夜雨聆风
6月13日，华为HDC大会AI分论坛迎来携程旅行软件专家江守亭的深度分享。围绕"E2E：携程鸿蒙应用仓颉AI提效生态迁移实践"这一议题，江守亭展示了携程如何借助仓颉AI Coding工具链，将传统"三端独立开发"的低效模式升级为"一端代码、AI驱动、多端迁移"的高效工程实践，为鸿蒙生态下的跨端迁移提供了可量化、可复用的技术路径。
AI分论坛嘉宾与参会开发者合影
议题：E2E-携程鸿蒙应用仓颉AI提效生态迁移实践
分享嘉宾：江守亭｜携程旅行软件专家
从三端独立到鸿蒙原生：携程的迁移背景与挑战
携程于2024年6月上架鸿蒙应用商店，11月正式Release，目前已稳步迭代近百个版本，实现三端业务功能基本对齐。然而，在鸿蒙化进程中，团队首先面临的是三端同步开发人效低的结构性难题：Native模块需在iOS、Android、HarmonyOS三端独立开发，各端基础框架与代码差异显著，统一能力标准的对齐损耗了大量开发成本。
团队曾尝试KMP（Kotlin Multiplatform）跨端方案，但很快遇到瓶颈：现有基础库需全部重新KMP开发，工作量巨大；KN在iOS与HarmonyOS上的垃圾回收性能表现不佳；调试与Trace配套不如原生易用；且KMP并非官方支持语言，长期维护存在不确定性。
初体验：大模型直接转换的四大痛点
在引入AI辅助迁移的初期，携程团队也走过弯路。以大模型直接承担"文件夹级代码转换"的方式，暴露出四大问题：
职责过载：大模型同时承担理解、转换、修复等多重任务，极易产生混乱与幻觉；
上下文爆炸：以文件夹为单位输入，Token消耗巨大，模型极易失焦；
黑盒操作：全流程缺乏可控环节，没有优化与提升空间；
Review成本高：生成代码的人工审核与修正成本过高，实际提效有限。
仓颉AI Coding：骨架驱动 + AST精准匹配
针对上述痛点，江守亭团队与仓颉AI Coding工具链深度协作，形成了"骨架先行、函数级增量、AST驱动、UT校验"的四层方法论：
1. 骨架先行，保证工程可编译
基于源工程解析结构信息，生成目标语言代码骨架，并通过编译修复确保骨架工程可编译通过。这一步将"能不能跑"的问题在工程层面先行解决，避免后续在不可编译的废墟上修修补补。
2. 函数级增量转换，控制模型上下文
在可编译骨架基础上，逐个Function替换实现。每次仅输入当前函数相关上下文，大幅降低Token消耗，使大模型更聚焦、输出更稳定。
3. 单函数编译修复，问题局部收敛
每个Function转换后独立编译检查与修复，将问题严格限制在当前函数范围内，避免错误跨函数扩散，显著降低定位与修正成本。
4. UT行为校验，提升结果可信度
通过函数级单元测试对比转换前后的输入输出一致性，验证迁移结果的行为等价性，确保AI生成的代码不仅"能编译"，更"逻辑正确"。
5. AST驱动知识推荐，精准匹配转换规则
基于AST（抽象语法树）分析识别代码中的类/方法结构、API调用、类型使用和语法模式，根据当前代码片段的AST特征精准匹配转换规则，减少无关知识占用上下文，进一步提升模型转换的聚焦度与准确率。
工具优势：开箱即用、确定性高、Review成本低
江守亭总结了仓颉AI Coding工具链在携程实践中的四大核心优势：
| 开箱即用 | |
| 确定性高 | |
| 准确率高 | |
| Review成本低 |
实践成果：1小时完成千行级模块迁移，AI代码接受率超90%
在携程真实业务模块的迁移实践中，仓颉AI Coding展现了显著的效率提升：
| ServerPush | 91% | ||
| FileDownloader | 97% |
注：当前结果基于工具已具备 API Mapping 能力，常见 API 已完成自动映射适配，代码接受率统计主要反映业务逻辑转换效果。
以FileDownloader为例，近两千行代码的跨端迁移在约1小时内完成，且AI生成代码的人工接受率高达97%，意味着绝大多数代码无需大幅修改即可直接合入工程。这一数据验证了"函数级增量 + 编译修复 + UT校验"方法论在实际工程中的可靠性。
未来展望：从x2x到多端统一
江守亭透露，携程团队正计划扩展x2x工具链，以TripSpec为统一中间表示，实现"一端代码 → 多端代码"的自动化迁移。下一阶段还将支持RN平台代码向Native的转换，进一步拓宽AI驱动跨端迁移的适用范围，让鸿蒙化不再是"重复造轮子"，而是"一次编写、AI分发、多端运行"。
总结
江守亭的分享为鸿蒙生态的跨端迁移提供了一套经过大规模业务验证的AI工程化方案。从"三端独立开发"到"一端代码AI迁移"，携程的实践表明：当大模型与AST精准分析、函数级增量转换、编译修复与UT校验形成闭环时，AI Coding不再是"辅助写代码"的玩具，而是能够真正承担千行级模块迁移、将开发时长从"天"压缩到"小时"的生产力工具。仓颉AI Coding与携程的联合实践，为更多应用加速鸿蒙化提供了可复制的技术路径。
本场分论坛的完整回放将于近期在官方视频号放出，敬请关注，不错过每一个技术细节。
（本文技术数据与案例均来自嘉宾现场分享，最终解释权归携程旅行所有。）
