Jame哥-CSDN博客

原创 AI 原生工程化-08 反面案例库：AI 典型翻车场景

本章剖析AI生成代码的典型翻车场景，揭示其背后系统性缺陷：因训练数据依赖字面量、无运行时反馈、仅对当前对话负责，导致“写死条件”“静默吞异常”“TODO冒充完成”等伪工程问题频发。案例强调配置化、异常显式处理、功能真实验收的重要性，提出通过审查魔法数字、空catch、假实现等识别法，建立预防清单，推动从“能跑通”到“可维护”的工程升级。

2026-10-20 13:45:40 195

原创 AI 原生工程化-07 质量与验证保障体系

质量不是测出来的，而是构建出来的。测试的真正目的是建立信心：回归、重构、上线信心。缺陷越早发现成本越低，1:10:100的放大源于定位难、影响广与社会成本。测试金字塔强调单元测试快、准、频繁，避免依赖高成本的E2E测试。断言必须指向业务结果，而非实现细节或“不抛异常”。AI生成测试易成伪测试，需警惕只测mock、无断言或仅覆盖正常路径。覆盖率是地图而非成绩单，应聚焦复杂逻辑与风险点，结合门禁机制，形成可信赖的质量保障体系。

2026-10-20 08:55:51 61

原创 AI 原生工程化-06 系统性能

性能需在设计阶段预估，而非上线后补救。核心是“容量、预算、测量”三思维：明确数据量、并发量与响应要求，将性能指标分摊至各环节；杜绝“我觉得慢”的主观判断，一切优化基于实测。数据库性能重灾区为N+1查询与索引缺失——循环内调用导致毫秒级网络等待放大，应改用批量查询或JOIN；索引需按查询条件建立联合索引，避免函数包裹、类型转换、前导通配符等失效场景，并用EXPLAIN验证是否命中。深分页改游标分页，高频写入采用批量+分区策略，提升吞吐一个数量级。

2026-10-19 11:24:35 400

原创 AI 原生工程化-05 系统安全

本章强调：系统安全不能仅依赖功能实现，必须以“攻击面思维”重构设计。核心原则包括最小权限（只给必要权限）、纵深防御（多层防护）、认证授权分离（如JWT与Session对比），以及密码存储必须使用慢哈希+盐。重点指出AI生成代码常忽略安全细节，如明文存密、无限期令牌、缺乏限流等，需人工补全防御机制。安全是底线，出事即事故，而非可容忍的Bug。

2026-10-19 11:22:51 231

原创 AI 原生工程化-04 系统架构

本章强调架构的本质是决策与约束，而非绘图。通过分层（接入、业务、数据）实现关注点分离，确保变更局部化；依赖必须单向，遵循依赖倒置原则，避免循环依赖。模块化追求高内聚、低耦合，以接口通信替代直接访问表或类，降低变更传播。AI易因“最省事”路径导致架构腐化，需靠规则约束遏制。架构选择应基于业务规模，从单体到模块化单体再到微服务，避免盲目拆分。

2026-10-16 11:10:47 253

原创 AI 原生工程化-03 系统设计

AI时代，设计决定系统基因。代码成本趋近于零，更需“设计先行”，否则易陷入接口混乱、数据模型难改、一致性漂移的陷阱。本章强调三大核心：领域建模（实体与值对象区分、状态机显式化、模板与记录分离）、接口契约（资源导向、单一职责、动词标准化）、数据模型（边界清晰、不可变事实、版本控制）。审设计时，须追问五个本质问题，杜绝AI生成的“临时方案”。唯有如此，才能在低代码时代守住系统的可维护性与业务一致性。

2026-10-16 11:10:00 193

原创 02 AI 协作工作流：需求 → 拆解 → 交付

模糊的需求就像一份没填完的函数签名——AI 要生成代码，就必须给每个空白一个取值。它不会停下来问你，它按"全网最常见的设备点检长什么样"来填：你们厂三班倒、要先选模板再点检、异常项要拍照——这些只存在于你们厂的细节，它一概用平均值填掉。更麻烦的是偏差的放大路径：生成那一刻，偏差只值一行字；但它立刻被固化成表结构、接口、页面；后续每个会话又把它当"既定事实"继续往上盖（AI 从不质疑已经生成的代码）；直到验收那天你才发现做错了——此时返工不是改一行，是推倒重来。

2026-10-12 10:36:24 159