Java后端进行ai coding实践系列 的题目
文章平均质量分 94
在 AI 技术快速渗透软件开发领域的当下,“Java 后端 + AI Coding” 的结合已成为提升研发效率、规范代码质量的重要方向。本系列实践题目围绕 Java 后端核心技术栈,结合主流 AI Coding 工具(如 GitHub Copilot、CodeGeeX、Amazon CodeWhis
乾坤瞬间
一花一世界,一树一菩提。架构师之路
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
深入理解NacosDataSourceFactoryBean:实现Sentinel自定义规则的Nacos动态配置
摘要: NacosDataSourceFactoryBean是连接Sentinel与Nacos的核心组件,通过封装NacosDataSource的创建过程,实现配置动态化。其核心方法getObject()完成配置校验、整合、实例化与监听注册四步: 校验Nacos连接参数(serverAddr/dataId/groupId) 合并配置属性(优先使用显式serverAddr) 实例化NacosDataSource并注入转换器 返回实例供规则管理器使用 该组件解决了原生手动配置冗余、缺乏Spring整合等问题,支原创 2026-02-05 16:12:53 · 949 阅读 · 0 评论 -
【Java后端进行ai coding实践系列三】一句话,一个命令节约你的固定操作流程。
摘要:本文介绍如何通过配置文件简化AI编程中重复的命令操作。以代码提交为例,通过在.iflow/commands/目录下创建commit.toml文件,预设提交指令的描述和提示语,即可在命令行中快速调用该指令完成代码提交,避免每次重复输入相同命令。这种方法不仅适用于iflow工具,也可用于其他类似平台如Claude Code。文章还提供了iflow官方文档链接,方便用户进一步学习其他指令配置方法。(148字)原创 2025-10-29 14:32:14 · 362 阅读 · 0 评论 -
【Java后端进行ai coding实践系列二】记住规范,记住内容,如何使用iflow进行上下文管理
避免不同开发者写出风格迥异的代码,让后续维护时大家能快速看懂彼此的逻辑;,不用再为 “变量该用驼峰还是下划线”“接口返回格式怎么定” 反复争论;,规范中藏着无数前辈踩过的坑,比如异常处理规范能避免遗漏关键错误场景,遵循规范就是避开潜在 bug。但现实往往是:刚记住 “枚举要大写”,转头写 Controller 又忘了接口命名规则;团队定好的规范文档存进共享盘,开发时急着写功能根本没时间翻;新成员加入后,更是要花大量时间重新熟悉各种规则。于是我们不得不面对三个核心问题:如何才能真正记住编码规范?原创 2025-10-28 17:49:35 · 1400 阅读 · 0 评论 -
【Java后端进行ai coding实践系列一】如何使用ai coding实现计划任务增删改查
摘要: 本文介绍了使用AI编程工具对项目需求变更进行代码调整的实践过程。原需求要求用户必须同时设置步数和睡眠目标,现改为只需设置其中一个即可。通过AI工具的计划模式,分三步完成修改:1)移除实体类中的@NotNull注解;2)添加自定义校验注解@ValidateGoalTargets;3)实现ConstraintValidator校验器确保两个目标不同时为空。整个过程展示了AI辅助编程的高效性,从需求分析到代码生成的完整流程仅需简单提示即可完成,大大提升了开发效率。原创 2025-10-27 18:04:07 · 1563 阅读 · 1 评论
分享