最近不管是 B 站还是 Java 技术社区讨论度最高的两个词一个是 Claude Code一个是 AI Agent 工程化。不少人的认知还停留在“AI 帮我补全代码”的阶段但真正落到企业级开发里难点从来不是“让 AI 写一段代码”而是“如何把 AI 写代码这件事塞进需求分析、架构设计、持续集成、代码审查、部署交付的完整工程链路里”。本文就围绕 Java AI 这个话题把 Claude Code 和 Harness AI 的工程化落地思路完整拆一遍。我会以一个电商系统为例从需求分析开始到系统架构搭建再到用 Claude Code 生成核心业务代码最后通过 Harness AI 流水线完成自动化构建、测试与部署。整条链路全部可复现代码示例也尽量完整。适合三类读者想用 AI 写 Java 项目的新手正在摸索 AI 编程落地姿势的后端开发以及团队里想建设“AI 辅助研发流程”的工程师或技术负责人。1. 为什么要关注 AI 工程化1.1 开发者的困惑AI 写代码和工程落地之间隔了什么先看一个很常见的场景。你让 AI 生成一个 Spring Boot 接口它 10 秒就写出来了。代码能跑Controller 入口、Service 逻辑、Mapper 查询样样齐全。但放到团队工程里可能立刻暴露一堆问题没有单元测试CI 质量门禁过不去数据库字段和实体类不对齐启动时 JPA 校验直接报错异常处理只会抛出 RuntimeException生产环境排障困难没有日志埋点出问题根本定位不到链路没有考虑限流和幂等高并发场景一上来就挂。这说明什么说明 AI 写代码的能力已经很强但“代码生成”只是整个软件交付链路里的一个节点。真正的工程化要求从需求、设计、编码、测试、构建、部署到监控全流程可控。这也是为什么“AI Agent 工程化”会被反复提起。1.2 Claude Code 与 Harness AI 在工程链路中的位置Claude Code 是 Claude 的编程代理能力它不只是帮你补全代码而是可以读取项目结构、理解需求、在终端里执行命令、修改多文件甚至跑测试。你可以把它理解成一个“住在你项目里的 AI 工程师”。Harness AI 则更偏平台侧。Harness 本身是软件交付平台覆盖 CI/CD、灰度发布、服务治理等能力Harness AI 可以理解为把这些能力智能化的部分例如 AI 辅助生成流水线、智能识别失败原因、自动分析日志等。两者的定位我用一句话总结Claude Code面向开发者的“写代码智能体”负责需求到代码的落地Harness AI面向研发流程的“交付智能体”负责代码到上线的自动化与质量保障。企业级 Java 项目里两者配合起来就形成了一条“AI 写代码 AI 管交付”的完整链路。1.3 本文实战背景企业级电商系统为了不写空泛概念后面我统一用一个电商系统作为实战背景。系统包含用户、商品、订单、库存、支付等核心模块。技术栈采用业界最常见的 Java 17 Spring Boot 3 MySQL Redis构建工具用 Maven。整个流程是需求分析用结构化文档拆解模块架构设计明确模块边界和数据模型AI 编码用 Claude Code 生成工程骨架、实体、业务代码和测试自动化交付把代码推入 Harness 流水线完成构建、测试、镜像打包、部署复盘优化总结 AI 工程化的常见坑和最佳实践。接下来先从环境准备开始。2. 环境准备2.1 版本说明与安装清单由于 AI 工具迭代非常快具体版本号我不写死建议以官方最新稳定版为准。本文示例所需的本地环境如下组件说明JDKJava 17 及以上Maven3.8 以上IDEIntelliJ IDEA 或 VS CodeClaude Code终端安装的 Claude Code CLIDocker用于本地跑 MySQL、RedisGit代码版本管理如果你还没有配置过 Java 环境变量需要先确保JAVA_HOME指向 JDK 安装目录并且把%JAVA_HOME%\bin或$JAVA_HOME/bin加入PATH。否则后面 Maven 和 Spring Boot 启动都会失败。2.2 安装 Claude CodeClaude Code 的安装方式在不同版本里可能略有差异。比较通用的方式是npm install -g anthropic-ai/claude-code安装完成后在终端输入claude即可进入对话式编程界面。第一次使用需要完成登录授权建议使用独立的项目目录避免 Claude Code 读取到无关文件。在项目根目录里Claude Code 会读取CLAUDE.md文件作为项目级说明。你可以把技术栈、目录规范、编码要求写进去让 AI 在生成代码时自动遵守。# CLAUDE.md ## 项目说明 电商系统后端服务 ## 技术栈 - Java 17 - Spring Boot 3.x - Maven - MySQL Redis ## 编码要求 - Service 层必须添加 Transactional 事务注解 - Controller 层统一返回 ApiResponseT - 所有对外接口必须记录访问日志 - 单元测试必须覆盖核心业务分支2.3 初始化 Java 项目骨架先用 Spring Initializr 或 Maven 手动创建项目骨架。我更推荐手动创建因为这样能清楚理解每个文件的作用。mkdir ecommerce-backend cd ecommerce-backend mvn archetype:generate -DgroupIdcom.example.ecommerce \ -DartifactIdecommerce-backend \ -Dversion1.0.0 \ -Dpackagecom.example.ecommerce \ -DarchetypeArtifactIdmaven-archetype-quickstart当然你也可以让 Claude Code 直接初始化项目这其实是更高效的方式。在空目录里运行claude输入下面的提示词请帮我创建一个 Spring Boot 3 项目包名 com.example.ecommerce 包含 web、data-jpa、validation、mysql 驱动等基础依赖 使用 Maven 构建并生成标准的项目目录结构。Claude Code 会自动生成pom.xml、启动类、配置文件甚至帮你把入口类跑通。这比手敲效率高很多。3. Claude Code 核心用法与工程化姿势3.1 Claude Code 能做什么Claude Code 不是简单的对话补全工具。它具备以下几类能力多文件编辑理解项目结构后一次性修改多个相关文件终端命令执行可以在项目里自动执行 Maven 构建、Git 提交、测试命令工程上下文感知读取CLAUDE.md、现有代码风格、依赖版本测试驱动开发先看懂失败测试再补实现代码任务拆解把复杂需求拆成多个子任务并逐步完成。比如你输入“在 Controller 里新增一个订单查询接口包含分页参数使用 Redis 缓存”它不是只改一个文件而是会同步检查 Service、Mapper、DTO 是否需要调整然后给出方案。3.2 与企业级 Java 项目配合的工作流实际项目里我建议把 Claude Code 当成“结对编程搭子”而不是“代码生成器”。推荐的工作流是需求拆解 - 技术方案确认 - AI 生成初版代码 - 人工审查关键逻辑 - AI 补测试 - 运行测试 - 提交 PR其中人工审查不能省略。AI 生成代码的速度越快越需要你在架构、安全、性能边界上把关。3.3 从需求到生成的提示词结构好的提示词应该包含四部分角色、上下文、任务、验收标准。你是电商系统后端架构师。 项目位于 ./ecommerce-backend技术栈为 Java 17 Spring Boot 3 MySQL Redis。 请实现订单提交接口 1. 校验用户 ID 和商品库存 2. 创建订单记录状态为待支付 3. 扣除库存使用乐观锁控制并发 4. 返回订单编号。 验收标准 - Controller / Service / Mapper 分层清晰 - 核心方法有单元测试 - 关键异常有日志记录 - 不修改 pom.xml 中已有依赖。这种结构化提示词比“帮我写一个下单接口”得到的结果靠谱得多。4. 企业级电商需求分析与系统架构设计4.1 需求梳理商品、订单、库存、用户虽然本文重点是代码生成但工程化开发不能跳过需求分析。我们先把电商核心流程拆成闭环用户模块注册、登录、收货地址、用户等级商品模块商品信息、分类、SKU 规格、上下架库存模块库存扣减、库存回滚、库存预警订单模块购物车、订单创建、订单状态流转、订单查询支付模块支付单创建、支付回调、退款本文只做接口设计营销模块优惠券、满减活动可选扩展。一个典型的购物流转是浏览商品 - 加入购物车 - 提交订单 - 锁定库存 - 创建支付单 - 支付成功 - 扣减库存 - 发货4.2 技术选型与模块划分针对这种业务形态技术选型如下模块技术选型作用接口层Spring MVC提供 RESTful API业务层Spring Service 事务核心业务编排数据层Spring Data JPA MySQL持久化缓存层Redis热点缓存、分布式锁消息层RabbitMQ / Kafka异步解耦可选交付层HarnessCI/CD 自动化电商业务不建议一上来就拆成几十个微服务。可以先做模块化单体按业务边界拆包后续有需要再演进微服务。这样既节省运维成本又保留业务边界。4.3 数据库设计核心表包括member用户表、product商品表、sku规格表、stock库存表、order订单表、order_item订单明细表。下面是一份简化 SQLCREATE TABLE member ( id BIGINT PRIMARY KEY AUTO_INCREMENT, username VARCHAR(64) NOT NULL UNIQUE, password VARCHAR(128) NOT NULL, status TINYINT DEFAULT 1, create_time DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP ) ENGINEInnoDB DEFAULT CHARSETutf8mb4; CREATE TABLE product ( id BIGINT PRIMARY KEY AUTO_INCREMENT, product_name VARCHAR(128) NOT NULL, category_id BIGINT, status TINYINT DEFAULT 1, create_time DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP ) ENGINEInnoDB DEFAULT CHARSETutf8mb4; CREATE TABLE sku ( id BIGINT PRIMARY KEY AUTO_INCREMENT, product_id BIGINT NOT NULL, sku_code VARCHAR(64) NOT NULL, price DECIMAL(10,2) NOT NULL, stock INT NOT NULL DEFAULT 0, create_time DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP ) ENGINEInnoDB DEFAULT CHARSETutf8mb4; CREATE TABLE order ( id BIGINT PRIMARY KEY AUTO_INCREMENT, order_no VARCHAR(64) NOT NULL UNIQUE, member_id BIGINT NOT NULL, total_amount DECIMAL(10,2) NOT NULL, status TINYINT NOT NULL DEFAULT 0, create_time DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP ) ENGINEInnoDB DEFAULT CHARSETutf8mb4; CREATE TABLE order_item ( id BIGINT PRIMARY KEY AUTO_INCREMENT, order_id BIGINT NOT NULL, sku_id BIGINT NOT NULL, product_name VARCHAR(128) NOT NULL, price DECIMAL(10,2) NOT NULL, quantity INT NOT NULL ) ENGINEInnoDB DEFAULT CHARSETutf8mb4;在实际工程里还需要补充索引、唯一约束、逻辑删除字段等。这里先保留核心内容便于 Claude Code 理解实体关系。5. 用 Claude Code 完成电商系统全流程开发5.1 生成 Spring Boot 工程配置在项目根目录里启动 Claude Code让它生成或修正核心配置。以我整理后的pom.xml为例?xml version1.0 encodingUTF-8? project xmlnshttp://maven.apache.org/POM/4.0.0 xmlns:xsihttp://www.w3.org/2001/XMLSchema-instance xsi:schemaLocationhttp://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd modelVersion4.0.0/modelVersion parent groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-parent/artifactId version3.2.5/version relativePath/ /parent groupIdcom.example.ecommerce/groupId artifactIdecommerce-backend/artifactId version1.0.0/version nameecommerce-backend/name descriptionEcommerce Backend Service/description properties java.version17/java.version /properties dependencies dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-web/artifactId /dependency dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-data-jpa/artifactId /dependency dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-validation/artifactId /dependency dependency groupIdcom.mysql/groupId artifactIdmysql-connector-j/artifactId scoperuntime/scope /dependency dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-data-redis/artifactId /dependency dependency groupIdorg.projectlombok/groupId artifactIdlombok/artifactId optionaltrue/optional /dependency dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-test/artifactId scopetest/scope /dependency /dependencies build plugins plugin groupIdorg.springframework.boot/groupId artifactIdspring-boot-maven-plugin/artifactId /plugin /plugins /build /project注意如果你本地没有安装到对应版本的依赖版本号要按实际仓库可用的版本调整。特别是 Spring Boot 3 对 JDK 版本有硬性要求至少要 JDK 17。application.yml配置如下server: port: 8080 spring: application: name: ecommerce-backend datasource: url: jdbc:mysql://localhost:3306/ecommerce?useUnicodetruecharacterEncodingutf8serverTimezoneAsia/Shanghai username: root password: root driver-class-name: com.mysql.cj.jdbc.Driver jpa: hibernate: ddl-auto: update open-in-view: false data: redis: host: localhost port: 6379如果你只是本地快速验证可以把ddl-auto先设为update让 Hibernate 根据实体自动建表。生产环境建议使用 Flyway 管理数据库变更。5.2 生成领域模型与数据库表用 Claude Code 生成实体类时我建议先让它基于 SQL 反向生成 JPA Entity。这样可以保证字段和表结构一致。以下是一个Order实体的核心代码// 文件路径src/main/java/com/example/ecommerce/domain/Order.java package com.example.ecommerce.domain; import jakarta.persistence.*; import lombok.Data; import java.math.BigDecimal; import java.time.LocalDateTime; Data Entity Table(name order) public class Order { Id GeneratedValue(strategy GenerationType.IDENTITY) private Long id; Column(name order_no, nullable false, unique true, length 64) private String orderNo; Column(name member_id, nullable false) private Long memberId; Column(name total_amount, nullable false, precision 10, scale 2) private BigDecimal totalAmount; Column(name status, nullable false) private Integer status; Column(name create_time, nullable false, updatable false) private LocalDateTime createTime; }类似的提示词可以一次生成多个实体。Claude Code 会自动读取数据库连接配置或导入的 SQL 文件识别主外键关系。5.3 生成业务代码Service / Controller业务代码是 AI 最擅长生成的部分。比如订单提交接口可以要求 Claude Code 写完整实现。核心逻辑如下// 文件路径src/main/java/com/example/ecommerce/service/OrderService.java package com.example.ecommerce.service; import com.example.ecommerce.domain.Order; import com.example.ecommerce.exception.BizException; import com.example.ecommerce.repository.OrderRepository; import com.example.ecommerce.repository.SkuRepository; import lombok.RequiredArgsConstructor; import lombok.extern.slf4j.Slf4j; import org.springframework.data.redis.core.StringRedisTemplate; import org.springframework.stereotype.Service; import org.springframework.transaction.annotation.Transactional; import java.math.BigDecimal; import java.time.LocalDateTime; import java.util.UUID; Slf4j Service RequiredArgsConstructor public class OrderService { private final OrderRepository orderRepository; private final SkuRepository skuRepository; private final StringRedisTemplate redisTemplate; Transactional(rollbackFor Exception.class) public String createOrder(Long memberId, Long skuId, Integer quantity) { // 幂等校验同一用户同一 SKU 短时间不允许重复提交 String idempotentKey order:submit: memberId : skuId; Boolean success redisTemplate.opsForValue().setIfAbsent(idempotentKey, 1); if (success ! null !success) { throw new BizException(请勿重复提交订单); } // 扣减库存使用乐观锁 int updated skuRepository.deductStock(skuId, quantity); if (updated 0) { throw new BizException(库存不足); } // 构建订单 Order order new Order(); order.setOrderNo(UUID.randomUUID().toString().replace(-, )); order.setMemberId(memberId); order.setStatus(0); order.setTotalAmount(new BigDecimal(99.00)); order.setCreateTime(LocalDateTime.now()); orderRepository.save(order); log.info(订单创建成功, orderNo{}, memberId{}, skuId{}, order.getOrderNo(), memberId, skuId); return order.getOrderNo(); } }这个示例里我特意包含了幂等校验、乐观锁扣库存、事务回滚、日志埋点这些都是电商核心链路的基本要求。让 Claude Code 生成代码时把这类要求写进提示词比写完后反复修 bug 效率高得多。Controller 层也要统一返回结构// 文件路径src/main/java/com/example/ecommerce/controller/OrderController.java package com.example.ecommerce.controller; import com.example.ecommerce.common.ApiResponse; import com.example.ecommerce.service.OrderService; import lombok.RequiredArgsConstructor; import org.springframework.web.bind.annotation.*; RestController RequestMapping(/api/order) RequiredArgsConstructor public class OrderController { private final OrderService orderService; PostMapping(/submit) public ApiResponseString submit(RequestParam Long memberId, RequestParam Long skuId, RequestParam Integer quantity) { String orderNo orderService.createOrder(memberId, skuId, quantity); return ApiResponse.success(orderNo); } }5.4 生成单元测试与接口测试AI 生成代码后最容易被忽略的是测试。你可以让 Claude Code 根据 Service 方法的行为描述生成单元测试// 文件路径src/test/java/com/example/ecommerce/service/OrderServiceTest.java package com.example.ecommerce.service; import com.example.ecommerce.domain.Order; import com.example.ecommerce.exception.BizException; import com.example.ecommerce.repository.OrderRepository; import com.example.ecommerce.repository.SkuRepository; import org.junit.jupiter.api.Test; import org.junit.jupiter.api.extension.ExtendWith; import org.mockito.InjectMocks; import org.mockito.Mock; import org.mockito.junit.jupiter.MockitoExtension; import org.springframework.data.redis.core.StringRedisTemplate; import org.springframework.data.redis.core.ValueOperations; import static org.junit.jupiter.api.Assertions.*; import static org.mockito.ArgumentMatchers.*; import static org.mockito.Mockito.*; ExtendWith(MockitoExtension.class) class OrderServiceTest { Mock private OrderRepository orderRepository; Mock private SkuRepository skuRepository; Mock private StringRedisTemplate redisTemplate; Mock private ValueOperationsString, String valueOperations; InjectMocks private OrderService orderService; Test void createOrder_shouldThrow_whenRepeatedSubmit() { when(redisTemplate.opsForValue()).thenReturn(valueOperations); when(valueOperations.setIfAbsent(anyString(), anyString())).thenReturn(false); BizException exception assertThrows(BizException.class, () - orderService.createOrder(1L, 100L, 2)); assertEquals(请勿重复提交订单, exception.getMessage()); } }6. Harness AI 工程化从代码到交付的自动化流水线6.1 Harness 平台与 AI 编排Harness 的核心思路是把软件交付流程标准化。开发者在 CI/CD 流水线里定义“从提交代码到部署上线”的每一步Harness 负责执行、状态跟踪、审计和回滚。Harness AI 的价值体现在几个方面智能生成流水线根据仓库类型和语言自动推荐 Pipeline 配置失败分析构建失败时自动分析日志并给出修复建议变更风险评估结合 Git 提交记录和基础设施变更评估发布风险可观测性把部署状态、主机健康、服务日志关联起来帮助快速定位。简单说Claude Code 负责“写”Harness AI 负责“管”。6.2 用 Pipeline as Code 构建 Java 电商流水线Harness 支持 Pipeline as Code可以把流水线配置写进代码仓库。下面是一个概念性示例实际字段需要根据 Harness 版本调整# .harness/ci_pipeline.yaml name: ecommerce-backend-pipeline description: 电商后端构建部署流水线 stages: - stage: name: BuildAndTest type: CI spec: cloneCodebase: true platform: os: Linux arch: Amd64 steps: - step: type: Run name: Maven Build spec: shell: Sh command: | mvn clean package - step: type: Run name: Run Tests spec: shell: Sh command: | mvn test - stage: name: Deploy type: CD spec: serviceRef: ecommerce_backend environmentRef: production steps: - step: type: ShellScript name: RestartApplication spec: shell: Sh command: | systemctl restart ecommerce-backend上面的 YAML 只是演示工程化思路不代表某个版本的准确语法。你实际使用时可以用 Harness 的 AI 辅助生成来避免手写字段出错。6.3 质量门禁与 AI 审查工程化里很重要的一个概念是质量门禁。流水线可以在关键节点判断“是否继续发布”。常见门禁包括单元测试覆盖率低于 80% 则构建失败代码扫描发现高危漏洞则停止部署部署后健康检查接口未返回 200 则自动回滚生产环境发布需要指定人员审批。如果你的流水线足够智能还可以加入 AI 审查环节在 PR 合并前调用 Claude Code 的 CLI 读取变更代码生成代码评审意见。claude -p 请审查最近的 git diff关注事务边界、空指针、并发扣减库存是否有问题并输出修改建议这个命令可以在 Harness 的某个 Stage 里执行然后在日志里输出 AI 审查结果。这种方式比纯人工 review 更高效但最终仍需要开发人员确认。7. 常见问题与排查思路AI 工具链和 Java 工程结合时最容易出现的问题集中在环境、依赖、内存、模型层面。下面整理了一份排查清单问题现象常见原因解决思路claude命令找不到未安装或全局路径未配置检查 npm 全局安装路径重新安装Maven 构建报 Java 版本错误本地 JDK 版本和项目要求不一致确认 JAVA_HOME 指向 JDK 17 以上Lombok 编译失败JDK 与 Lombok 版本不兼容升级 Lombok 版本或改用高版本 JDK 兼容配置OutOfMemoryError: insufficient memory构建或应用堆内存不足调整 MAVEN_OPTS 和 JVM 参数Redis 连接失败本地 Redis 未启动或配置端口错误检查 Redis 服务状态和 application.ymlAI 生成的代码有逻辑漏洞提示词没有给出完整上下文和约束补充业务规则和验收标准再让 AI 修改Harness Pipeline 执行失败语法或环境变量错误查看日志使用 AI 分析失败原因这里特别说明一下 AI 编程的“幻觉”问题。AI 生成的代码看起来结构完整但可能存在引用了不存在的类或方法配置项名称写错忽略了事务和并发生成的测试只覆盖正常分支。所以AI 写代码越快越要提高代码审查标准。不要因为“能跑”就觉得“没问题”。8. 最佳实践与工程建议8.1 在项目里沉淀 CLAUDE.mdCLAUDE.md 是团队知识库的延伸。把编码规范、目录约定、常见坑点写进去AI 生成代码时就能自动遵守。建议包含技术栈和版本分层规则统一返回结构和异常体系数据库变更流程测试命名规范禁止使用的写法。8.2 把需求拆成可验证的小任务不要一次要求 AI 写完整个电商系统。正确做法是拆成“订单提交”“库存扣减”“支付回调”等小任务每个任务有独立验收标准。这样生成质量更高问题也更容易定位。8.3 质量保障优先AI 生成的 Merge Request 进入主干前建议至少满足本地构建通过单测覆盖新增逻辑核心链路有集成测试接口有参数校验和异常处理数据库变更经过评审日志无敏感信息。8.4 安全与合规在业务代码中使用 AI 生成能力时要特别重视安全问题。比如 SQL 注入、越权访问、过度暴露字段、敏感信息打印等。生成代码后至少要做一轮安全自查请检查这段代码是否存在 1. SQL 注入风险 2. 越权风险 3. 敏感信息泄露 4. 不安全的第三方调用 5. 事务未回滚的异常分支。8.5 保留人工决策点自动化不是去掉所有人工节点。生产环境变更、数据库 DDL、支付相关代码仍然需要人工 review 和审批。这也是工程化的底线。9. 总结与下一步学习路线本文通过一个电商系统示例完整走了一遍“Java AI 工程化”的链路用需求分析梳理业务边界用 Claude Code 生成工程骨架和核心代码再通过 Harness AI 把代码纳入自动化的构建、测试、部署流程。对 Java 开发者来说掌握 Claude Code 的提示词结构化写法、理解 AI 生成代码的审查要点比单纯追求“生成速度”更重要。下一步建议按这个顺序深入先熟悉 Java 基础编程和 Spring Boot 常用组件特别是事务、缓存、异常处理系统学一遍 Claude Code 的提示词技巧和项目上下文配置在真实项目里建立“需求拆分 - AI 生成 - 人工审查 - 自动化测试”的闭环研究 Harness 或同类 CI/CD 平台的 Pipeline 配置逐步把发布流程自动化有余力可以了解 AI Agent 的编排原理、MCP 协议以及如何用平台能力让多个 AI 智能体协作。AI 工具的能力上限确实在不断提升但工程化水平始终决定一个团队能否真正把 AI 生产力落地。希望这篇实战教程能帮你在 Java 项目里建立起一套可控、可靠的 AI 开发流程。如果文章对你有帮助可以收藏备用后续我会继续更新更多 AI 工程化实战内容。