【OpenHarmony/HarmonyOs 】CheckMe 智能能力扩展：人脸识别开放能力、端侧 AI 与元服务集成设计

2502_94757980

7人浏览 · 2026-07-05 23:18:43

2502_94757980 · 2026-07-05 23:18:43 发布

【OpenHarmony/HarmonyOs 】CheckMe 智能能力扩展：人脸识别开放能力、端侧 AI 与元服务集成设计

本文基于 CheckMe 项目展开，讨论如何把人脸识别开放能力、端侧 AI、元服务能力集成到一个设备监控类 HarmonyOS 项目中。项目当前已经具备设备信息、媒体能力、硬件检测、权限管理、服务卡片和响应式布局等基础，本文重点写“可落地的扩展设计”，不虚构项目已经完成的人脸识别或端侧 AI 功能。

当我们写 HarmonyOS 项目文章时，很容易只停留在“展示设备信息”“做服务卡片”这些常规方向。其实 CheckMe 这种设备工具类应用，还可以进一步扩展到智能能力：

用人脸识别或生物认证保护敏感检测报告
用端侧 AI 对设备状态做异常判断
用元服务降低用户获取工具能力的门槛
用媒体能力和硬件检测作为 AI 分析的数据基础

这篇文章会以 CheckMe 为例，讲如何把这些能力组织成一个可信、轻量、可扩展的方案。🤖

一、为什么 CheckMe 适合接入智能能力

CheckMe 的核心数据包括：

CPU 使用率和核心频率
内存占用
存储空间
电池状态
网络状态
GPS 位置和精度
蓝牙、传感器、相机等硬件检测结果
媒体编解码能力

这些数据本身就是 AI 分析的输入。

比如：

CPU 长时间高负载，可能是后台任务异常
电池温度和充电状态结合，可以判断是否存在高温风险
WiFi 信号、网关延迟、网络类型结合，可以判断网络体验
硬件检测结果可以生成健康评分
媒体能力可以判断设备适合什么视频播放规格

所以端侧 AI 并不是为了“显得高级”而接入，而是能把原始数据变成更容易理解的建议。

二、现有数据模型已经具备 AI 输入基础

项目中 DeviceInfoData 已经是一个综合数据模型：

export interface DeviceInfoData {
  cpu: CpuInfo;
  memory: MemoryInfo;
  screen: ScreenInfo;
  battery: BatteryInfo | null;
  network: NetworkInfo | null;
  storage: StorageInfo | null;
  gpu: GpuInfo;
  system: SystemInfo;
  camera: CameraInfo[];
  sensor: SensorInfo[];
  fetchTimestamp?: number;
  dataAccuracy?: DataAccuracy;
}

这类结构很适合进一步派生为 AI 特征：

interface DeviceAiFeatures {
  cpuUsage: number;
  memoryUsage: number;
  storageUsage: number;
  batteryLevel: number;
  batteryTemperature: number;
  networkRtt: number;
  networkSignal: number;
  sensorAvailableCount: number;
  updatedAt: number;
}

有了特征层，后续不管是规则判断、轻量模型推理，还是本地评分，都可以独立于页面实现。

三、端侧 AI 第一阶段：先做规则智能

很多项目一谈 AI 就想直接上模型，其实没必要。CheckMe 这种设备监控工具，第一阶段完全可以先做规则智能。

例如：

interface AiSuggestion {
  level: 'normal' | 'warning' | 'critical';
  title: string;
  reason: string;
  action: string;
}

function analyzeDeviceHealth(features: DeviceAiFeatures): AiSuggestion[] {
  const suggestions: AiSuggestion[] = [];

  if (features.cpuUsage > 85 && features.memoryUsage > 80) {
    suggestions.push({
      level: 'warning',
      title: '设备负载偏高',
      reason: 'CPU 与内存同时处于高占用状态',
      action: '建议关闭高耗资源应用后再次检测'
    });
  }

  if (features.batteryTemperature > 42) {
    suggestions.push({
      level: 'critical',
      title: '电池温度偏高',
      reason: '当前温度已超过舒适使用范围',
      action: '建议暂停充电或降低设备负载'
    });
  }

  return suggestions;
}

这种方案的优点：

不依赖云端
不需要模型文件
结果可解释
容易写进毕业设计或项目答辩
用户更容易相信

等规则智能稳定后，再考虑接入 MindSpore Lite 等端侧推理能力。

四、端侧 AI 第二阶段：本地推理而不是默认上传

如果后续需要更智能的异常检测，可以把历史状态序列输入本地模型。

例如采集最近一段时间的状态：

interface DeviceMetricPoint {
  cpuUsage: number;
  memoryUsage: number;
  batteryTemperature: number;
  networkRtt: number;
  timestamp: number;
}

模型可以输出：

interface DeviceAiResult {
  healthScore: number;
  abnormalCpu: boolean;
  abnormalBattery: boolean;
  abnormalNetwork: boolean;
  confidence: number;
}

端侧 AI 的关键不是“模型多复杂”，而是隐私边界：

设备状态不上传
精确位置不进入模型
图片和人脸不作为默认输入
推理结果只本地展示
用户主动导出报告时再脱敏

这样既能写出“端侧 AI”主题，也不会违背工具类应用的可信定位。

五、人脸识别开放能力：更适合做身份保护

对于 CheckMe 来说，人脸识别不适合用来“识别用户是谁”，更适合用于保护敏感操作，例如：

查看完整设备诊断报告前验证身份
导出报告前验证身份
查看精确定位前验证身份
打开隐私设置前验证身份
清除历史记录前验证身份

也就是说，人脸能力在这个项目中应该是“认证”，而不是“识图”。

可以设计一个安全入口：

interface SecureAction {
  actionId: string;
  title: string;
  requiredAuth: boolean;
  authReason: string;
}

const exportReportAction: SecureAction = {
  actionId: 'export_device_report',
  title: '导出设备报告',
  requiredAuth: true,
  authReason: '导出报告可能包含设备状态和网络信息'
};

用户点击导出报告时：

弹出说明
调用系统用户认证能力
认证通过后生成报告
导出前执行脱敏策略

这样写更符合隐私保护原则，也更适合 CSDN 技术文章表达。

六、媒体能力与 AI：从“能播什么”到“推荐什么”

项目中 MediaService 已经整理了视频、音频、图片、流媒体支持能力：

public getMediaSummary(): {
  totalCodecs: number;
  videoCodecs: number;
  audioCodecs: number;
  imageFormats: number;
  streamingProtocols: number;
} {
  const allCaps: MediaCapability[] = this.getAllMediaCapabilities();
  const imageCaps: MediaCapability[] = this.getSupportedImageFormats();
  const streamCaps: MediaCapability[] = this.getStreamingProtocols();

  return {
    totalCodecs: allCaps.length,
    videoCodecs: allCaps.filter((c: MediaCapability) =>
      c.supportedFormats.some((f: string) =>
        ['mp4', 'mkv', 'avi', 'mov', 'webm', 'mpg', 'vob', 'ts'].includes(f)
      )
    ).length,
    audioCodecs: allCaps.filter((c: MediaCapability) =>
      c.supportedFormats.some((f: string) =>
        ['m4a', 'mp4', 'mp3', 'flac', 'wav', 'ogg', 'opus', 'ac3', 'dts'].includes(f)
      )
    ).length,
    imageFormats: imageCaps.length,
    streamingProtocols: streamCaps.length
  };
}

这部分可以扩展为“智能播放建议”：

设备支持 AV1：优先推荐高压缩视频格式
网络 RTT 较高：建议降低流媒体清晰度
电量较低：建议关闭高帧率播放
存储不足：建议使用更高压缩格式

这类智能建议不需要读取用户隐私文件，只基于设备能力和当前状态即可完成。

七、元服务能力：把 CheckMe 做得更轻

CheckMe 当前是完整应用，module.json5 中配置为：

"deliveryWithInstall": true,
"installationFree": false

如果要扩展成元服务思路，可以拆出几个轻量入口：

设备健康速查
电池状态速查
网络质量检测
硬件检测报告
媒体能力查询

元服务更适合“用完即走”的场景。比如用户只想快速测网络，不一定愿意完整安装或打开应用主界面。

可以这样拆：

完整 App：CheckMe
  - 深度设备信息
  - 全量仪表盘
  - 多页面工具
  - 服务卡片管理

元服务：CheckMe Quick Check
  - 一键设备健康评分
  - 一键网络检测
  - 一键电池状态查看
  - 检测报告轻量分享

这样既保留完整应用的深度，又让高频场景更轻。

八、推荐的智能能力架构

综合以上能力，我建议把智能扩展拆成四层：

采集层
  DeviceInfoService / LocationService / MediaService / HardwareTest

特征层
  DeviceAiFeatureBuilder

智能层
  RuleEngine / LocalAiModel / SecureAuth

触达层
  App Page / Widget / Live View / Atomic Service / Report

对应代码结构可以这样规划：

entry/src/main/ets/ai/
  DeviceAiFeatureBuilder.ts
  DeviceHealthRuleEngine.ts
  DeviceAiModelRunner.ts
  SecureActionGuard.ts

entry/src/main/ets/security/
  PrivacySettingsStore.ts
  ReportDesensitizer.ts
  UserAuthService.ts

这里的重点是边界清晰：