当前位置：首页>鸿蒙APP>鸿蒙仓颉编程语言挑战赛获奖作品:基于仓颉语言开发的鸿蒙原生应用——《仓颉迹》开发实践

鸿蒙仓颉编程语言挑战赛获奖作品:基于仓颉语言开发的鸿蒙原生应用——《仓颉迹》开发实践

2026-08-28 20:50:39

摘要：随着中国⽂化影响⼒的提升，越来越多的外籍⼈⼠开始学习中⽂，但在书写练习上常常⾯临“提笔忘字”和缺乏反馈的痛点。本⽂将分享我们基于仓颉编程语⾔开发的鸿蒙原⽣应⽤——《仓颉迹》。该应⽤旨在利⽤鸿蒙原⽣ AI 能⼒，打造⼀款懂办公、有反馈、能实战的智能化汉字学习助⼿。我们将深⼊解析其技术架构、关键技术实现以及开发过程中的感悟。

1. 项⽬核⼼ (Why & What)

1.1 开发初衷 (Why)

仓颉编程语⾔（Cangjie）是鸿蒙⽣态的⾃研编程语⾔，其名取⾃上古传说中“观察⻦兽蹄迒之迹”⽽创造汉字的仓颉。本项⽬《仓颉迹》正是寓意“⽤仓颉语⾔追寻仓颉造字之迹”——我们希望⽤这款以“造字圣⼈”命名的现代化语⾔，构建⼀款重现汉字之美的应⽤。这不仅是技术的实践，更是⼀场跨越古今的对话：⽤代码书写未来，⽤技术传承⽂明。

在数字化时代，中⽂学习者⾯临着独特的挑战：

1. 提笔忘字：汉字结构复杂，很多⼈会认但不会写。

2. 交互缺失：传统的字帖是静态的，缺乏实时的纠错和反馈。

3. 场景断层：现有的 App ⼤多针对幼⼉识字，缺乏针对成⼈办公和商务场景的训练。

我们的⽬标是利⽤ HarmonyOS 的原⽣能⼒，解决这些痛点，开发⼀款既适合学习⼜实⽤的汉字助⼿。

1.2 核⼼功能 (What)

《仓颉迹》定义为⼀款“基于仓颉语⾔的沉浸式汉字学习与办公助⼿”。它构建了⼀个“看-写-听-说”的四位⼀体体验

闭环：

看 (Eye)：通过动态笔顺演示，直观展示汉字的笔画顺序。
写 (Hand)：提供⽶字格智能描红功能，配合细腻的振动反馈，模拟真实的纸笔书写体验。
听 (Ear)：集成 AI 商务播报 (TTS)，让⽤户在商务场景下也能进⾏听⼒训练。
说 (Mouth)：内置 AI ⼝语评测 (ASR)，实时评估⽤户的发⾳准确度。

图 1：应⽤⾸⻚展示，融合了“新中式未来主义”设计⻛格

2. 关键技术实现 (How)

本项⽬采⽤ MVVM 架构，将 UI ( ArkUI ) 与业务逻辑分离，确保代码的清晰和可维护性。

图 2：《仓颉迹》技术架构图

以下是⼏个核⼼技术点的深度解析：

2.1 Web 与仓颉的⾼性能互操作

为了实现⾼质量的汉字笔顺动画，我们没有重复造轮⼦，⽽是复⽤了成熟的 Web 笔顺库 HanziWriter 。通过ArkWeb 组件托管 Web 内容，并利⽤ registerJavaScriptProxy 实现仓颉与 JavaScript 的双向通信。

核⼼代码实现如下：

// entry/src/main/cangjie/components/HanziWriterCanvas.cjfunc registerBridge() {  let onCorrectStrokeFunc = { data: String =>    this.onCorrectStroke(data) // 回调仓颉业务逻辑    return "ok"  }  // 将仓颉侧的闭包注册到 Web 端，供 JS 调⽤  webController.registerJavaScriptProxy(    [onCorrectStrokeFunc, ...], "nativeBridge", ["onCorrectStroke", ...]  )}

这种⽅式既利⽤了 Web ⽣态的丰富资源，⼜保持了原⽣应⽤的性能和体验。

2.2 鸿蒙原⽣端侧 AI (Privacy & Offline)

我们坚持端侧优先 (On-Device First) 的策略。应⽤不依赖云端 API，⽽是直接调⽤鸿蒙系统原⽣的

ai.textToSpeech 和 ai.speechRecognizer 能⼒。这不仅⽀持离线使⽤，且响应速度极快。

// entry/src/main/cangjie/services/TextToSpeechService.cjpublic func createEngine(...) {    // 调⽤ HMS 原⽣ AI 模块    let module = jsContext.requireSystemNativeModule("ai.textToSpeech", prefix: "hms")    // ... 后续调⽤原⽣ AI 能⼒进⾏语⾳合成}

2.3 多级缓存策略 (Performance)

为了确保汉字数据的秒开体验，我们设计了多级缓存策略：内存 -> 磁盘 -> RawFile -> ⽹络。

图 4：汉字练习与描红界⾯

// entry/src/main/cangjie/services/HanziDataService.cjpublic func loadData(charName: String): String {  if (cache.contains(charName)) { return ... } // 1. 优先从内存获取  if (isDiskCached(charName)) { return ... } // 2. 其次检查磁盘缓存  return loadFromRawFile(charName) // 3. 最后读取预置资源（为减少包体⼤⼩，后续可去除）}

2.4 并发预加载 (Concurrent Pre-loading)

除了多级缓存，我们还充分利⽤了仓颉语⾔轻量级线程 spawn 的优势，实现了⾼效的后台并发预下载。这突显了仓颉在处理并发任务时的简洁与⾼效（轻量级线程，极低开销）：

public func downloadList(chars: Array): Unit {  spawn {    let uniqueChars = HashSet()    uniqueChars.add(all: chars)    for (charName in uniqueChars) {         // 跳过已缓存的         if (isDiskCached(charName)) {              continue         }         // 并发下载         fetchHanziFromCND(charName, { result: ?String =>             if (letSome(data) <- result) {                 saveToDiskCache(charName, data)                 Hilog.info(0x0000, "CangjieApp",                      "[HanziDataService] Background downloaded: ${charName}")              }          })      }   }}