HAP × AI 能力关系图
三层能力并不是彼此独立的模块，而是围绕同一套数据、流程与应用底座逐层展开。
一、HAP 中内置的 AI 能力
AI 已成为 HAP 产品能力的一部分。
从 mingdao.com 首页与产品页的表述可以看到，AI 在 HAP 中已不再是外围集成，而是融入数据、工作流和应用交互过程的基础能力。
重点能力聚焦
从官方产品表达与相关文章来看，当前最值得对外强调的是这四个能力组合。
Mingo Everywhere
把自然语言带入建表、录入、样例数据与 Agent 配置环节。
Agents Built Into Workflows
让工作流具备理解、判断、调用工具和输出结果的能力。
AI-Friendly API + MCP Server
让 HAP 既能内建 AI，也能被外部 Agent 平台接入调用。
Skills + AI IDE
让通用 AI 编程助手逐步变成真正理解 HAP 语境的开发助手。
Mingo：边搭边用的 AI 助手
Mingo 把自然语言直接转成动作，从工作表设计、数据准备到记录填写，缩短从想法到验证、到交付的路径。
- AI 驱动建表与字段关系生成。
- AI 驱动记录填写与缺失信息补全。
- 自动生成样例数据，加快测试与演示。
核心价值
同时降低应用构建与应用使用的门槛。
AI Agent：进入工作流的智能决策节点
AI Agent 已经不是外部机器人，而是可以直接融入工作流，通过提示词控制工具调用，在合规、可追溯的前提下做判断和执行。
- 处理文本、图片、文档等多模态输入。
- 调用工作表工具、业务流程与外部 API。
- 日志、边界、权限和审计都可控。
核心价值
让工作流具备可控、可追溯的智能决策能力。
ChatBot / LLM / MCP：面向企业可用的 AI 底座
对话机器人、模型接入、BYOK、智能选模、MCP Server，不是分散功能，而是为企业级 AI 落地提供统一底座。
- 对话机器人把数据和流程带到自然语言界面。
- 支持 OpenAI、DeepSeek、Qwen 等模型接入。
- 内置 MCP Server 方便外部 Agent 平台接入。
核心价值
以企业可用、可管、可接入的方式提供 AI 底座能力。
相关文章与帮助文档
这一层建议直接配合帮助文档中的 AI 章节和产品更新文章一起阅读，更容易理解“内置 AI”已经进入 HAP 产品层。
二、AI 辅助构建 HAP 应用
AI 不仅服务于应用使用，也参与应用构建过程。
这一层关注的是 AI 如何帮助团队更快理解需求、完成建模、准备数据、配置流程，并持续降低 HAP 应用的构建门槛。
从自然语言到工作表结构
官方能力页与博客案例都反复强调同一个方向：用户不必先手工梳理完整字段体系，AI 可以先给出更专业的表结构、字段建议、关系设计与命名方案。
- 先搭出“合理的第一版”，再人工调整。
- 从空白开始时，AI 减少最耗时的建模动作。
- 尤其适合业务人员先跑出最小可用版本。
从录入数据到验证场景
Mingo 的记录补全、样例数据生成以及字段辅助能力，让 HAP 应用更快从“结构完成”进入“可演示、可测试、可使用”的阶段。
- 记录录入不再完全靠手工逐字段填写。
- 样例数据让试跑流程和演示更容易。
- 验证成本降低，迭代速度更快。
从提示词到 Agent 配置
Mingo 已经可以辅助 AI Agent 节点生成更专业的 system prompt，这意味着 Agent 配置过程本身也正在被 AI 协助完成。
- 减少从零写 prompt 的门槛。
- 让业务用户更容易把 Agent 配到可用状态。
- 把配置过程从纯技术动作变成协作式调优。
从“会搭应用”到“会稳定交付”
Skills 相关内容给出的关键启发是：AI 辅助构建不应停留在一次性对话，而应沉淀为可复用的 SOP，让交付结果更稳定、上下文成本更低。
- 把最佳实践固化成 Skill，而不是每次重讲一遍。
- 减少步骤遗漏和结果漂移。
- 让 HAP 应用构建进入工程化复用阶段。
相关文章与帮助文档
这一层更适合和“搭建过程”相关的帮助文档一起看，重点不是某个功能点，而是 AI 如何帮助团队更快进入可用状态。
Mingo，你的 AI 随行助手
帮助文档里直接覆盖了 AI 创建工作表、创建记录和生成示例数据，是“构建辅助”最对应的入口。
查看文档AI 动作配置与使用指南
如果要把 AI 带进流程配置，这个章节能帮助理解提示词、上下文和业务执行之间如何衔接。
查看文档每天被工单淹没，我终于用 Dify + HAP 做了一个会“听人说话”的工单系统
文章完整展示了 AI 如何协助搭表、补字段和推进实际业务落地，是“构建辅助”最直观的案例。
查看文章利用这个现成的 Skill，无需专业背景也可以开发 HAP 的前端网站和插件
文章强调如何把经验沉淀为 Skill，让 AI 协作从一次性对话，升级成稳定的搭建与交付 SOP。
查看文章
三、如何用 AI Coding 延伸 HAP 能力
当原生能力需要进一步延展，HAP 提供了清晰的扩展路径。
这一层关注的不是绕开 HAP 做开发，而是以 HAP 为底座，通过插件、API、代码块、MCP 与 AI IDE，把平台能力延伸到更复杂、更行业化的场景中。
插件与视图：把 HAP 扩展成更个性化的应用界面
HAP 本身就有开放插件架构，支持自定义视图、页面组件、控件、动作节点。AI Coding 的意义，是让这些扩展更容易被构建出来。
- 系统视图不够时，可以定制新的展示与交互方式。
- 视图插件、页面组件、动作节点都属于扩展面。
- 适合行业化场景、复杂交互或特殊业务流程。
AI IDE + Skills：让 AI 更懂 HAP 的开发语境
最新文章已经清楚指出：通用 AI 编程助手具备代码生成能力，但并不天然理解 HAP 的 JSSDK、字段规范与事件机制，因此需要通过 Skills 注入平台语境。
- 让 AI 生成“能跑通”的 HAP 扩展代码，而不是看起来合理。
- 降低 HAP 插件开发和二次开发门槛。
- 让经验从个人技巧变成团队可复用资产。
API、MCP 与外部平台：把 HAP 接进更大的 Agent 生态
官网产品页已明确将 “AI-friendly API” 与 “built-in MCP Server” 纳入 AI 能力版图，这意味着 HAP 既可以内建 AI，也可以被外部 AI 平台安全调用。
- 兼容 Dify、n8n、Coze 等主流自动化/Agent 平台。
- 让外部 Agent 能调用 HAP 的数据和业务能力。
- 适合把 HAP 作为企业业务执行层来使用。
代码块与开发生态：不是无代码的反面，而是补充面
HAP 的工作流代码块支持 JavaScript 与 Python，插件开发也支持本地开发与在线配置。AI Coding 的价值，在于让这些专业扩展点被更多团队更高效地使用起来。
- 复杂逻辑可以落到代码块。
- 复杂展示可以落到插件或自定义组件。
- 无代码与 AI Coding 在 HAP 里并不是对立关系。
相关文章与帮助文档
这一层适合把帮助文档里的 AI 接入能力，与博客中关于插件、Skills 和 AI Coding 的文章结合起来看，理解 HAP 的延展边界。
MCP Server
帮助文档中关于 MCP Server 的章节，能帮助技术团队更快理解 HAP 如何被外部 Agent 平台接入调用。
查看文档AI 能力一览
除了总览产品层能力，这个章节也串起了 Dify、AI 自定义字段、AI 生成代码块等延展能力入口。
查看文档HAP for VSCode：保姆式 AI Coding 开发 HAP 视图插件
这篇文章直接对应“扩展开发”主题，重点解释如何让 AI IDE 真正理解 HAP 的开发语境。
查看文章不写一行代码，让 AI 帮你开发明道云插件
文章展示了如何借助 AI 与插件机制完成 HAP 的二次扩展，是这一层最具体的延展开发案例之一。
查看文章
一句话总结
HAP × AI 的价值，不在于单点功能，而在于形成完整的能力体系。
这一体系同时覆盖产品内置能力、应用构建过程与扩展开发边界，更适合被理解为一条连续的智能化能力链，而不是若干彼此割裂的功能点。
对于业务用户
最先感知到的是 Mingo、AI Agent、ChatBot 等内置能力带来的易用性提升。
对于应用搭建者
更关注 AI 如何帮助完成建模、补数据、配流程、写 Prompt，并尽快把应用推到可用状态。
对于开发者与实施伙伴
更关注插件、API、MCP、代码块与 AI IDE，如何把 HAP 延展为更完整的解决方案底座。
能力对比
三层能力适合解决的问题并不相同。
用同一张表快速区分“内置 AI”“AI 辅助构建应用”和“AI Coding 扩展能力”各自更适合承接什么任务。
| 维度 | HAP 中内置的 AI | AI 辅助构建 HAP 应用 | AI Coding 延伸 HAP 能力 |
|---|---|---|---|
| 核心目标 | 让应用更智能 把 AI 直接带进数据、流程和交互过程。 | 让搭建更高效 缩短从需求到可用应用之间的时间。 | 让边界更可扩展 把平台能力延展到更复杂或更行业化场景。 |
| 典型能力 | Mingo / Agent / ChatBot / LLM / MCP 面向产品层的原生智能能力组合。 | 建表 / 补数据 / 样例生成 / Prompt 辅助 帮助应用更快进入可测试、可演示、可使用状态。 | 插件 / API / 代码块 / MCP / AI IDE 面向视图扩展、系统集成与开发协作的能力组合。 |
| 适合谁先用 | 业务用户 优先感知到智能交互、自动处理和自然语言使用体验。 | 应用搭建者 优先获得建模、配置和验证效率提升。 | 开发者 / 实施伙伴 优先关注扩展开发、行业化方案与工程协作。 |
| 适合场景 | 智能录入、智能流程、智能问答 适合先把 AI 带进现有应用使用环节。 | 从空白到第一版应用 适合快速完成建模、配置和演示验证。 | 定制化界面、复杂逻辑、外部系统接入 适合原生能力之外的深度扩展需求。 |
| 最合适的表达方式 | 产品能力 强调“已经具备什么能力”。 | 搭建效率 强调“如何更快做出应用”。 | 生态与开发扩展 强调“如何继续往外延伸”。 |
适合谁
这套能力适合三类角色协同使用。
它并非只面向开发者或业务团队，而是让业务负责人、应用搭建者与开发者围绕同一套平台形成协同分工。
业务负责人
更关注是否能更快落地应用、减少沟通成本，并通过 AI 提升流程效率，而不必先理解复杂技术栈。
应用搭建者
更关注如何更快完成建模、录入、流程配置与 Agent 调优，让应用尽快进入可用状态。
开发者与实施伙伴
更关注插件、API、代码块、MCP 与 AI IDE 如何协同使用，从而把 HAP 延展成更强的行业化解决方案。
落地路径
从快速启用到持续扩展，通常会经过三个阶段。
这三层能力并非相互替代。多数团队会从内置 AI 开始，再逐步进入构建辅助，最终延展到扩展开发。
第一阶段：启用内置 AI
从 Mingo、AI Agent、ChatBot 与模型接入开始，让应用先具备基础智能能力。
第二阶段：让 AI 参与构建
在建表、补数据、生成样例、写 Prompt、配流程等环节引入 AI，显著提升搭建效率。
第三阶段：进入 AI Coding 扩展
当原生能力无法完全覆盖需求时，再通过插件、API、MCP、代码块与 AI IDE 延展边界。
常见问题
关于 HAP × AI 的几个典型问题。
这部分适合继续扩展为官网 FAQ、销售答疑或产品介绍页的补充模块。
HAP 的 AI 能力是外接的，还是原生的？
两者兼有，但重点在于多项能力已经原生进入产品层。Mingo、AI Agent、ChatBot、模型接入与 MCP Server 都不再只是外围集成。
AI 会不会替代 HAP 自己的建模和流程能力？
不会。AI 更像构建加速器与协作者，帮助团队更快完成第一版搭建与配置，而 HAP 仍然是数据、流程与应用的统一底座。
AI Coding 和无代码是不是冲突？
不冲突。无代码适合大多数标准场景，AI Coding 则让插件、视图、组件、代码块与 API 扩展变得更高效。
这套能力更偏“演示”，还是能落地？
从官方产品页到博客案例都在强调同一点：这些能力已经与数据、流程、权限和工具调用结合，目标是面向企业级场景的实际落地，而不是单纯展示。
延伸阅读
继续了解 HAP 与 AI 的产品表达、能力页面与相关文章。
如果你希望进一步查看产品能力说明与相关文章，可以直接从官网与明道博客继续延伸阅读。这一页已经保留了完整的核心叙事，不再依赖独立的出处导航页。