一 关联度低复杂度高的需求介绍

之前的文章对商旅火车票税改新规的业务流程做了深入的讲解。主要是对如何将AI嵌入到项目中做需求交付的初步使用，也做了实战性的讲述。其实能看得出，使用AI通过“一问一答”的方式确实存在很多弊端，即使通过“模板代码”的方式，也不能化解一切问题，距离我们交付项目的要求仍然很远。

这么看来，要想将AI非常顺畅地嵌入需求交付中，还需要继续讨论。在将AI嵌入大型项目交付前，还是需要通过小需求、准确的业务流程，把AI的使用融入进去。

证明一个新生事物的优越性，最好还是在一个具有类似“关联度低、复杂度高”的条件下进行。在商旅系统业务流程中，有这么一个需求应该就符合这样的条件标准。

在商旅系统中，离不开账单业务，账单又分为：垫付账单和自付账单。顾名思义：一类是由系统支付；另一类则是由用户自行支付。不同的支付方式会产生不同的明细表，再将明细表格按某种条件汇总，就形成了账单。

在这个庞大的流程中，我们提取一小部分，既符合关联度低、又适合复杂度高。选择的需求模块就是：自付账单导出。

自付账单导出，也就是自付账单的一部分。提到导出，想必很多人都很疑惑：这样的需求关联度确实很低，只要数据库里面有数据，SQL读取出来执行导出就可以了。这么简单的操作怎么能符合复杂度高呢？别着急，看下当时产品提出的需求。

根据产品的需求再分析一下：自付账单导出是不是既符合关联度低、又符合复杂度高这两种特性呢？这样的需求注定不会简单，不仅要完成产品提出的种种要求，还要研究各种工具组件、工具与系统的适配度、体现出来的性能、对云端上传下载的支持，甚至对网络环境的适配等，都涵盖在这么一个看似小的需求里面。

这也就是所说的：“麻雀虽小，五脏俱全。”后面也会介绍上线后暴露出来的多年都不会遇见的问题，那一刻就不会再用“小”字来形容了。

鉴于之前AI初期使用“一问一答”的方式对需求交付非常不友好，通过“模板代码”的方式做了折中，这就如同半自动模式。这种模式的弊端之前也讨论过了。核心问题就是：AI在“一问一答”的模式中，记忆功能并不是很好，这样AI就不能很好地按照需求流程做系统性规划与分析，也就导致AI会随意发挥，甚至明显背离业务初衷。

要想解决这一核心问题，必须做到：让AI沿着一定的界限、轨迹进行业务需求的研发和特定场景的推演，这是理想的状态。有人可能会问：“AI是人工智能啊，它不应该是无所不能的吗？怎么还需要一定的界限和轨迹呢？”

这个问题其实真的不好回答。这种问题逐步思考下去，也就是很深奥的哲学问题。所以，一直纠结也不会有很好的答案。之前自己也读了《智人之上》这本书，回想下来，也并没有得到更好的解释和答案。

为了使自己或者爱钻牛角尖的人稍稍不那么困惑，可以这样思考：AI人工智能确实是无所不能，但是我们自己却不是无所不能，我们的工作需求、任务场景更不是无所不能，甚至受到很多方面的要求与限制。所以，这时候就得给AI加以限制。也就是不仅要告诉AI实现目标，最主要的是告诉AI实现目标要沿用什么路线和轨迹。

首先要告诉AI哪些要求是不变的、哪些业务逻辑是有特殊要求的、哪些数据是项目的底座等等。有了这些就等于有了边界，AI无论怎么执行，必须有参照、有方向感的推进，这样才能满足项目的最终要求。

有了边界之后，这时就可以告诉AI如何执行任务了。任务在哪里？源自我们的需求。将需求拆分成大大小小的任务，俗话讲就是：小步快跑。这时候就能体现出每个研发人员的耐心程度，是不是能将任务拆分得足够细，任务彼此之间有没有前后关系，任务最终的收口在哪里，会不会引发系统崩溃等。

我们就拿这个需求来看一下如何做AI准备，也就是尽可能在AI开始研发需求前划定边界。按照上文提到的，我们将不变式规则定义好。

已经在上图中列出了多种不变式。当然，这些不变式是不是完整呢？每一个需求是不是都要按照这种不变式来列？并不一定有这个必要，依据具体场景设置就行。也可以再设置一些：应用代码目录、需求图片、SQL DDL文件、需求PDF原文档等，都可以记录在不变式中。

我们都知道，提供给AI的信息越详细，AI就越能做出准确、精准的回答。对于我们提到的商旅自付账单导出需求，完成图片上的不变式就可以了。这也就是AI的前期准备。

上文也提到了一点，那就是任务的细化。也就是让AI有目的性、顺序性、业务逻辑感地生成代码。通过AI前期准备的不变式，我们已经确定了AI的边界与轨迹，也就是说，再变化也不会大范围跑偏。

有了这一至关重要的环节后，我们就能定义需要AI执行的步骤了。这里所说的步骤其实也有很多叫法，比如：任务详情、业务段落、代码切片等。不管叫法怎么样，表达的核心意思就是：在依赖不变式的前提下，将业务需求做细化的任务拆解，让AI在执行过程中更加准确。

这时候的任务该如何细化？粗略地讲也很容易，就是：将我们的需求，或者说是PRD，按照不同的章节、不同的段落、不同的功能点，把每个细节、步骤分配到不同的任务细则中。

描述的很宽泛，下面就针对上面的需求做一次任务的拆分：

上图通过每个需求节点，列出了几乎全部任务明细节点。是不是这15条就是全部了呢？当然不是，每一条还要按照产品需求、业务逻辑、代码结构继续细化。比如：PDF/Excel汇总页，任务可以继续细化为：

尽量将任务拆解成这样的描述，甚至可以说越详细越好。这也取决于AI的特点：只有要求详细，AI执行结果才会更加精准。

有人这时候会问：有产品的PRD，也提供了PDF/Excel附件模板，把这些交给AI不就行了吗，干吗还要做这么多叙述？

这个问题前面也分析过，根本要点就是：要明确给出AI每步操作的限制边界、定义轨迹，只有这样AI才能运行出想要的结果。虽然AI可以识别图片、模板附件、读取PRD描述文件，但如果不清楚限制，AI只能随意发挥。产生的结果不一定会错，但是一定会偏离业务需求。

当任务明细列举完毕，就可以让AI生成代码，可以一次性执行，也可以分批次、分模块功能点执行。只要有不变式、清晰的需求描述和任务明细，执行结果不仅能符合业务要求，最主要的是缩短研发工时、减少Bug，提升整体工作效率。

AI生成PDF/Excel附件导出代码，完成单元测试、测试环境调试、上线前准备（这块还是非常重要，需要单独讲述）之后，剩下的就是发版上线了。看似复杂的工作，经过AI与自身结合，把这次研发变成了特别简单的事情。

真的是这样吗？生产环境的一段异常将自己又打回到了现实。

生产环境总提示：附件生成失败。查了日志，就是上图，没有更多的提示。这种问题还是很难排查，测试环境都能正常生成附件、分层次打印公章，怎么到了生产环境就报了这种问题？

好在有一句“绘制印章图片失败……”，能向前定位一点：这是印章图片的问题。也只能知道是图片问题，但是不知道受什么影响。并且受生产环境条件的限制，不能像测试环境那样随心所欲地调试，对排查这一问题更是“雪上加霜”。

我们应该想到的就是AI。因为AI在研发过程中，有了需求不变式、业务逻辑、代码生成、单元用例、配合测试等操作，而且已经形成了关于这个产品需求的知识库。那我们就把这个问题抛给AI，看AI能给出怎样的回答。

这段分析中，AI基本给出了答案。不一定精准，但是大体思路是正确的：下载的印章图片格式可能不是Java代码能识别的格式，建议查看图片文件的二进制信息。

建议在服务端执行几句命令，看一下文件到底是什么格式，以此来确定异常的原因。

运维反馈的结果，非常精准地定位到了问题。图片文件的扩展名虽然是.jpg，但真实文件类型是WebP。Java 8的iText并不支持这种格式，导致图片文件解析失败。找到了问题就好解决了，让测试同事使用其他图片格式文件和格式正确的.jpg图片文件测试，均正常通过。然后就是解决问题，AI也给出了解决方案：

更换ImageIO流组件，以此解决格式不一致导致的图片解析失败问题。

至此，线上问题得到解决。但是还要复盘一下，也需要用一个问题来复盘：“到底是什么原因让AI这么快定位到问题呢？”很大一部分原因是：之前有大量关于本次需求的信息输入到了AI，并且在开发过程中形成了“体系”性的知识库。正是因为知识库的存在，才能让AI在关键时刻快速定位问题，并得以解决。

一句真实的拷问：“如果我们将日志输出的异常放到搜索引擎中，可以看看需要多久才能定位问题，更需要多久才能解决问题。”试一试，想必都会有答案。

通过这次“关联度低、复杂度高”的需求，使用AI知识库方式做研发，能看出这种AI运用方式比“一问一答”明显优越得多。最主要的是，在生产环境中，它让原本令人手足无措的问题变得条理清晰。所以，建立AI知识库、利用好知识库体系，才能真正提高研发效率，才能让AI更加高效地嵌入实战交付中。

从PDF和Excel导出到线上排障 AI辅助交付的准确性实践

人工智能

后端

开发工具

将AI嵌入商旅自付账单导出需求，通过建立知识库明确不变式边界与任务细化，成功规避“一问一答”弊端。生产环境遇印章格式解析失败，AI依据知识库快速定位WebP与iText不兼容问题，凸显知识库对复杂需求开发及线上故障排查的高效价值。

单元测试

数据库

Java

2026上云采购 | AI焕新·智启新局

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

从PDF和Excel导出到线上排障 AI辅助交付的准确性实践

从PDF和Excel导出到线上排障 AI辅助交付的准确性实践

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐