当前位置: 首页 > article >正文

鸿蒙 App 重构:如何从混乱到清晰?

子玥酱掘金 / 知乎 / CSDN / 简书 同名大家好我是子玥酱一名长期深耕在一线的前端程序媛 ‍。曾就职于多家知名互联网大厂目前在某国企负责前端软件研发相关工作主要聚焦于业务型系统的工程化建设与长期维护。我持续输出和沉淀前端领域的实战经验日常关注并分享的技术方向包括前端工程化、小程序、React / RN、Flutter、跨端方案在复杂业务落地、组件抽象、性能优化以及多端协作方面积累了大量真实项目经验。技术方向前端 / 跨端 / 小程序 / 移动端工程化内容平台掘金、知乎、CSDN、简书创作特点实战导向、源码拆解、少空谈多落地文章状态长期稳定更新大量原创输出我的内容主要围绕前端技术实战、真实业务踩坑总结、框架与方案选型思考、行业趋势解读展开。文章不会停留在“API 怎么用”而是更关注为什么这么设计、在什么场景下容易踩坑、真实项目中如何取舍希望能帮你在实际工作中少走弯路。子玥酱 · 前端成长记录官 ✨ 如果你正在做前端或准备长期走前端这条路 关注我第一时间获取前端行业趋势与实践总结 可领取11 类前端进阶学习资源工程化 / 框架 / 跨端 / 面试 / 架构 一起把技术学“明白”也用“到位”持续写作持续进阶。愿我们都能在代码和生活里走得更稳一点 文章目录引言一、为什么鸿蒙 App 更容易“越写越乱”一个典型项目演化过程二、真正的问题不是代码多而是边界消失了三、重构第一步先拆“状态”最危险的写法正确做法状态分层四、重构第二步System 必须“去状态化”正确原则五、重构第三步建立“唯一状态入口”正确模型六、重构第四步从“页面驱动”变成“Task 驱动”传统流程新模型七、重构第五步拆“领域”正确做法领域隔离示例结构八、重构第六步建立“状态流”推荐结构示例九、为什么 AI 会逼着鸿蒙 App 重构十、真正优秀的鸿蒙项目都有一个共同点十一、一个非常重要的认知原来重构后十二、本质结语引言很多人第一次写鸿蒙 App 时都会有一种错觉ArkUI 很简单 状态驱动很舒服 开发效率非常高于是项目初期往往推进得特别快。但只要项目开始变大很快就会进入一种熟悉的状态页面越来越大 状态越来越乱 System 越来越重 模块越来越耦合最后整个项目会慢慢变成不敢改 一改就炸很多团队最后会发现真正难的从来不是“写功能”。而是如何让项目长期保持清晰。这也是为什么重构会成为中大型鸿蒙项目绕不开的话题。一、为什么鸿蒙 App 更容易“越写越乱”因为鸿蒙天然具备状态驱动分布式多设备实时同步AI 调度Task 流转这些能力虽然强大但也意味着系统复杂度会指数级上升。一个典型项目演化过程项目初期一个页面 几个状态 几个接口非常简单三个月后页面互相依赖 Store 互相调用 System 到处共享状态半年后没人敢删代码 没人知道状态来源最后整个项目进入“混乱熵增”二、真正的问题不是代码多而是边界消失了很多人会误以为项目乱 是因为代码量大其实不是真正的问题是边界消失。例如UI 能改状态 System 能改状态 Service 能改状态 AI 也能改状态最后没人知道谁是“真正的数据源”三、重构第一步先拆“状态”很多鸿蒙项目最大的问题状态没有分层。最危险的写法Stateuser:UserStateorder:OrderStateproducts:Product[]Stateloading:boolean页面既负责 UI 又负责业务 又负责数据最后页面会越来越巨大。正确做法状态分层推荐一个非常稳定的结构GlobalState全局 ↓ DomainStore业务 ↓ UIState页面1、全局状态负责用户登录设备分布式信息示例globalStore.user2、业务状态负责订单商品搜索消息示例orderStore.orders3、页面状态负责LoadingDialogTab动画示例StateshowDialog:boolean这里最关键的一点页面不要存业务数据。四、重构第二步System 必须“去状态化”很多鸿蒙项目最容易出现的问题System 越来越胖例如classOrderSystem{currentOrder:Order}看起来很方便但后面一定会出现状态覆盖并发冲突分布式同步异常正确原则System 只负责“处理”不负责“存储”。正确写法classOrderSystem{asynccreate(order){returnawaitorderService.create(order)}}System 应该是无状态能力层而不是全局状态黑洞五、重构第三步建立“唯一状态入口”很多项目会这样PageA 修改 user PageB 修改 user System 修改 user结果状态来源失控正确模型一个状态 只有一个写入口示例classUserStore{user:Userupdate(user:User){this.useruser}}外部只能userStore.update(...)而不是this.userxxx到处乱改。六、重构第四步从“页面驱动”变成“Task 驱动”传统 App页面是核心但 AI 鸿蒙时代任务才是核心传统流程页面 ↓ 按钮 ↓ 功能新模型Intent ↓ Task ↓ State ↓ UI示例awaittaskCenter.run(创建订单)UI 只负责展示任务结果七、重构第五步拆“领域”很多项目的问题所有模块互相调用最后改一个功能 整个项目一起震正确做法领域隔离例如user/ order/ message/ payment/每个领域StoreSystemRepositoryTask独立存在。示例结构order/ ├── store/ ├── system/ ├── repository/ ├── task/ └── ui/八、重构第六步建立“状态流”很多鸿蒙项目的问题状态是乱流必须建立统一状态流。推荐结构User Action ↓ Store ↓ System ↓ Repository ↓ Store Update ↓ UI Render示例UIButton(提交).onClick((){orderStore.submit()})Storeasyncsubmit(){constresultawaitorderSystem.create()this.orderresult}Systemasynccreate(){returnawaitrepository.create()}这里UI 不直接操作数据 System 不直接持有状态整个系统会清晰很多。九、为什么 AI 会逼着鸿蒙 App 重构因为 AI 会极速放大架构问题传统 App用户一次操作 只改一个状态AI App一次任务 可能改几十个状态例如awaitagent.run(整理今天会议)AI 可能更新日历创建待办写入笔记发送消息修改提醒如果架构混乱整个 App 会瞬间失控十、真正优秀的鸿蒙项目都有一个共同点不是页面多漂亮而是结构极其清晰优秀项目通常具备状态分层Store 中心化无状态 SystemTask 驱动领域拆分分布式状态隔离这些东西决定项目后期是否还能继续迭代。十一、一个非常重要的认知很多人以为重构 重写其实不是真正的重构是重新建立“边界”。比如原来所有模块互相依赖重构后模块职责明确 状态边界明确 数据流明确本质上重构不是“改代码” 而是“改结构”十二、本质如果用一句话总结鸿蒙 App 的混乱本质是“边界失控”。真正好的架构一定具备状态有边界 模块有边界 任务有边界 设备有边界 AI 有边界一旦边界清晰整个系统会突然稳定结语很多鸿蒙项目后期崩掉并不是因为功能太复杂AI 太难分布式太重真正的问题只有一个系统没有“结构秩序”。记住一句话代码的混乱 本质是架构边界的混乱。当你真正完成状态分层Task 化Store 中心化无状态 System领域拆分你会明显感受到项目终于“能长期维护了”

相关文章:

鸿蒙 App 重构:如何从混乱到清晰?

子玥酱 (掘金 / 知乎 / CSDN / 简书 同名) 大家好,我是 子玥酱,一名长期深耕在一线的前端程序媛 👩‍💻。曾就职于多家知名互联网大厂,目前在某国企负责前端软件研发相关工作,主要聚…...

CANN / runtime 内存语义同步

内存语义同步 【免费下载链接】runtime 本项目提供CANN运行时组件和维测功能组件。 项目地址: https://gitcode.com/cann/runtime 内存语义同步机制允许用户基于通用Device内存实现同步。与Event/Notify同步机制不同,基于内存语义的同步机制还支持算子作为同…...

2026届学术党必备的降AI率神器实测分析

Ai论文网站排名(开题报告、文献综述、降aigc率、降重综合对比) TOP1. 千笔AI TOP2. aipasspaper TOP3. 清北论文 TOP4. 豆包 TOP5. kimi TOP6. deepseek 作为一款基于自然语言处理跟深度学习技术的智能辅助工具,AI 写作软件可以快速生成…...

别再被‘共地’坑了!STM32连接热敏打印机从接线到打印的保姆级避坑教程

STM32与热敏打印机联调实战:从共地原理到格式化文本输出的完整指南 当你兴奋地将STM32与热敏打印机连接,却发现无论如何发送数据都如同石沉大海时,那种挫败感每个嵌入式开发者都深有体会。这往往不是代码逻辑的问题,而是硬件连接…...

CANN/ops-cv 三线性上采样算子

ResizeUpsampleTrilinear 【免费下载链接】ops-cv 本项目是CANN提供的图像处理、目标检测相关的算子库,实现网络在NPU上加速计算。 项目地址: https://gitcode.com/cann/ops-cv 产品支持情况 产品是否支持Ascend 950PR/Ascend 950DTAtlas A3 训练系列产品/A…...

开源复合工程工具OpenClaw的维护实践与架构演进

1. 项目概述与核心价值 最近在开源社区里,一个名为 foxjwjw99-rgb/compound-engineering-openclaw-maintenance 的项目引起了我的注意。这个项目标题乍一看有点长,但拆解开来,信息量不小。 foxjwjw99-rgb 看起来是作者或组织的标识&#…...

多模态AI对齐技术:从CLIP对比学习到BLIP融合架构的工程实践

1. 项目概述:为什么“对齐”是多模态AI的命门?如果你最近在捣鼓大语言模型(LLM)或者图像生成模型,可能会发现一个有趣的现象:让模型“画一只猫坐在键盘上”,它可能给你生成一只猫,旁…...

昇腾CANN/GE UDF接口列表

UDF接口列表 【免费下载链接】ge GE(Graph Engine)是面向昇腾的图编译器和执行器,提供了计算图优化、多流并行、内存复用和模型下沉等技术手段,加速模型执行效率,减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前…...

构建高效工程文化:从核心原则到团队实践指南

1. 什么是好的工程文化?从一次讨论说起前几天翻看一些老资料,又看到了EE Times在2012年那篇关于工程文化的文章,里面提到了当时在Quora上很火的一个帖子:“什么造就了好的工程文化?” 发起人Edmond Lau,一位…...

CANN/sip交换向量示例

信号处理加速库SwapOperation C Demo 【免费下载链接】sip 本项目是CANN提供的一款高效、可靠的高性能信号处理算子加速库,基于华为Ascend AI处理器,专门为信号处理领域而设计。 项目地址: https://gitcode.com/cann/sip 介绍 该目录下为信号处理…...

测试90测试90测试90测试90测试90

测试90测试90测试90测试90测试90测试90测试90测试90测试90测试90...

AI编程助手Cursor开源生态实践:智能体配置与自动化工作流

1. 项目概述:当AI代码助手遇上开源协作 最近在开发者圈子里,一个名为 undivided-actium697/opencode-cursor 的项目引起了我的注意。乍一看,这像是一个普通的GitHub仓库,但它的名字组合却很有意思:“opencode”和“c…...

安全关键领域可解释AI:从技术原理到人机协同的实践指南

1. 项目概述:当AI走进驾驶舱与手术室“可解释AI”这个词,在技术圈里已经热了好几年。但如果你问一个在自动驾驶测试场里盯着屏幕的工程师,或者一个在手术室里准备引入AI辅助诊断系统的医生,他们最关心的是什么?答案往往…...

Claude Code Plus:AI编程效率倍增器,代码交互与工作流优化实战

1. 项目概述与核心价值最近在开发者社区里,一个名为touwaeriol/claude-code-plus的项目引起了我的注意。乍一看,这只是一个针对 Claude 代码解释器的增强插件,但深入使用后,我发现它远不止于此。它本质上是一个为提升代码编写、调…...

AI叙事命令行工具:从原理到工程化实践

1. 项目概述:一个为AI叙事注入灵魂的命令行工具 如果你和我一样,对AI生成的故事、剧本或者角色对话感兴趣,并且不满足于简单地在网页界面上点点按钮,那么你很可能已经对 narrator-ai-cli 这个项目产生了好奇。乍一看这个名字&am…...

从零构建Llama 3:深入理解大语言模型架构与训练全流程

1. 项目概述:从零构建Llama 3意味着什么? 最近在开源社区里,一个名为“Building-llama3-from-scratch”的项目引起了我的注意。乍一看标题,很多人可能会觉得这又是一个“标题党”——毕竟,Meta的Llama 3是一个拥有数百…...

Python声明式数据抓取:openclaw-py工具库的设计理念与实战应用

1. 项目概述与核心价值 最近在折腾一些自动化脚本和数据处理任务时,我常常遇到一个痛点:需要从各种网页、文档或者API接口里精准地“抓取”特定格式的数据,比如表格、列表,或者嵌套在复杂HTML结构里的信息。手动写正则表达式或者用…...

python控制台同行覆盖显示文本,追加,换行的原理

VC / C / C Windows 控制台 完全是同一套原理全平台 Windows 控制台 底层逻辑一模一样:\r \n 行为、光标移动、同行覆盖、进度条刷新,和 Python、VB6 完全通用。一、标准对应关系(全语言通用)表格转义符ASCII含义控制台行为\rChr(…...

保姆级教程:用Python和Pandas快速上手Argoverse2数据集(附代码避坑指南)

保姆级教程:用Python和Pandas快速上手Argoverse2数据集(附代码避坑指南) Argoverse2作为自动驾驶领域的高质量开源数据集,正成为轨迹预测和场景理解研究的热门选择。但对于刚接触这个数据集的数据工程师或机器学习初学者来说&…...

从公式到图形:一步步拆解非对称3-SPR机器人工作空间的Matlab仿真流程(附完整代码)

从公式到图形:非对称3-SPR机器人工作空间Matlab仿真全流程解析 在机器人学研究中,工作空间分析是机构设计与性能评估的关键环节。对于非对称3-SPR并联机器人这类复杂机构,如何将理论推导转化为可视化结果,一直是困扰初学者的难题…...

如何为你的Python项目接入多个大模型API并统一管理调用

🚀 告别海外账号与网络限制!稳定直连全球优质大模型,限时半价接入中。 👉 点击领取海量免费额度 如何为你的Python项目接入多个大模型API并统一管理调用 在开发基于大语言模型的AI应用时,开发者常常面临一个选择&…...

Lazytainer:基于延迟加载的容器镜像按需加载原理与实践

1. 项目概述:一个为容器化应用“减负”的智能工具如果你和我一样,长期在服务器上管理着几十甚至上百个Docker容器,那你一定对那种“臃肿感”深有体会。每个容器镜像动辄几百MB,拉取耗时、占用大量磁盘空间,运行时内存和…...

边走边聊 Python 3.8:Chapter 15:FastAPI 异步 API

Chapter 15:FastAPI 异步 API 现代应用需要速度,而 FastAPI 正是为此而生。本章将带你理解异步 API 的结构、数据验证、响应模型、路由设计,并构建一个可直接被浏览器或脚本调用的 API 服务。你会发现:当你的 API 足够快,你的系统就足够强。 “速度不是奢侈品,而是现代应…...

告别Webpack!用Electron Forge + Vite + Vue3从零搭建桌面应用(附完整配置流程)

告别Webpack!用Electron Forge Vite Vue3从零搭建桌面应用(附完整配置流程) 在桌面应用开发领域,Electron一直是跨平台解决方案的首选。然而,随着前端技术的快速发展,传统的Webpack构建工具在开发体验和构…...

从Swagger到Knife4j:一个老项目的平滑升级与避坑全记录(Spring Boot 2.1.4实战)

从Swagger到Knife4j:一个老项目的平滑升级与避坑全记录(Spring Boot 2.1.4实战) 当维护一个使用Spring Boot 2.1.4和Springfox 2.9.2的老项目时,开发团队常常面临接口文档工具过时的问题。传统Swagger UI的界面陈旧、功能单一&am…...

区块链赋能大语言模型:构建可信AI的四大技术支柱与落地实践

1. 项目概述:当AI的“大脑”遇上区块链的“账本”最近和几个做AI应用落地的朋友聊天,大家普遍有个痛点:模型输出结果很惊艳,但客户总会问一句,“我怎么知道这个答案不是你们瞎编的?出了问题谁负责&#xff…...

抖音视频下载神器:从入门到精通的完整指南

抖音视频下载神器:从入门到精通的完整指南 【免费下载链接】douyin-downloader A practical Douyin downloader for both single-item and profile batch downloads, with progress display, retries, SQLite deduplication, and browser fallback support. 抖音批量…...

Q-learning算法在多市场寡头竞争中的动态演化与合谋抑制研究

1. 项目概述:当AI学会“内卷”,市场会发生什么?在经济学和计算机科学的交叉领域,有一个问题一直吸引着研究者和实践者:如果市场上的竞争者不是人类,而是不断自我学习、自我优化的智能算法,它们会…...

ceshi02ceshi03ceshi02ceshi03ceshi02ceshi03ceshi02ceshi03

ceshi02ceshi03ceshi02ceshi03ceshi02ceshi03ceshi02ceshi03ceshi02ceshi03ceshi02ceshi03ceshi02ceshi03ceshi02ceshi03...

【Anthropic NLA 】深度拆解:自然语言自动编码器——撬开 LLM 黑箱的五把钥匙

Anthropic NLA 深度拆解:自然语言自动编码器——撬开 LLM 黑箱的五把钥匙 写在前面:2026 年 5 月 7 日,Anthropic 在 Transformer Circuits Thread 上发布了论文《Natural Language Autoencoders Produce Unsupervised Explanations of LLM A…...