AI时代从Demo到卓越工程的演进过程

稳定版本最终发布，我倾尽了我所有的想法与当下的用户的痛点的业务结合，做到阶段性卓越。思路我举几个例子:

1.一开始，产品雏形demo的建立，当一个可用的demo可运行，我开始找身边的人试用，找痛点，同时一开始是单体spring boot的项目，但能考虑到的缓存、限流，降级，故障恢复和压测，分层设计，提前进行了大的框架预留与设计。

2.当逐步收到痛点时，开始让AI帮我coding，在这个过程中，你会发现，业务形态没定，实体抽象不出来，还无法建立领域模型，直到功能随着需求越来越丰富，开始比如很小的点，某个接口6 7个传参，功能已经稳定，那么可以着手抽象成模型model。服务类，无论接口层还是传输层，以及数据字典的微调。

3.当功能越来越多，单体启动太慢，于是我经验出发，拆分服务为微服务，曾经做过dubbo工程，演进到现在的springcloud，于是着手模块微服务拆分，那么某个单点启动问题所带来的连锁思考:

比如挂了怎么办，有bug用户在用改了后启动几十秒？整个过程几分钟？金融级别的要求的话，P0故障了。于是从我现有买的服务器核数以及内存的角度，外存，消息中间件，数据库等以及模块化规模，未来增长曲线预判等我敲定怎么拆，拆几个，以及决定起几个实例。

4.当接入的模型越来越多，通用化配置，我重构过开源hivemetastore，兼容各种异构数据源及计算和存储。那么我决定抽象通用可适配所有模型的统一服务层，以及重写统一langchain langGraph的框架，不是在炫技，而是从业务反馈，代码和系统扩展以及业务流程上去编排去并行加并发和服务器负载的平衡等的决策。

5.一步步演进，架构的越来越具有可伸缩，可扩展，高可用，甚至代码鲁棒性，抽象及细粒度到各jar包的依赖版本的兼容，再到产品体验，功能展示太多？颜色体感？以及串联所有模拟的用户使用时，假如我是用户，我会批判性吐槽哪里，页面卡住要不加个异步提醒？爽感在哪？创新在哪的自我审视。

等等等等我不再举例，所以在AI时代，你曾经踏实写的每一行代码，每一次抽象，每一次重构都在帮助你在AI专家们的团队下，帮你实现。

那么，你是否真的用心去实践过，决定着是否能成为AI的使用决策者。

GIT阶段性完整版: https://taou.cn/a/iiAQka

产品测试地址: https://taou.cn/a/iiAQkM