做 AI 功能时，很多方案默认网络稳定、输入质量好、用户愿意等待。但移动设备的真实使用环境并不是实验室：用户可能在电梯里、户外、仓库或弱网区域使用应用。HarmonyOS 7 的 AI 开放能力为端侧体验提供了新选项，但接入前更值得想清楚的不是“能力列表有多全”，而是如何把端侧体验与失败处理一起设计进产品流程。

已有开发者实践覆盖了无网语音识别、通用文字识别、图像超分等方向，分别对应语音转文字、从图片中提取文本、改善图像细节等任务。但是否适合自己的产品，仍要回到输入数据、延迟容忍度、隐私要求和目标设备支持情况来判断，不能只因为“端侧 AI”听起来更先进就直接引入。

先从一个真实任务挑能力

以拍照识别场景为例：用户拍下路牌或路线提示牌后，希望快速获取文字内容。在没有网络时，端侧识别可能比上传图片后等待云端响应更合适。但真正落地时还要回答几个问题：

• 模糊、倾斜、反光的照片表现如何？
• 识别结果是否需要用户确认？
• 图片是否会保存在本地？
• 设备不支持或能力不可用时，体验如何退化？

语音转写也类似。会议记录、物流备注、户外语音备忘的噪声条件各不相同。演示环境下识别顺畅，不代表嘈杂环境里结果可靠。产品上需要给用户编辑结果的机会，并对姓名、地址、单号等关键字段做二次校验，避免把识别错误直接带入后续业务。

端侧与云侧不是二选一

更合理的方式是按数据敏感性、可用网络和任务复杂度做分工，而不是简单地把“端侧”当成“云端”的替代品。

所谓端云协同，不是简单地把失败请求自动上传。应让用户理解哪些数据会离开设备、何时上传、用于什么目的。离线状态下保存草稿、网络恢复后再同步，也要处理冲突和重复提交。

接入前先建立体验基线

上手时建议先核对官方文档中的能力开放范围、系统版本、设备要求、权限和调用限制，再在目标设备上做最小验证。用同一组真实样本比较不同环境下的结果：

安静与嘈杂；清晰与模糊；联网与离线；首次调用与连续调用。

记录识别错误类型、耗时、失败率和用户修正比例。没有这组基线，单靠演示视频或个别成功样本，很难判断是否值得上线。

能力不可用时，回退路径要保持任务完整

失败处理不是补一个提示弹窗，而是要让用户仍然能完成任务。例如：

• 文字识别失败，不要只弹“识别失败”，可以保留原图并允许手动输入；
• 端侧语音不可用时，可以切换为文本输入；
• 图像增强不满足预期，则保留原始图片，避免覆盖源文件。

回退路径设计得好，端侧能力才是体验增强；设计不好，反而会增加用户困惑。

HarmonyOS 7 的 AI 能力为应用提供了新的实现选项，但产品体验仍由端到端细节决定。更稳妥的做法是：先挑一个用户确实会在弱网或离线场景使用的功能，做小范围验证，再决定是否扩大投入。AI 不应该让流程更神秘，而应该让任务更短、更可靠，也让数据去向更清楚。