提取核心观点和关键信息 4. 生成结构化摘要 5. 输出分析结果 ## 示例用法 1. 输入文本： "帮我分析以下文档内容并生成摘要：[文档内容]" 2. 输入文件路径： "帮我分析文件 [文件路径] 并生成摘要" 3.2 创建辅助脚本在document-analyzer-summarizer目录下创建analyzer.py脚本，用于处理文档分析逻辑：#!/usr/bin/env python3 """ 文档分析与摘要工具 """ import os import re from typing import Dict, List, Optional def analyze_document(content: str) -> Dict: """ 分析文档内容并生成摘要 Args: content: 文档内容 Returns: 包含摘要、结构分析和关键词的字典 """ # 简单的摘要生成逻辑 sentences = re.split(r'[。！？]', content) key_sentences = [] # 提取关键句子（这里使用简单的规则，实际应用中可以使用更复杂的算法） for i, sentence in enumerate(sentences): sentence = sentence.strip() if not sentence: continue # 优先选择包含关键词的句子 if any(keyword in sentence for keyword in ['重要', '关键', '核心', '建议', '结论', '总结']): key_sentences.append(sentence) # 选择开头和结尾的句子 elif i < 3 or i >= len(sentences) - 3: key_sentences.append(sentence) # 生成摘要 summary = '。'.join(key_sentences[:5]) + '。' if key_sentences else '文档内容为空' # 提取关键词（简单实现） words = re.findall(r'\b\w+\b', content) word_freq = {} for word in words: if len(word) > 1: word_freq[word] = word_freq.get(word, 0) + 1 keywords = sorted(word_freq.items(), key=lambda x: x[1], reverse=True)[:10] keywords = [word for word, _ in keywords] # 分析文档结构 structure = { '段落数': len(content.split('\n\n')), '句子数': len([s for s in sentences if s.strip()]), '字数': len(content) } return { 'summary': summary, 'structure': structure, 'keywords': keywords } def read_file(file_path: str) -> Optional[str]: """ 读取文件内容 Args: file_path: 文件路径 Returns: 文件内容，如果文件不存在则返回None """ if not os.path.exists(file_path): return None try: with open(file_path, 'r', encoding='utf-8') as f: return f.read() except Exception: try: with open(file_path, 'r', encoding='gbk') as f: return f.read() except Exception: return None if __name__ == '__main__': # 测试示例 test_content = """华为云码道（CodeArts）代码智能体是一款集代码大模型、AI IDE、Code Agent为一体的智能编码产品。 在智能生成方面，它能够依据开发者输入的需求描述，准确且高效地生成高质量代码；智能问答功能则如同开发者身边的专属技术顾问。 SKILLs是一种为大型语言模型获取新能力的模块化封装标准。它基于"渐进式披露"（Progressive Disclosure）架构设计，将特定任务的指令、脚本与资源结构化存储为独立单元。 该机制允许模型在对话上下文中，通过元数据智能识别用户意图，仅在需要执行特定功能时，才按需加载对应的核心指令（SKILL.md）及可执行资源（如Python脚本、参考文档）。 这种架构在保证模型轻量化响应的同时，显著扩展了其处理复杂、多步骤任务的能力。""" result = analyze_document(test_content) print("摘要:", result['summary']) print("文档结构:", result['structure']) print("关键词:", result['keywords']) 3.3 配置SKILL使用脚本修改SKILL.md文件，添加脚本调用说明：# 智能文档分析与摘要技能 ## 功能描述 该技能用于分析文档内容并生成简洁的摘要，帮助用户快速把握文档核心内容。支持文本输入和文件上传两种方式。 ## 输入格式 1. 直接输入文本内容 2. 上传文档文件路径 ## 输出格式 - 文档摘要（包含核心观点、关键信息） - 文档结构分析 - 关键词提取 ## 处理流程 1. 接收用户输入（文本或文件路径） 2. 读取并分析文档内容 3. 提取核心观点和关键信息 4. 生成结构化摘要 5. 输出分析结果 ## 示例用法 1. 输入文本： "帮我分析以下文档内容并生成摘要：[文档内容]" 2. 输入文件路径： "帮我分析文件 [文件路径] 并生成摘要" ## 脚本调用 当用户请求分析文档时，调用 `analyzer.py` 脚本进行处理： ```python from analyzer import analyze_document, read_file # 处理用户输入 def process_input(user_input): # 检查是否是文件路径 if user_input.startswith('帮我分析文件'): file_path = user_input.split('帮我分析文件')[-1].strip() content = read_file(file_path) if content: result = analyze_document(content) return format_result(result) else: return "文件不存在或无法读取" # 处理直接输入的文本 elif user_input.startswith('帮我分析以下文档内容并生成摘要：'): content = user_input.split('帮我分析以下文档内容并生成摘要：')[-1].strip() result = analyze_document(content) return format_result(result) else: return "请使用正确的格式输入：\n1. 帮我分析以下文档内容并生成摘要：[文档内容]\n2. 帮我分析文件 [文件路径] 并生成摘要" def format_result(result): output = f"## 文档摘要\n{result['summary']}\n\n" output += "## 文档结构\n" output += f"- 段落数：{result['structure']['段落数']}\n" output += f"- 句子数：{result['structure']['句子数']}\n" output += f"- 字数：{result['structure']['字数']}\n\n" output += "## 关键词\n" output += ', '.join(result['keywords']) return output3.4 使用智能文档分析与摘要SKILL在华为云码道对话界面，输入：“帮我分析以下文档内容并生成摘要：华为云码道（CodeArts）代码智能体是一款集代码大模型、AI IDE、Code Agent为一体的智能编码产品。在智能生成方面，它能够依据开发者输入的需求描述，准确且高效地生成高质量代码；智能问答功能则如同开发者身边的专属技术顾问。SKILLs是一种为大型语言模型获取新能力的模块化封装标准。它基于"渐进式披露”（Progressive Disclosure）架构设计，将特定任务的指令、脚本与资源结构化存储为独立单元。该机制允许模型在对话上下文中，通过元数据智能识别用户意图，仅在需要执行特定功能时，才按需加载对应的核心指令（SKILL.md）及可执行资源（如Python脚本、参考文档）。这种架构在保证模型轻量化响应的同时，显著扩展了其处理复杂、多步骤任务的能力。"等待码道调用document-analyzer-summarizer SKILL进行分析。查看生成的摘要结果，包括文档摘要、结构分析和关键词提取。四、效果展示4.1 分析结果示例输入文本：“华为云码道（CodeArts）代码智能体是一款集代码大模型、AI IDE、Code Agent为一体的智能编码产品。在智能生成方面，它能够依据开发者输入的需求描述，准确且高效地生成高质量代码；智能问答功能则如同开发者身边的专属技术顾问。SKILLs是一种为大型语言模型获取新能力的模块化封装标准。它基于"渐进式披露”（Progressive Disclosure）架构设计，将特定任务的指令、脚本与资源结构化存储为独立单元。该机制允许模型在对话上下文中，通过元数据智能识别用户意图，仅在需要执行特定功能时，才按需加载对应的核心指令（SKILL.md）及可执行资源（如Python脚本、参考文档）。这种架构在保证模型轻量化响应的同时，显著扩展了其处理复杂、多步骤任务的能力。"输出结果：文档摘要华为云码道（CodeArts）代码智能体是一款集代码大模型、AI IDE、Code Agent为一体的智能编码产品。在智能生成方面，它能够依据开发者输入的需求描述，准确且高效地生成高质量代码；智能问答功能则如同开发者身边的专属技术顾问。SKILLs是一种为大型语言模型获取新能力的模块化封装标准。它基于"渐进式披露"（Progressive Disclosure）架构设计，将特定任务的指令、脚本与资源结构化存储为独立单元。这种架构在保证模型轻量化响应的同时，显著扩展了其处理复杂、多步骤任务的能力。文档结构段落数：1句子数：5字数：338关键词智能, 代码, 模型, 架构, 能力, SKILLs, 任务, 生成, 功能, 开发者4.2 实际应用场景快速阅读技术文档：对于长篇技术文档，使用该SKILL可以快速获取核心内容，节省阅读时间。会议记录整理：将会议记录输入后，自动生成会议摘要和关键决策点。研究报告分析：快速提取研究报告的核心观点和结论。商业计划书评估：分析商业计划书的关键要素，帮助决策者快速把握项目要点。五、总结本案例基于华为云码道 AI IDE 成功构建了智能文档分析与摘要SKILL，实现了以下功能：支持文本输入和文件路径两种方式的文档分析自动生成文档摘要，提取核心观点分析文档结构，提供段落数、句子数和字数统计提取关键词，帮助用户快速了解文档主题该SKILL可以显著提高工作效率，特别是在处理大量文档时，能够快速把握核心内容，减少信息过载。至此，基于AI IDE华为云码道（CodeArts）代码智能体构建智能文档分析与摘要SKILL案例结束，各位小伙伴快使用华为云码道（CodeArts）代码智能体体验吧。反馈改进建议如您在案例实操过程中遇到问题或有改进建议，可以到论坛帖评论区反馈即可，我们会及时响应处理，谢谢！【案例共创】【第10期】华为云码道（CodeArts）代码智能体 + SKILL完成应用开发/调试实践https://bbs.huaweicloud.com/forum/thread-0212720921179660512-1-1.html

问了几个问题上下文就爆了，分析图片特别慢，玩不起了有点

用的 CodeArts IDE.代码库包含 AGENTS.md, 但在让 Agent 实现一个小功能时, 还是走读了一遍代码库, 感觉比较浪费 token. AGENTS.md 已经被各大开发广泛支持, 希望 CordeArts 也能支持. 

华为云码道（CodeArts）代码智能体- AI编程创想家第二期为什么大家都在抢这个 AI 编程神器？​还在为工作中代码报错熬夜秃头？​科研项目遇到编程瓶颈无从下手？​跨专业学习缺乏编程基础被劝退？​现在，华为云码道（CodeArts）代码智能体来了！作为华为云重磅推出的智能编码辅助工具，基于智能生成、智能问答两大核心能力构建起一套全方位、多层次的智能开发体系。广泛覆盖了代码生成、研发知识问答、单元测试用例生成、代码解释、代码注释、代码调试、代码翻译、代码检查、代码优化等开发场景，提高软件研发生产力。依据开发者输入的需求描述，准确且高效地生成高质量代码, 如同开发者身边的专属技术顾问。现携手全国各行业AI爱好者，从业者，邀你解锁 “AI + 编程” 的高效学习新方式 —— 不用死磕语法，不用堆砌经验，自然语言描述需求，就能让 AI 帮你完成程序的开发！ 0 门槛上手，小白也能变大神​支持 Java/Python/Go 等 7 种主流语言，代码生成、注释、调试、翻译一键搞定！不管是零基础同学的课程作业，还是研究生的科研项目开发，5 分钟就能完成注册与首次使用，新手引导视频 + 一步式流程，让编程像聊天一样简单，承包你的校园编程场景。 【参与步骤】步骤一、访问链接开通华为云账号步骤二、点击跳转“实验操作指导手册”，并根据操作文档中步骤完成应用的开发步骤三、将右上角带有华为云账号的界面截图+应用运行的截图，直接私信给小助手-啊柴并登记个人信息，即可获得奖励证书奖品：华为云CodeArts代码智能体运营团队颁发的活动结业证书（电子版）   【创意挑战赛奖项】要求用官方CodeArts AI IDE（操作文档中有下载链接）根据智能体设计创造优秀应用demo，题材不限，活动时间内提交作品代码包由工作专家评审，会评审出6名获奖者，获奖者颁布华为云CodeArts代码智能体运营团队颁发的AI编程创想家优秀作品证书+奖项礼品作品投寄邮箱：liyan537@h-partners.com注意：在发送的文件包中，要留下电话和姓名，以便于获奖后，我们与获奖者进行联系。一等奖：1名（华为智能手环）二等奖：2名（华为智能体脂秤）三等奖：3名（50元京东卡）【互动答疑】如果有什么关于活动的疑问，都可以添加“小助手-啊柴”（扫上方二维码加好友）为您答疑解惑    【活动时间】创意参赛作品提交时间：4月10日~6月30日  【奖励】华为云CodeArts代码智能体颁发的活动结业证书华为云CodeArts代码智能体颁发的高校AI编程创想家优秀作品证书创意挑战奖（数量6份） 【活动须知】请确保您的用户信息填写准确无误，以便我们及时为您送上精美奖品。请确保截图右上角华为云用户名与获奖信息保持一致，即截图、获奖信息与华为云账号保持一致视为一次有效抽奖，否则不予奖品发放。如参与创意挑战赛作品数量不及20，则择优发放奖项奖品和证书将在活动结束后15个工作日内发放，如遇缺货将会替换同等价值奖品。如有任何疑问，欢迎随时联系我们的小助手。本活动最终解释权归华为云CodeArts代码智能体- 高校AI编程创想家活动所有。

输出内容，输出总结一直在重复，语速又慢的要死，等一个任务的结束耗时多3倍

闲置状态，仅是打开ide,没有任何的ai对话。吃不消 太猛了

前言2026年3月21日，由华为云开发者发展与支持部、HCDG·上海、HCDE主办，靓推AI、未来数字创新中心、COC上海城市开发者社区联合协办的华为云AI编码实战训练营·上海站，在上海市漕河泾成功举办。本次活动以“AI编码实战”为核心主题，汇聚了上海本地开发者、技术从业者与AI领域爱好者，通过主题分享、实战演练、互动交流等多元形式，深度拆解华为云“码道（CodeArts）”代码智能体的技术能力与落地场景，带领参会者沉浸式体验“提问即代码”的智能开发新范式，共同探索人机协同的智效开发时代新机遇。春日技术盛宴启幕，共赴AI编码新征程春日的暖阳为技术交流增添了别样的活力，随着参会者陆续抵达现场签到入场，在轻松的氛围中交流技术心得、领取参会物资，不少开发者提前调试好电脑，为后续的实操环节做好充分准备。活动正式拉开帷幕，华为云HCDG上海核心组成员、HCDE 陈政（三掌柜）担任开场主持人，并在开场介绍中，首先分享了HCDG（华为云开发者社区）的发展理念与上海站的社区生态建设成果，强调了华为云始终以开发者为中心，通过技术赋能、资源支持、社区共建，助力每一位开发者在AI时代实现技术成长与职业突破。随着AI技术的飞速发展，传统开发模式正面临效率瓶颈，而AI编码工具的出现，正在重构软件开发的全流程，本次训练营正是为了让开发者零距离接触前沿AI编码技术，掌握“人机协同”的开发思维，打造个人与团队的核心技术竞争力。 深度技术拆解：码道代码智能体，重构AI应用开发全流程首先由华为云软件开发生产线高级工程师祝子豪老师带来了主题为《华为云码道（CodeArts）代码智能体》的精彩分享，为参会者全面拆解了码道代码智能体的技术架构、核心能力与应用场景。祝老师从当前软件开发的行业痛点切入，深入分析了开发者在日常工作中面临的重复编码效率低、复杂业务逻辑梳理难、跨团队协作成本高、项目交付周期长等核心挑战。他提出AI编码工具的核心价值，不仅是“写代码的辅助工具”，更是能够理解业务需求、生成高质量代码、优化开发流程、辅助问题排查的“智能开发伙伴”。随后，他详细介绍了华为云码道（CodeArts）代码智能体的核心优势：基于华为云自研大模型的深度优化，码道具备超强的代码理解与生成能力，能够支持多语言开发、全场景适配，从需求分析、代码编写、测试用例生成到部署运维，实现软件开发全生命周期的AI赋能；同时，码道深度集成华为云DevCloud生态，能够无缝对接华为云的云服务、数据库、中间件等资源，为开发者提供一站式智能开发体验。在分享中，祝老师通过多个真实业务场景的演示，直观展示了码道代码智能体的强大能力：从简单的Hello World程序生成，到复杂的业务系统架构设计；从代码漏洞的自动检测与修复，到接口文档的自动生成；从单体应用的快速开发，到微服务架构的协同开发，码道都能高效赋能，大幅提升开发效率。他强调码道的核心目标是“让开发者聚焦业务创新，而非重复劳动”，通过AI技术解放开发者的生产力，让开发者将更多精力投入到业务逻辑设计、产品体验优化等核心价值环节，真正实现“人机协同”的智效开发。 实战案例赋能：从需求到落地，解锁AI编码项目全流程关于码道技术理论分享之后，两场精彩的实战案例分享也为参会者带来了可落地、可复用的AI编码项目实践经验，让理论知识与真实业务场景深度结合。接着是由靓(jing)推AI运营负责人李海仑，以《华为云码道（CodeArts）AI编程打造体育场馆报名小程序》为主题，分享了如何利用码道代码智能体，从零到一快速搭建一款功能完整的体育场馆报名小程序。李老师从项目需求拆解入手，详细介绍了如何通过自然语言向码道描述业务需求，包括用户注册登录、场馆信息展示、在线预约报名、订单管理、后台数据统计等核心功能；随后，他演示了码道如何根据需求自动生成前端页面、后端接口、数据库设计等完整代码，以及如何通过码道的智能调试功能，快速修复代码bug、优化性能。他还分享了项目开发过程中的技术避坑指南，比如如何精准描述需求以获得高质量代码、如何对AI生成的代码进行二次优化、如何保障小程序的安全性与稳定性等，为参会者提供了极具参考价值的实战经验。紧接着，上海巢氪智能科技有限公司全栈开发王世权，带来了《华为云码道代码智能体实践：Spec开发宠物小程序》的主题分享。他以宠物服务行业的真实需求为背景，介绍了如何利用码道代码智能体，快速开发一款集宠物寄养、宠物美容、宠物用品商城、宠物健康管理于一体的综合服务应用。王老师重点分享了码道在复杂业务逻辑梳理中的核心作用：面对宠物服务场景中多角色（用户、商家、管理员）、多流程（预约、服务、支付、售后）的复杂业务，码道能够快速梳理业务架构，生成清晰的代码结构，大幅降低了开发难度；同时，他还演示了如何通过码道实现应用的一键部署与运维，让开发者无需关注底层基础设施，专注于业务功能的迭代优化。此外，他还分享了AI编码在中小企业数字化转型中的应用价值，通过码道工具，中小企业能够以更低的成本、更快的速度完成数字化系统的搭建，提升企业运营效率。 沉浸式实操体验：一键开启养虾模式，解锁专属技术福利在活动下半场环节，备受大家期待的动手实操环节正式开始，本次实操主题为《用码道开启一键养虾模式》，参会者携带电脑现场参与，沉浸式体验码道代码智能体的全流程开发能力。在实操环节中，讲师团队全程现场指导，带领参会者从需求定义、代码生成、调试优化到部署上线，完整体验了“一键养虾”智能系统的开发全过程。参会者们热情高涨，纷纷动手实践，在实操中深入理解码道的核心功能与使用技巧，不少开发者还针对实操中遇到的问题，与讲师、同行展开热烈讨论，现场学习氛围浓厚。为了激励参会者积极参与，本次活动设置了丰厚的专属奖品，完成实操任务、积极参与互动的参会者，均可现场领取华为云定制周边、技术书籍、华为云代金券等福利，进一步点燃了参会者的参与热情。实操环节不仅让开发者们掌握了码道的实际操作技能，更让大家直观感受到了AI编码工具对开发效率的颠覆性提升，不少参会者表示，通过本次实操，彻底改变了对AI编码工具的认知，未来将把码道应用到日常开发工作中。也有不少开发者表示，本次华为云AI编码实战训练营是一场干货满满的技术盛宴，不仅学习了前沿的AI编码技术，掌握了实用的开发工具，更结识了众多志同道合的技术伙伴，为后续的技术交流与合作搭建了优质平台。 赋能开发者成长，共绘AI开发新蓝图本次华为云AI编码实战训练营·上海站的成功举办，不仅为上海本地开发者带来了前沿的AI编码技术与实用的开发工具，更提高了华为云在上海的开发者生态建设。作为华为云面向开发者的核心社区品牌，HCDG始终致力于为开发者提供技术赋能、资源支持、交流合作的平台，通过系列技术沙龙、实战训练营、黑客马拉松等活动，助力开发者在AI时代实现技术成长与职业突破。在后面的开发者社区建设中，华为云将继续深耕AI编码技术，持续优化码道（CodeArts）代码智能体的产品能力，推出更多贴合开发者需求的技术活动与资源支持，携手广大开发者，共同探索人机协同的智效开发新范式，推动AI技术在各行各业的落地与创新，为数字经济的发展注入源源不断的动力。与此同时，HCDG·上海也将持续开展系列技术活动，搭建上海本地开发者的交流平台，汇聚技术力量，共建繁荣的AI开发者生态，让每一位开发者都能在AI时代绽放技术光芒。 

想问一下，会话存储在哪个目录下，因为恢复历史会话，会很慢，而且会卡死，想手动修改一下历史会话里面的内容；自动压缩可能解决不了问题，特别是会话打断的情况。

背景随着宠物经济的兴起，数字化工具成为宠物店提升服务效率与用户体验的关键。本项目旨在利用码道（CodeArts），快速构建一款贴合实际业务需求的宠物店预约小程序。宠物经济数字化宠物消费市场增长：宠物主对高品质服务的需求日益增长，愿意为便捷、专业的服务付费，形成了巨大的市场空间。传统的管理方式痛点：传统的电话、微信预约方式效率低下，易出错，难以进行有效的模块数据统计和分析，制约了门店的进一步发展。小程序解决方案：小程序作为一种轻量级应用，无需下载安装，即用即走，非常适合宠物店这类需要快速触达用户的线下服务场景。业务需求与挑战核心功能梳理：明确小程序的核心是解决预约管理问题，需包含服务展示、在线预约、信息收集等基础功能。用户体验要求：界面需要温馨友好，操作流程应简洁明了，减少用户学习成本，提供流畅的使用体验。开发技术门槛：对于没有编程基础的宠物店老板而言，如何跨越技术门槛，快速实现想法并上线是最大的挑战。数据安全与可靠：确保用户提交的个人信息和预约数据安全、可靠，防止数据泄漏或丢失，是系统稳定运行的基础。AI赋能，让软件开发更简单、更高效码道通过多项智能体核心能力重塑开发体验需求智能拆解：输入自然语言描述的需求，AI可自动拆解为详细的功能点和开发任务。界面原型生成：根据需求或草图，AI可快速生成符合规范的UI界面原型，加速设计环节。代码自动生成：AI根据设计稿和业务逻辑，自动生成高质量的前后端代码，减少手动编码工作量。测试用例生成：自动为代码生成单元测试、集成测试用例，提升代码质量和可靠性。智能问题修复：AI能够理解上下文，辅助开发者快速定位并修复BUG。码道（CodeArts）实践通过码道的Spec、规则和Skill，我们能够高效、规范地完成宠物小程序的开发。在实践过程中亲自体验感受AI编程、AI协作的强大优势。Spec开发模式模式选择Vibe-Coding模式：边说边做，快速验证。通过对话探索想法，通过迭代发现需求。Spec-Driven模式：以规划为导向，交付精准，代码优质。Spec模式-需求生成Spec模式-方案设计Spec模式-任务计划Spec模式-任务执行Rules规则设置通过规则约束，确保代码风格与质量统一代码风格规范：设置统一的代码格式规则，如缩进、命名规范等，保证团队代码风格的一致性。安全漏洞扫描：集成安全扫描规则，在代码提交时自动检查潜在的安全楼栋，如SQL注入、XSS攻击等。提交信息检查：规范Git提交信息的格式，确保每次提交都有清晰的描述，便于后续的版本管理和追溯。质量门禁卡点：在CI/CD流水线中设置质量门禁，如代码覆盖率、编译成功率等，确保只有高质量的代码才能合入主干分支。Skills技能设置技能扩展，让AI具备领域专业知识技能是什么？技能是CodeArts中能力的封装，它将特定领域的专业知识（如前端开发、测试）打包成可复用的模块。内置技能：CodeArts预置了丰富的内置技能，如生成单测、修复单测、Web页面生成与美化、国际化支持等。自定义技能：用户可以根据项目需求，创建个人级或项目级的自定义技能，将自己的经验沉淀为AI的能力。技能调用：在智能体模式下，通过简单的自然语言指令，如“使用frontend-design技能生成一个登录页”，即可调用相应技能完成任务。问题总结在实践中，我们遇到了一些问题并进行了总结，这些经验为后续的开发提供了宝贵的参考，也验证了AI编程、AI辅助开发的巨大潜力。从问题中学习，不断优化开发流程需求描述偏差：初始需求描述过于宽泛，导致AI生成内容与预期不符。通过细化需求，增加示例和约束，问题得以解决。样式调整迭代：AI生成的默认样式为基础，通过多次使用自然语言指令进行细化调整，最终达到设计要求。移动端兼容性：部分组件在移动端显示或交互效果不佳。利用CodeArts预览功能，在多种设别上进行测试并针对性优化。数据库配置：初期对云数据库配置不熟悉。通过查阅文档和问AI咨询，掌握了集合创建、索引设置和数据验证方法。遇到的问题及解决Spec模式：并未触发严格的Spec模式？解决：添加关键词“请按照Spec四步模式进行开发”封装Utils函数：新建上下文对话未使用封装函数？解决：Rules规则里，在自定义Rule规则里添加封装的关键函数方法，使得新建上下文自动触发封装函数引用。作品展示

关键词：华为云码道、CodeArts、AI 编程、小程序开发、体育场馆预约、低代码开发、AI 辅助编程在数字化转型加速的今天，传统体育场馆预约普遍存在流程繁琐、信息不透明、管理效率低、资源浪费等痛点。本文基于华为云 CodeArts 码道 AI 编程平台，完整复现一款商用级体育场馆预约小程序的全流程开发过程。从需求分析、技术选型、AI 开发实战、项目交付到未来规划，全程仅用31 小时完成 18 个页面 + 38 个接口，效率较传统开发提升 4 倍。文章包含可直接复用的Prompt 模板、开发技巧、Spec+Skill 使用方法，适合前端开发者、小程序开发者、低代码爱好者、企业数字化转型技术负责人阅读学习。一、项目背景：传统体育场馆预约的行业痛点传统线下体育场馆预约模式，已经无法适配现代用户便捷运动与场馆高效管理的需求，主要存在以下四大痛点：流程繁琐，体验极差电话咨询、现场填表、人工审核，耗时耗力，热门时段预约困难。信息不透明，供需错位场地实时状态、余位、价格无法实时查看，用户常跑空、场馆常闲置。管理低效，易出错人工记账、统计、排班，成本高、错误率高，无数据支撑决策。数据孤岛，无法运营无独立数字化平台，用户数据、运营数据无法沉淀，难以精细化运营。项目目标打造集场馆展示、在线预订、支付、订单管理、教练服务、资讯运营于一体的智能化一站式小程序二、开发平台：华为云码道 CodeArts AI 编程能力解析本次项目能实现极速交付，核心依靠华为云码道（CodeArts）——AI 原生 IDE + 代码智能体，提供全链路 AI 研发能力。1. 两种 AI 开发模式探索模式（Vibe-Coding Mode）边聊边做、快速验证，适合小微项目、需求探索、单一技术栈。规范驱动模式（Spec-Driven Mode）先定义需求规范，再精准交付，适合工程化项目、全栈开发、商用交付。本次实战采用规范驱动为主 + 探索模式为辅，兼顾速度与质量。2. 码道核心 AI 能力需求分析 → 自动生成项目结构与数据模型代码智能补全、错误修复、性能优化AI 自动生成测试用例，保障稳定性一键生成 API 文档、开发文档支持自定义 Skill 与 Spec，工程化可控三、实战开发：31 小时从 0 到 1 完整流程1. 项目初始化：一句话 Prompt 启动项目使用规范 Prompt，让 AI 一次性理解技术栈、框架、业务、功能。Prompt 示例（可直接复制使用）：用uniapp开发体育场馆预约小程序，使用uview UI框架。 包含功能： 1. 微信一键登录注册 2. 场馆列表、筛选、搜索 3. 场地详情、日期选择、时段选择 4. 在线预约下单、价格计算、支付 5. 我的订单、订单状态管理、取消订单 6. 教练列表、教练详情 7. 资讯列表、详情、评论点赞 8. 个人中心、收藏、反馈 要求：页面美观、逻辑完整、可直接上线。AI 自动输出：项目目录结构页面文件清单数据模型设计基础业务代码2. 核心开发技巧：指挥官模式（纠正 + 引导）（1）纠正：代码优化、组件化、去冗余将场馆列表页面的卡片UI抽离为独立组件，支持多页面复用。 将时间格式化、价格计算函数抽离到utils工具库。（2）引导：复杂功能一键生成实现场馆列表下拉刷新、上拉加载更多分页功能。 实现预约时段选择、互斥判断、价格实时计算。 实现微信支付流程与订单状态同步。3. 工程化保障：Spec + Skill 双引擎Spec：精准定义需求、功能、交互、验收标准，让 AI 不跑偏。Skill：封装可复用能力单元，如支付流程、分页逻辑、表单校验。两者配合，AI 输出可商用、可维护、可扩展的工程化代码。4. 开发心态（重要！）Vibe-Coding 存在一定随机性，先跑通、再优化、最后精修。复杂功能拆小，分步实现。AI 是助手，不是替代，关键逻辑人工把关。四、项目成果：31 小时交付商用级小程序本次由1 名开发者独立完成，总耗时31 小时，效率提升4 倍。1. 开发耗时Day1（8h）：框架搭建 + UI + 交互实现Day2（13h）：API 接口对接Day3（10h）：联调 + Bug 修复 + 优化2. 交付清单独立页面：18 个API 接口：38 个功能完整度：100%技术栈：uniapp + uView + 微信小程序原生能力3. 核心页面与功能首页：场馆搜索、分类、热门推荐场馆详情：场地 / 日期 / 时段选择、实时计价预约下单：信息确认、联系人、支付提交我的订单：状态管理、详情、取消订单教练中心：教练列表、详情、资质展示资讯中心：动态、训练技巧、活动公告个人中心：登录、收藏、反馈、设置全流程闭环：浏览 → 预订 → 支付 → 管理 → 复盘五、工程目录和代码片段截图总结：AI 编程不是替代，是超级放大器通过本次实战可以明确：AI 编程正在重构开发效率，华为云码道 CodeArts 让普通开发者也能快速交付商用级项目。把重复编码、接口对接、文档编写交给 AI把需求设计、架构把控、体验优化留给开发者小团队、短时间也能做出高可用、可商用的数字化产品对于小程序开发、企业数字化、低代码转型，AI 编程已是必选项。