文章详细讲述了淘特导购团队在 AI 编码领域的探索实践。从最初的 AI 代码智能补全和单方法重构，提升了效率但暴露出局部优化和上下文理解不足的问题。为解决这些问题，团队尝试了 Agentic Coding，通过详细 Prompt 实现整个功能，显著提升了开发效率，但遇到了代码延续性差、代码风格不一致和团队协同性差的新挑战，核心原因是 AI 缺乏项目特定上下文和约束。随后引入 Rules 文件，通过固化项目规范、架构模式和领域知识，显著改善了代码一致性、开发效率和团队协作。近期，团队开始尝试 SDD（规格驱动开发），旨在将自然语言规格作为唯一真理源，驱动代码、测试、文档自动生成，带来了显著的一致性、可测试性和可维护性提升，但 SDD 规格编写门槛高、工具链不成熟、与历史代码集成困难和学习成本高等问题也暴露无遗。最终，文章提出了当前融合 Rules 约束、技术方案模板优化、Agentic Coding 和 AI 文档汇总的实践方案，以充分利用各阶段优势，解决 AI 编程中的实际问题。
本文系统回顾了淘特导购团队在AI编码实践中的演进历程，从初期的代码智能补全到Agent Coding再到引入Rules约束，最终探索SDD（Specification Driven Development，规格驱动开发）——以自然语言规格（spec.md）为唯一真理源，驱动代码、测试、文档自动生成，实现设计先行、可测试性内建与文档永不过期。实践中发现SDD理念先进但落地门槛高、工具链不成熟、历史代码集成难，因此团队当前采用融合策略：以轻量级技术方案模板为输入 + Rules严格约束 + Agent Coding高效实现 + AI自动汇总架构文档，形成兼顾规范性、效率与可维护性的AI辅助编程最佳实践。
背景
▐1.1 业务背景
生成式AI技术的范式突破正驱动智能开发工具进入超线性演进阶段，主流代码生成工具的迭代周期已从季度级压缩至周级，智能体架构创新推动开发效能持续提升。
淘特导购系统承载着商品推荐、会场投放、活动营销等多样化的业务场景，技术团队面临着需求迭代频繁、代码腐化及团队协作度高的问题，如何提升开发效率、保证代码质量、降低维护成本成为我们面临的重要挑战。正是在这样的背景下，我们开始尝试将AI技术融入到日常开发流程中，探索从传统编码到AI辅助编程的转变之路。
▐1.2 AI编程工具的引入
2024年初，团队开始探索AI编程工具，希望通过AI提升开发效率和代码质量。最初接触的是Aone Copilot（阿里内部AI工具）的代码智能补全功能，后来逐步尝试Agentic Coding、Rules约束、SDD（Specification Driven Development）等多种AI编程模式。本文将详细记录我们的探索历程、实践经验以及对AI编程未来的思考。
代码智能补全与单方法改写
▐2.1 初识AI编程
场景1：代码自动补全
// 开发者输入：public List<ItemCardVO> buildItemCards(List<ContentEntity> entities) {List<ItemCardVO> result = new ArrayList<>();// AI自动补全以下代码for (ContentEntity entity : entities) {ItemCardVO itemCard = new ItemCardVO();itemCard.setItemId(entity.getItemId());itemCard.setItemTitle(entity.getTitle());itemCard.setItemImg(entity.getPicUrl());result.add(itemCard);}return result;}
场景2：单方法重构
// 原始代码（冗长难读）public String getDiscountText(Long finalPrice, Long nnPrice) {if (finalPrice == null || nnPrice == null) {return "";}if (finalPrice <= nnPrice) {return "";}Long discount = finalPrice - nnPrice;if (discount <= 0) {return "";}String discountYuan = String.valueOf(discount / 100.0);return discountYuan + "元";}// AI重构后（简洁优雅）public String getDiscountText(Long finalPrice, Long nnPrice) {if (finalPrice == null || nnPrice == null || finalPrice <= nnPrice) {return "";}Money discount = Money.ofFen(finalPrice).subtract(Money.ofFen(nnPrice));if (discount.getCent() <= 0) {return "";}return String.format("%s元", discount.getYuan());}
▐2.2 初步收益
效率提升：
-
去年某次商详项目中，代码补全在对象构建、模型转换中减少70-80%的键盘输入。
-
单方法重构速度提升50%。
体验优化：
-
减少了查找API文档的时间
-
避免了拼写错误和语法错误
-
让开发者更专注于业务逻辑
▐2.3 遇到的问题
然而，这个阶段也暴露出一些问题：
-
局限于局部优化：只能帮助完成单个方法或代码片段，无法理解整体业务逻辑
-
缺乏上下文理解：不了解项目的架构规范和代码风格
-
无法应对复杂需求：对于跨多个类、多个模块的需求无能为力
Agentic Coding的探索与挑战
▐3.1 Agentic Coding的尝试
带着上面的问题，我们开始尝试Agentic Coding模式，通过编写详细的提示词（Prompt），让AI一次性实现整个功能。
AI工具：Aone Copilot，模型：Qwen3-coder。
典型的Prompt结构：
需求：实现NN页面红包模块背景：- 需要展示用户可用的红包列表- 红包按门槛从小到大排序实现要求：1. 创建数据服务类 NnRedPacketDataService，查询用户红包2. 创建模块VO NnRedPacketVO，包含红包列表、总金额等字段3. 创建模块构建器 NnRedPacketModuleBuilder，组装数据技术细节：- 数据服务需要实现 DataService<List<FundQueryDTO>> 接口- 数据服务实现类需要依赖FpProvider，并执行红包查询，参数请参考已有实现- 模块构建器需要继承 BaseModuleBuilder<NnRedPacketVO>- 使用 @Component 注解标记为Spring Bean- 遵循项目代码规范请生成完整的代码。
AI生成的代码示例：
// 1. 数据服务public class NnRedPacketDataService implements DataService<List<FundQueryDTO>> {private FpProvider fpProvider;public List<FundQueryDTO> execute(InvocationContext context, JSONObject req) {// 从配置获取红包池IDString poolIds = req.getString("nnRedPacketPoolIds");List<Long> fundPoolIds = Arrays.stream(poolIds.split(",")).map(Long::parseLong).collect(Collectors.toList());// 查询用户红包return fpProvider.queryUserFundBuyPoolId(context,fundPoolIds,customRuleId,securityCode);}}// 2. 模块VOpublic class NnRedPacketVO {private List<RedPacketItem> redPacketList;private String totalAmount;private String expandText;}// 3. 模块构建器public class NnRedPacketModuleBuilder extends BaseModuleBuilder<NnRedPacketVO> {public String getName() {return "nnRedPacket";}protected NnRedPacketVO doBuild(InvocationContext context) {// 获取红包数据List<FundQueryDTO> funds = ContextUtils.<List<FundQueryDTO>>getBizResult(NnRedPacketDataService.class.getSimpleName(),context,500).orElse(Collections.emptyList());if (CollectionUtils.isEmpty(funds)) {return null;}// 构建VOreturn NnRedPacketVO.builder().redPacketList(buildRedPacketList(funds)).totalAmount(calculateTotalAmount(funds)).build();}private List<RedPacketItem> buildRedPacketList(List<FundQueryDTO> funds) {return funds.stream().map(this::toRedPacketItem).collect(Collectors.toList());}// ... 其他方法}
▐3.2 显著的效率提升
Agentic Coding实现了开发效率的显著优化，通过提示词驱动的自动代码生成替代了传统手动编写，虽然Prompt设计需要额外时间，但综合效率提升效果明显。
▐3.3 快速暴露的问题
然而，在后续的需求迭代中，我们发现了严重的问题：
问题1：代码延续性差
现象： 同样的NN业务，第二次让AI实现时，生成的代码风格完全不同
// 第一次生成（简洁风格）private String buildDiscountText(Money discount) {return String.format("省%s元", discount.getYuan());}// 第二次生成（冗长风格）private String buildDiscountText(Money discount) {BigDecimal yuan = BigDecimal.valueOf(discount.getCent()).divide(BigDecimal.valueOf(100), 2, RoundingMode.HALF_UP);String yuanStr = yuan.stripTrailingZeros().toPlainString();return "省" + yuanStr + "元";}
影响： 同一个项目内，类似功能的实现方式五花八门，维护成本高
问题2：代码风格不一致
现象： AI不了解项目的代码规范，导致生成的代码风格和存量代码不一致。
问题3：团队协同性差
现象： 不同开发者写的Prompt差异大，生成的代码质量参差不齐
-
新手写的Prompt过于简单，AI生成的代码质量差
-
老手写的Prompt详细但冗长，难以复用
-
缺乏统一的Prompt模板和最佳实践
▐3.4 原因分析
这些问题的根本原因在于：AI缺乏项目特定的上下文和约束
-
没有项目规范：AI不知道项目的代码风格、架构模式、命名规范
-
没有领域知识：AI不了解淘特导购业务的特定术语和设计模式
-
没有历史经验：每次都是"零基础"生成代码，无法从历史代码中学习
这让我们意识到，需要给AI建立"项目规范"和"领域知识"。
Rules约束 - 建立AI的"项目规范"
▐4.1 引入Rules文件
我们开始尝试用Rules文件来约束AI的行为，将项目规范、架构模式、领域知识固化下来。
Rules文件体系：
.aone_copilot/├── rules/│ ├── code-style.aonerule # 代码风格规范│ ├── project-structure.aonerule # 项目结构规范│ └── features.aonerule # 功能实现规范└── tech/├── xx秒杀-技术方案.md # 具体需求的技术方案└── xx红包模块-技术方案.md
▐4.2 Rules文件内容示例
代码风格规范（code-style.aonerule）
# 代码风格规范## Java代码规范- 类名使用大驼峰命名法（PascalCase）- 方法名和变量名使用小驼峰命名法（camelCase）- 常量使用全大写，单词间用下划线分隔（CONSTANT_CASE）## 空值判断- 集合判空统一使用：CollectionUtils.isEmpty() 或 isNotEmpty()- 字符串判空统一使用：StringUtils.isBlank() 或 isNotBlank()- 对象判空统一使用：Objects.isNull() 或 Objects.nonNull()## 日志规范- 使用 LogUtil 工具类记录日志- 错误日志格式：LogUtil.error("类名, 方法名, 错误描述, 关键参数={}", param, exception)## 注解使用- Service类使用 @Component 注解- 数据服务实现 DataService<T> 接口- 模块构建器继承 BaseModuleBuilder<T>
项目结构规范
# 项目结构规范## 包结构com.alibaba.aladdin.app/├── module/ # 模块构建器│ ├── nn/ # NN业务模块│ ├── seckill/ # 秒杀业务模块│ └── common/ # 通用模块├── domain/ # 领域对象│ ├── module/ # 模块VO（继承ModuleObject）│ └── [业务名]/ # 业务领域对象（BO、DTO）├── dataservice/impl/ # 数据服务实现└── provider/ # 外部服务提供者## 命名规范- 数据服务：[业务名]DataService（如 NnRedPacketDataService）- 模块构建器：[业务名]ModuleBuilder（如 NnFeedsModuleBuilder）- 模块VO：[业务名]VO（如 NnRedPacketVO）- 业务BO：[业务名]BO（如 NnRoundFeatureBO）
功能实现规范
# 功能实现规范## 数据服务层- 必须实现 DataService<T> 接口- 使用 注解- execute方法的第一个参数是 InvocationContext- execute方法的第二个参数是 JSONObject businessReq示例：```javapublic class NnRedPacketDataService implements DataService<List<FundQueryDTO>> {public List<FundQueryDTO> execute(InvocationContext context, JSONObject businessReq) {// 实现逻辑}}```## 模块构建器- 必须继承 BaseModuleBuilder- 使用 注解- 实现 getName()、doBuild()、bottomTransform() 三个方法- 通过 ContextUtils.getBizResult() 获取数据服务结果示例：```public class NnRedPacketModuleBuilder extends BaseModuleBuilder<NnRedPacketVO> {public String getName() {return "nnRedPacket";}protected NnRedPacketVO doBuild(InvocationContext context) {List<FundQueryDTO> funds = ContextUtils.<List<FundQueryDTO>>getBizResult(NnRedPacketDataService.class.getSimpleName(),context,500).orElse(Collections.emptyList());// 构建逻辑}}```
▐4.3 技术方案模板
除了Rules文件，我们还为每个需求创建技术方案文档，明确定义需要生成的代码：
技术方案示例（NN红包模块-技术方案.md）：
# 业务定义NN红包模块用于展示用户在NN业务场景下可用的红包列表。# 业务领域对象无（复用 FundQueryDTO）# 模块领域对象| 对象含义 | 实现方案 | 属性及类型 ||---------|---------|-----------|| NN红包模块VO | 新增 | 1. redPacketList：List<RedPacketItem> - 红包列表<br>2. totalAmount：String - 总金额<br>3. expandText：String - 展开文案 |# 数据服务层| 数据服务定义 | 实现方案 | execute ||------------|---------|---------|| NN红包查询服务 | 新增 | 1. 从配置获取红包池ID列表<br>2. 调用FpProvider查询用户红包<br>3. 过滤可用红包（状态=2，未过期）<br>4. 返回红包列表 |# 模块构建器| 模块构建器定义 | 实现方案 | doBuild逻辑 ||--------------|---------|-------------|| NN红包模块构建器 | 新增 | 1. 获取红包数据<br>2. 过滤门槛>20元的红包<br>3. 按门槛从小到大排序<br>4. 构建VO |
▐4.4 显著改善的效果
引入Rules文件后，我们看到了明显的改善：
代码一致性：
-
所有生成的代码都遵循统一的命名规范
-
项目结构清晰，模块划分明确
-
代码风格保持一致
开发效率：
-
技术方案填写时间从2小时降低到20分钟
-
代码实现时间从1天降低到2小时（需要人工收尾）
团队协作：
-
技术方案成为团队共同语言
-
Code Review效率提升50%
-
新人上手时间从1周降低到2天
▐4.5 依然存在的问题
虽然Rules带来了显著改善，但仍存在一些问题：
-
需求理解不够深入：AI仍然是基于技术方案"翻译"成代码，对业务语义理解有限
-
测试质量参差不齐：虽然能生成单测，但测试用例的通过率和覆盖度仍需人工把关
-
文档滞后：代码变更后，文档更新容易遗漏
-
依赖关系管理：对于复杂的模块依赖关系，AI处理不够优雅
这些问题让我们思考：能否找到一种方式，让AI能更加规范和延续的coding？
SDD探索 - 规格驱动开发
▐5.1 SDD的引入
近期，我们开始初步尝试SDD（Specification Driven Development，规格驱动开发），使用了Spec Kit工具链。
SDD的核心理念：
规格是唯一真理源（Single Source of Truth）
-
所有的代码、测试、文档都从规格生成
-
规格即文档，文档永不过期
设计先于实现
-
先用自然语言描述"做什么"（规格）
-
再让AI生成"怎么做"（代码）
可测试性内建
-
规格中明确定义测试用例
-
自动生成完整的单元测试
▐5.2 Speckit执行流程
5.2.1 环境准备
我们主要使用了两种工具：
-
iflow + qwen3 coder plus + spec kit
-
qwen + qwen3 coder plus + spec kit
文件体系：
├── .specify/│ ├── memory/│ │ └── constitution.md│ ├── scripts/│ └── templates/├── specs/│ └── 001-nn-redpacket-module/│ ├── checklists/│ │ └── requirements.md│ ├── contracts/│ │ └── api-contract.md│ ├── data-model.md│ ├── plan.md│ ├── quickstart.md│ ├── research.md│ └── spec.md└── req/└── nn-redpacket.md
5.2.2 speckit.constitution—制定整个项目的原则
这一步会生成项目全局的宪章，constitution.md
以下是部分节选：
## 核心原则### I. 模块化服务架构所有服务必须遵循模块化设计原则，具有明确的关注点分离和定义良好的接口。每个模块应具有单一职责并可独立部署。模块必须以松耦合和高内聚的方式设计，以增强可维护性和可扩展性，遵循最小依赖原则。### II. 阿里巴巴开发标准所有代码必须遵循阿里巴巴Java开发指南（基于阿里巴巴Java编码规范）。这包括命名约定、异常处理实践、日志标准、安全最佳实践和性能优化模式。代码必须遵守样式一致性要求，以保持代码库的统一性。### III. 质量保证实践全面测试是强制性的：对所有业务逻辑进行单元测试，对服务交互进行集成测试，对API兼容性进行合同测试。代码覆盖率必须保持在80％以上，特别关注关键业务路径。代码质量工具必须集成到CI/CD管道中以执行标准，遵循阿里巴巴开发规范以确保质量和可靠性。### IV. 模块设计原则遵循单一职责原则，每个模块都有一个明确的目的。模块必须以松耦合和高内聚的方式设计，遵循关注点分离原则。模块边界应与业务能力和领域上下文对齐。所有模块都遵循最小依赖原则，仅导入必要的依赖项以减少系统复杂性。### V. 项目架构设计原则本项目采用分层架构设计，通过模块化组织代码，支持淘特投放业务的各种场景需求。架构层次包括：1. **接入层**：处理请求接入和协议转换2. **解决方案层**：业务解决方案的统一入口3. **子解决方案层**：细粒度的业务处理能力4. **模块构建层**：按业务功能划分的模块构建器5. **数据服务层**：负责各种业务数据的获取、处理和封装6. **外部服务层**：负责调用外部服务并进行模型转换7. **领域模型层**：定义核心业务对象和数据传输对象8. **基础设施层**：包含基础组件和框架封装9. **通用模块层**：公共组件和工具类### VI. 依赖管理遵循最小依赖原则：每个模块应只拥有其实际需要的依赖项。避免模块之间的循环依赖。使用依赖注入实现松耦合。定期审核和更新依赖项以最小化安全漏洞。这确保了可维护和高效的代码结构。### VII. 代码风格一致性在整个项目中保持一致的代码风格，使用标准化的格式化规则。所有代码在合并前必须通过静态分析检查。一致地遵循设计模式，并对与标准实践的任何偏差提供清晰的证明。这确保了统一的代码规范和样式，符合项目标准。### VIII. Speckit中文本地化所有speckit相关文件、文档和配置都应使用中文，以支持本地开发团队。`.specify/`和`specs/`目录中的文件和相关speckit构件必须使用中文，以便本地开发人员更好地理解和维护，同时应为可能服务国际市场面向用户的组件保留国际化支持。## 安全和合规要求所有代码必须符合阿里巴巴的安全标准，并在部署前进行强制性安全审查。必须为所有暴露的端点实现适当的身份验证和授权。敏感数据必须根据内部合规要求进行处理。必须扫描依赖项中的安全漏洞。## 开发工作流程1. 所有代码更改必须遵循标准的阿里巴巴开发工作流程：功能分支、代码审查、自动化测试和CI/CD管道验证。拉取请求必须通过所有测试并获得指定审阅者的批准后才能合并。除非明确批准进行具有迁移计划的破坏性更改，否则所有更改必须向后兼容。每次更改都必须遵循模块设计原则并保持代码风格一致性。2. 所有操作不要创建新分支，而是在当前分支下进行3. 代码生成必须遵循code-generation-prompt.aonerule文件## 治理本宪法凌驾于所有其他开发实践之上，必须在存储库中的所有工作中遵循。对本宪法的任何修改都需要正式文档、团队批准和迁移计划。所有PR和代码审查必须验证是否符合这些原则。
5.2.3 speckit.specify—编写规格说明
这一步会新建一个分支，创建spec.md、requirements.md等文件，这里反复修改了多次，主要还是后续的执行不理想的返工。
NN红包模块规格说明（spec.md）：
# NN红包模块规格说明## 功能概述NN红包模块用于在NN频道页面展示用户可用的红包列表，帮助用户了解可以使用的优惠。## 功能需求### FR-1: 红包数据获取**描述：** 系统应该能够查询用户在当前NN业务场景下可用的红包**前置条件：**- 用户已登录- 配置了红包池ID（fundPoolIds）- 配置了规则id（customRuleId）- 配置了securityCode**输入：**- userId：用户ID- fundPoolIds：红包池ID列表- customRuleId：自定义规则ID- securityCode：安全码**处理逻辑：**1. 调用FpProvider.queryUserFundBuyPoolId()查询红包2. 过滤条件：- 红包状态（payStatus）= 2（可使用）- 红包未过期（当前时间在startTime和endTime之间）- 红包门槛 <= 配置的amountThreshold（默认20元）**输出：**- 返回符合条件的红包列表**异常处理：**- 如果FpProvider调用失败，返回空列表- 如果用户未登录，返回空列表.........**处理逻辑：**1. 如果红包列表为空，不展示模块（返回null）2. 构建NnRedPacketVO：- redPacketList：转换每个红包为RedPacketItem- totalAmount：计算所有红包金额总和- expandText：从配置获取展开文案**输出：** NnRedPacketVO## 非功能需求### NFR-1: 性能要求- 红包查询超时时间：500ms- 如果超时，返回空列表，不影响页面其他模块### NFR-2: 可扩展性- 支持配置不同的红包池ID- 支持配置不同的门槛限制## 测试用例### TC-1: 正常流程 - 有可用红包**前置条件：**- 用户ID：123456- 配置的红包池ID：[1001, 1002]- FpProvider返回2个可用红包：- 红包1：金额5元，门槛15元- 红包2：金额10元，门槛25元**执行步骤：**1. 调用 doBuild(context)**预期结果：**- 返回的VO不为null- redPacketList包含2个红包- totalAmount = "15.00"（5 + 10）- 红包按门槛排序（红包1在前）### TC-2: 边界条件 - 红包门槛超限**前置条件：**- FpProvider返回1个红包，门槛25元- 配置的amountThreshold = 20元（2000分）**预期结果：**- 返回null（因为门槛超限，红包被过滤）......
5.2.4 speckit.plan—制定实施计划
这一步会生成data-model.md、api.md等几个文件，最重要的是plan.md
5.2.5 speckit.tasks—任务分解
生成task.md
5.2.6 speckit.implement—实现代码
数据服务实现
public class NnRedPacketDataService implements DataService<List<FundQueryDTO>> {private FpProvider fpProvider;public List<FundQueryDTO> execute(InvocationContext context, JSONObject businessReq) {long userId = context.getUserId();if (userId <= 0) {return Collections.emptyList();}// 获取配置String poolIdsStr = businessReq.getString("nnRedPacketPoolIds");List<Long> fundPoolIds = parsePoolIds(poolIdsStr);Long customRuleId = businessReq.getLong("customRuleId");String securityCode = businessReq.getString("securityCode");// 查询红包List<FundQueryDTO> funds = fpProvider.queryUserFundBuyPoolId(context, fundPoolIds, customRuleId, securityCode);if (CollectionUtils.isEmpty(funds)) {return Collections.emptyList();}// 过滤可用红包（按规格FR-1的过滤条件）Long amountThreshold = businessReq.getLong("amountThreshold", 2000L);return funds.stream().filter(fund -> fund.getPayStatus() == 2) // 可使用状态.filter(fund -> isNotExpired(fund)) // 未过期.filter(fund -> fund.getAmountThreshold() <= amountThreshold) // 门槛限制.collect(Collectors.toList());}private boolean isNotExpired(FundQueryDTO fund) {long now = System.currentTimeMillis();return fund.getStartTime() <= now && now <= fund.getEndTime();}// ... 其他方法}
模块构建器实现
public class NnRedPacketModuleBuilder extends BaseModuleBuilder<NnRedPacketVO> {public String getName() {return "nnRedPacket";}protected NnRedPacketVO doBuild(InvocationContext context) {// 获取红包数据（FR-1）List<FundQueryDTO> funds = ContextUtils.<List<FundQueryDTO>>getBizResult(NnRedPacketDataService.class.getSimpleName(),context,500).orElse(Collections.emptyList());// 如果无可用红包，不展示模块（FR-3）if (CollectionUtils.isEmpty(funds)) {return null;}// 红包排序（FR-2）List<FundQueryDTO> sortedFunds = sortFunds(funds, context);// 构建VO（FR-3）return NnRedPacketVO.builder().redPacketList(buildRedPacketList(sortedFunds)).totalAmount(calculateTotalAmount(sortedFunds)).expandText(getExpandText(context)).build();}/*** 红包排序：NN专属红包优先，其次按门槛从小到大* 对应规格 FR-2*/private List<FundQueryDTO> sortFunds(List<FundQueryDTO> funds, InvocationContext context) {JSONObject extraParams = getExtraParams(context);String nnPoolIdsStr = extraParams.getString("nnRedPacketPoolIds");Set<Long> nnPoolIds = parsePoolIds(nnPoolIdsStr).stream().collect(Collectors.toSet());return funds.stream().sorted(Comparator.comparing((FundQueryDTO fund) ->nnPoolIds.contains(fund.getFromFundId()) ? 0 : 1).thenComparing(FundQueryDTO::getAmountThreshold)).collect(Collectors.toList());}// ... 其他方法}
完整的单元测试
public class NnRedPacketModuleBuilderTest {private InvocationContext context;private NnRedPacketDataService dataService;private NnRedPacketModuleBuilder builder;/*** 测试用例 TC-1: 正常流程 - 有可用红包*/public void testBuild_WithAvailableFunds_ShouldReturnVO() {// 准备数据List<FundQueryDTO> mockFunds = Arrays.asList(createFund(1L, 500L, 1500L), // 5元，门槛15元createFund(2L, 1000L, 2500L) // 10元，门槛25元);// Mockwhen(dataService.execute(any(), any())).thenReturn(mockFunds);mockContext(context, "nnRedPacketPoolIds", "1,2");mockBizResult(context, NnRedPacketDataService.class.getSimpleName(), mockFunds);// 执行NnRedPacketVO result = builder.doBuild(context);// 验证（按规格预期结果）assertNotNull(result);assertEquals(2, result.getRedPacketList().size());assertEquals("15.00", result.getTotalAmount());// 验证排序：门槛低的在前assertEquals(1500L, result.getRedPacketList().get(0).getAmountThreshold());}/*** 测试用例 TC-2: 边界条件 - 红包门槛超限*/public void testBuild_ThresholdExceeded_ShouldReturnNull() {// 准备数据：门槛25元，超过配置的20元List<FundQueryDTO> mockFunds = Arrays.asList(createFund(1L, 500L, 2500L));// Mock（配置amountThreshold=2000，即20元）JSONObject businessReq = new JSONObject();businessReq.put("amountThreshold", 2000L);when(dataService.execute(any(), eq(businessReq))).thenReturn(Collections.emptyList());mockBizResult(context, NnRedPacketDataService.class.getSimpleName(), Collections.emptyList());// 执行NnRedPacketVO result = builder.doBuild(context);// 验证（按规格预期结果）assertNull(result);}/*** 测试用例 TC-3: 异常场景 - FpProvider返回null*/public void testBuild_ProviderReturnsNull_ShouldReturnNull() {// Mockwhen(dataService.execute(any(), any())).thenReturn(null);mockBizResult(context, NnRedPacketDataService.class.getSimpleName(), null);// 执行NnRedPacketVO result = builder.doBuild(context);// 验证（按规格预期结果）assertNull(result);}/*** 测试用例 TC-4: 异常场景 - 用户未登录*/public void testBuild_UserNotLogin_ShouldReturnNull() {// Mock：userId = 0when(context.getUserId()).thenReturn(0L);when(dataService.execute(any(), any())).thenReturn(Collections.emptyList());mockBizResult(context, NnRedPacketDataService.class.getSimpleName(), Collections.emptyList());// 执行NnRedPacketVO result = builder.doBuild(context);// 验证（按规格预期结果）assertNull(result);}// 辅助方法private FundQueryDTO createFund(Long id, Long amount, Long threshold) {FundQueryDTO fund = new FundQueryDTO();fund.setFundId(id);fund.setAvailableAmount(amount);fund.setAmountThreshold(threshold);fund.setPayStatus(2); // 可使用fund.setStartTime(System.currentTimeMillis() - 3600000); // 1小时前开始fund.setEndTime(System.currentTimeMillis() + 3600000); // 1小时后结束return fund;}}
▐5.3 SDD带来的改进
5.3.1 一致性显著提升
代码层面：
-
所有代码都严格遵循规格说明，消除了理解偏差
-
不同开发者实现相同规格，代码风格完全一致
-
代码变更时，必须先更新规格，保证文档与代码同步
业务层面：
-
产品、开发、测试对需求的理解高度一致
-
减少了需求理解偏差导致的返工
5.3.2 可测试性大幅提升
测试覆盖：
-
自动生成的测试用例覆盖了所有正常和异常流程
-
测试用例与规格说明一一对应，确保完整性
-
边界条件和异常场景都有明确的测试用例
测试质量：
-
Mock方式规范统一，符合项目最佳实践
-
断言准确全面，不会遗漏关键验证点
-
测试代码可读性好，易于维护
5.3.3 可维护性显著改善
文档永不过期：
-
规格说明就是最准确的文档
-
任何变更都先更新规格，再同步代码
-
新人通过阅读规格说明就能快速理解功能
变更影响分析：
-
修改规格时，清晰知道影响哪些代码模块
-
依赖关系在规格中明确定义
-
重构时可以基于规格验证正确性
代码可读性：
-
代码结构清晰，层次分明
-
注释完整准确，与规格保持一致
-
命名规范统一，易于理解
5.3.4 团队协作效率提升
-
新人通过阅读规格说明快速上手
-
跨团队协作时，规格成为统一语言
-
历史需求回溯更容易，规格即完整记录
▐5.4 SDD的问题与挑战
虽然SDD带来了价值，但在实践中也遇到了一些明显的问题：
问题1：规格编写门槛高
现象： 编写高质量的规格说明需要较强的抽象能力和文档编写能力
-
新手往往写不好规格，过于技术化或过于模糊
-
规格模板虽然有，但如何填写仍需要经验
-
不合格的规格对后面的代码实现影响
影响： 对于简单需求，写规格的时间甚至超过直接写代码
问题2：Spec Kit工具链不成熟
遇到的具体问题：
-
规格解析不准确
AI有时无法正确理解规格中的复杂逻辑
需要用非常精确的语言描述，稍有歧义就可能理解错误
-
代码生成质量不稳定
相同的规格，不同时间生成的代码质量差异大
有时生成的代码过于冗长，有时又过于简化
-
增量更新困难
规格修改后，很难做到只更新变化的部分
往往需要重新生成整个文件，导致手工修改的部分丢失
问题3：与现有代码库集成困难
现象： 我们的代码库已经有大量历史代码，SDD更适合从零开始的新项目
-
历史代码缺乏规格说明，无法纳入SDD体系
-
新老代码风格混杂，维护成本反而增加
-
团队一部分人用SDD，一部分人用传统方式，协作困难
问题4：学习成本高
数据：
-
写出合格的第一份规格说明，平均需要3-5次迭代
-
老员工接受度较低，认为"还不如直接写代码快"
▐5.5 SDD适用场景分析
经过3个月的实践，我们总结出SDD的适用场景：
适合使用SDD：
-
✅ 全新的项目或模块
-
✅ 核心业务逻辑，需要长期维护
-
✅ 复杂度高，需要详细设计的功能
-
✅ 多人协作的大型需求
-
✅ 对质量要求极高的场景
不适合使用SDD：
-
❌ 简单的工具函数或配置修改
-
❌ 快速验证的实验性功能
-
❌ 一次性的临时需求
-
❌ 对现有代码的小修改
当前最佳实践 -
Rules + Agentic Coding + AI文档汇总
▐6.1 融合各阶段优势
核心思路：
-
用Rules约束AI
-
用技术方案指导实现
-
用Agentic Coding快速迭代
-
用AI汇总文档保持同步
▐6.2 技术方案模板优化
我们优化了技术方案模板，更加轻量级：
[需求名称]-技术方案# 业务定义[简要描述业务背景和目标，1-2句话]# 业务领域对象[如果需要新增/修改BO或DTO，在此说明]# 模块领域对象[需要新增/修改的VO对象]| 对象含义 | 实现方案 | 属性及类型 ||---------|---------|-----------|| [对象名] | 新增/修改 | 1. 字段1：类型 - 说明<br>2. 字段2：类型 - 说明 |# 数据服务层[需要新增/修改的数据服务]| 数据服务定义 | 实现方案 | execute逻辑 ||------------|---------|-----------|| [服务名] | 新增/复用 | 1. 步骤1<br>2. 步骤2 |# 模块构建器[需要新增/修改的模块构建器]| 模块构建器定义 | 实现方案 | doBuild逻辑 ||--------------|---------|-------------|| [构建器名] | 新增/修改 | 1. 获取数据<br>2. 处理逻辑<br>3. 构建VO |
特点：
-
比SDD规格更轻量，编写时间从2小时降低到30分钟
-
比纯Agentic Coding更规范，有明确的结构约束
-
聚焦于"做什么"，而非"怎么做"（实现细节交给AI）
▐6.3 AI文档汇总机制
即：让AI自动维护"整体架构与业务逻辑文档"
6.3.1 文档汇总流程
完成需求开发 → 提交AI："将本次代码逻辑汇总到汇总文档" → AI分析代码 → AI更新文档Prompt示例：
我刚完成了NN红包模块的开发，请分析以下代码：- NnRedPacketDataService.java- NnRedPacketModuleBuilder.java- NnRedPacketVO.java然后将其业务逻辑汇总到"NN业务整体架构与逻辑文档.md"中，确保：1. 描述模块的核心功能和业务价值2. 说明数据流转过程3. 列出关键的业务规则和判断逻辑4. 保持与现有文档的风格一致
6.3.2 架构文档结构
NN业务整体架构与逻辑文档# 一、业务概述[业务背景、目标、核心价值]# 二、整体架构## 2.1 技术架构[分层架构图、技术栈]## 2.2 模块组成[各个模块的功能和关系]# 三、核心模块详解## 3.1 NN Feeds模块### 3.1.1 功能说明[模块的核心功能]### 3.1.2 数据流转[数据从哪里来，经过哪些处理，最终输出什么]### 3.1.3 关键逻辑[重要的业务规则、计算逻辑、判断条件]### 3.1.4 代码位置[对应的类和方法]## 3.2 NN红包模块[类似结构]## 3.3 NN吊钩层模块[类似结构]# 四、数据服务层[各个数据服务的功能和依赖]# 五、关键流程[重要的业务流程时序图]# 六、配置说明[配置项说明]# 七、扩展点[未来可能的扩展方向]
6.3.3 AI汇总效果示例
AI生成的文档片段：
## 3.2 NN红包模块### 3.2.1 功能说明NN红包模块用于在NN频道页面展示用户可用的红包列表，帮助用户了解可以使用的优惠，提升转化率。### 3.2.2 数据流转用户请求 → NnRedPacketDataService→ 调用FpProvider查询用户红包→ 过滤可用红包（状态=2，未过期，门槛<=20元）→ 返回红包列表↓NnRedPacketModuleBuilder→ 获取红包数据→ 红包排序（NN专属优先，门槛从小到大）→ 构建NnRedPacketVO→ 返回前端
#### 3.2.3 关键逻辑**1. 红包过滤规则**```java// 只展示满足以下条件的红包：// 1. 状态为可使用（payStatus = 2）// 2. 未过期（当前时间在startTime和endTime之间）// 3. 门槛 <= 配置的amountThreshold（默认20元）if(fund.getPayStatus() != 2) return false;if(fund.getStartTime() > now || now > fund.getEndTime()) return false;if(fund.getAmountThreshold() > amountThreshold) return false;**2. 红包排序规则**```java// 排序规则：// 1. NN专属红包（配置的nnRedPacketPoolIds）优先// 2. 其次按门槛从小到大排序funds.stream().sorted(Comparator.comparing(fund -> nnPoolIds.contains(fund.getFromFundId()) ? 0 : 1).thenComparing(FundQueryDTO::getAmountThreshold))**3. 总金额计算**```java// 计算所有可用红包的金额总和String totalAmount = funds.stream().map(FundQueryDTO::getAvailableAmount).reduce(0L, Long::sum).map(PriceUtils::getPriceFenToYuan).orElse("0.00");#### 3.2.4 代码位置- 数据服务：`NnRedPacketDataService`- 位置：`dataservice/impl/nn/NnRedPacketDataService.java`- 核心方法：`execute(InvocationContext, JSONObject)`- 模块构建器：`NnRedPacketModuleBuilder`- 位置：`module/nn/NnRedPacketModuleBuilder.java`- 核心方法：`doBuild(InvocationContext)`、`sortFunds(List<FundQueryDTO>)`- 模块VO：`NnRedPacketVO`- 位置：`domain/module/nn/NnRedPacketVO.java`#### 3.2.5 配置项```json{"nnRedPacketPoolIds": "1001,1002,1003", // NN专属红包池ID"amountThreshold": 2000, // 红包门槛上限（分）"expandText": "展开查看更多" // 展开文案}
思考总结
在淘特导购业务的AIcoding实践中，我们经历了从简单代码补全到Agentic Coding，再到基于规则和SDD的编程模式的演进过程。每个阶段都有其价值和局限性：
-
初期探索让我们认识到AI在编码辅助方面的潜力，但也暴露了缺乏规范指导的问题；
-
Agentic Coding提升了功能实现的完整性，但可延续性和一致性仍有不足；
-
基于规则的模式有效解决了代码规范和架构一致性问题，成为当前的主要实践方式；
-
SDD尝试虽然在理念上很有价值，但在实际应用中还需要进一步完善。
虽然在SDD编程方面遇到了一些挑战，但我们认为AI规范化编程是未来发展的方向。团队中的同学正在持续探索和优化：
-
完善工具链：改进Spec Kit等工具，提升自动化能力
-
优化流程整合：更好地将SDD模式与现有开发流程结合
-
降低学习成本：通过培训和实践案例帮助团队成员适应新模式
-
持续改进规则：根据实践经验不断完善规则定义
我们相信，通过持续的探索和实践，一定能找到更适合团队的AI辅助编程模式，进一步提升开发效率和代码质量。
▐ 最后
本文大部分内容由AI根据代码及配置生成。
团队介绍
本文作者式遂，来自淘天集团-淘特用户技术团队。团队主要负责淘宝行业&淘特C端链路的研发工作，包含：搜索推荐、互动游戏、导购、交易等基础服务及创新业务。当下我们积极拥抱AI时代，探索智能化在研发提效和业务场景中的无限可能。技术不只是工具，更是为用户创造价值的力量。
