淘天以AI和Skills将Android定位服务迁移鸿蒙

穿搭业务需要从 0 到 1 迁移到鸿蒙，团队大部分人不熟悉鸿蒙 API。作者维护了一个鸿蒙依赖分析 Skill，协助 Cursor 理解端侧二方包。以 Android 定位服务迁移为对比案例：方式 1 纯 AI 翻译，模型凭常识猜测枚举，生成 LocationExpires.ONE_MINUTE、FIVE_MINUTE、LocationAccuracy.MID_MODE 等不存在的枚举值且回调位置错误，编译报错 13 个，调试时间无法估计。 方式 2 查 Mega Location 源码 + 人工修正，零编译错误但耗时 40 分钟，且知识留在个人脑子里、下次还要重新查。方式 3 AI + Skills，把领域知识结构化为 AI 友好的表格化 Skill——LocationExpires 枚举映射表（1m→ONE_MIN、2m→SEC_MIN、3m→THR_MIN、4m→FOR_MIN、5m→FIR_MIN，并显式列出 ONE_MINUTE/TWO_MINUTE/FIVE_MINUTE/TEN_MINUTE/MID_MODE 等不存在的枚举值）、定位请求方法对比（Android 的 LocationServiceBridge.requestLocation 回调作独立参数，鸿蒙的 Location.requestLocation 回调在 options 对象内，含 bizName/onSuccess/onFail）与常见陷阱，AI 加载 Skill 后用映射表生成，编译错误 0 个、单服务迁移时间 30 分钟。 分工模型为 AI 负责通用逻辑生成、Skills 提供精准领域知识，闭环为输入（加载 Skills）→ 生成（使用映射表）→ 验证（编译/测试）→ 反馈（问题提炼回写 Skills）→ 沉淀（成功经验记录到 Skills）。