鸿蒙仓颉编程语言挑战赛二等奖作品:TaskGenie 打造基于仓颉语言的智能办公“任务中枢”
- 2026-02-04 20:06:27
01
团队介绍：
来自梅科尔工作室的极客力量
团队名称：MakerOne团队
我们是来自梅科尔工作室的参赛团队。团队由一群热衷于分布式技术与 AI 探索的开发者组成：
[吴玉佩] - 团队负责人 & 架构设计：负责整体架构设计与仓颉语言核心逻辑开发。
[田玟玟] - 前端开发：主攻 Cangjie UI 界面构建与交互逻辑，实现多端适配。
[曹梦涵] - AI算法组：负责端侧 VisionKit 接入、ASR 流程优化及 CangjieMagic 智能体调优。
[孟茜] - 产品经理：深度挖掘办公痛点，负责场景设计与多模态交互闭环。
02
项目核心：
从碎片信息到行动落地的智能跃迁
1. Why：为什么开发 TaskGenie？
在工作室的日常协作中，我们发现“任务”往往消失在白板的擦除瞬间、消失在会议后的闲谈中、消失在凌乱的手机相册里。信息碎片化、转化低效、追踪缺失是办公场景的三座大山。我们希望借助鸿蒙原生能力与仓颉语言的高性能特性，打造一个“随手记、自动拆、实时跟”的智能中枢。
2. What：四大功能矩阵
图像任务提取 (Image2Task)：白板草图、手写笔记，一键转为结构化待办。
智能任务拆解 (TaskDecomposition)：多轮对话深度理解，将模糊指令拆解为可执行的任务树。
会议纪要生成 (Audio2Insight)：语音实时转写，自动提取责任人与时间节点。
剪贴板助手 (ClipboardAI)：跨应用复制文本，系统智能识别意图并创建任务。
3. How：技术实现路径
项目采用三层协同架构：
交互层：ArkTS 极速响应，适配手机、平板多端流转。
逻辑层 (核心)：基于仓颉语言 (Cangjie) 编写。利用其原生高性能、零拷贝特性处理多模态数据。
支撑层：深度调用 HarmonyOS VisionKit、Core Speech Kit 及分布式软总线。
03
项目亮点与难点攻克
1
CangjieMagic 智能体：端云协同的“大脑”
我们构建了基于仓颉语言的智能体架构。在端侧，利用仓颉轻量化运行时的优势，实现毫秒级的意图识别，响应速度提升 8 倍。同时接入 MCP (Model Context Protocol) 服务，将单一的 Prompt 转化为可观测的推理链路。
2
极致隐私：数据不出设备
借助鸿蒙原生安全能力，图像 OCR 与语音 ASR 预处理均在端侧完成。敏感的会议纪要和个人任务无需上传云端，在保障隐私的同时，大幅降低了云端负载。
3
全量仓颉的演进
项目不仅在 App 端侧使用仓颉，后续规划中我们已启动基于天擎框架 (Cangjie-based) 的后端重构，配合 SqlSharp ORM，旨在实现从端到云的“纯仓颉”全栈开发。
04
核心难点攻克
在开发过程中，最难的是如何在高并发的语音/图像识别流中保持系统的丝滑。
挑战：多模态数据处理时，传统语言易出现内存抖动。
方案：我们利用仓颉语言的自动内存管理与原生并发模型，通过 spawn 线程优化 AI 推理链路，确保了在平板进行语音转写的同时，后台任务拆解依然能秒级完成。
05
感悟与经验：备赛心得感悟经验
原生协同是王道：不要把仓颉只当成一种新语言，要把它看作是鸿蒙底座的延伸。仓颉与原生 Kit 的深度融合（如 VisionKit）能释放出远超跨平台框架的性能。
顺着人性做事，逆着人性做人：在产品设计上要“顺着人性”，即用户越懒越好，所以我们做了剪贴板自动识别和语音一键转任务；在技术实现上要“逆着人性”，即拒绝捷径，坚持做端侧处理以保障隐私。
多模态交互闭环：单一的输入方式（如仅文字）无法覆盖办公全场景。TaskGenie 的成功在于打通了“图-文-音”的转化壁垒。
06
结语：在创造中，与未来同频
在 TaskGenie 从灵感闪现到最终落地的过程中，我们深切感受到了华为仓颉编程语言及其生态所蕴含的力量。感谢仓颉团队提供的详尽文档、技术专家支持，这不仅是一门语言的诞生，更是属于中国开发者自立自强的技术底座。TaskGenie 不仅仅是一个工具，它是我们对未来“无感办公”的一次尝试。我们将持续迭代，在鸿蒙生态中探索仓颉语言的更多可能！
07
仓库链接
https://openatom.tech/cangjiechallenge/415a329694b3762b409837dc30263f63
往期文章：
鸿蒙仓颉编程语言挑战赛一等奖作品：MeetAI-基于Cangjie的智能会后整理助手
鸿蒙仓颉编程语言挑战赛二等奖作品 ：以仓颉之码，筑智慧学园——基于仓颉与OpenHarmony的智慧校园协同管控系统实践
