很多人用 AI 编程工具，第一句话就是：

帮我写一个接口。

这当然可以，但有点浪费。

现在成熟的通用 AI 工具已经很会写代码。真正更值得尝试的，是让 AI 从需求开始参与工程，而不是只在最后一步帮你补几段 Controller 或 Service。

我用飞算 JavaAI 时，感觉它的智能引导更适合这类用法：不要把它当成代码补全，而是当成项目启动助手。

这次就以一个图书管理系统为例，看它如何从一句需求逐步引导到一个 Spring Boot 工程。

一、不需要把图书管理系统需求拆清楚，直接一句话生成

一句话描述需求：

生成图书管系统

如果你要做一个图书管理系统，之前你可能得先让 AI 帮我生成计划文档，然后再执行。但是我们只需要再飞算 AI 中，提供简短的描述就能，一键生成真实的项目。

进入飞算 JavaAI 的智能引导后，可以继续把需求拆成更明确的关键点。截图里这类拆解方式就比较适合图书管理系统：

需要图书信息管理功能，支持新增图书，并记录书名、作者、ISBN、出版社以及库存数量等基础信息
需要图书信息管理功能，支持修改图书的基础属性及库存数量
需要图书信息管理功能，支持根据图书 ID 或 ISBN 删除图书信息
需要图书查询功能，支持根据书名、作者或 ISBN 进行模糊搜索
需要图书库存管理功能，支持在图书借出时自动扣减库存数量
需要图书库存管理功能，支持在图书归还时自动增加库存数量
需要用户管理功能，支持新增用户，并记录用户名、密码及联系方式
需要用户管理功能，支持修改用户的基础信息
需要用户管理功能，支持禁用或启用用户账号状态
需要用户认证功能，支持基于用户名和密码的登录验证

这样写的好处是，需求不再是一个模糊的大词，而是变成了可以落到代码里的模块和动作。

比如“图书信息管理”会对应图书实体、图书新增接口、图书修改接口、图书删除接口；“库存管理”会对应借出和归还时的库存变更逻辑；“用户认证”会对应登录接口、账号状态校验和密码校验。

AI 最怕的不是需求复杂，而是需求含糊。你把业务对象、业务动作、查询方式、库存规则、账号状态和工程目标讲清楚，它后面生成的 Controller、Service、Repository、Entity 才更容易贴近真实项目。

二、智能引导不是点下一步，要补业务规则

智能引导后面会继续确认一些内容，比如技术栈、数据库、登录鉴权、是否生成 SQL、是否生成接口文档、是否需要后台管理接口。

这些问题看起来基础，但不要随便点过去。

Java 项目很多返工都来自一开始没讲清楚。尤其是图书管理系统这种看起来简单的项目，一旦加入借出、归还、库存、用户状态，边界条件马上就多了。

比如可以在智能引导里补充这些规则：

ISBN 必须唯一，同一本书不能重复录入
库存数量不能小于 0
库存为 0 时禁止借出
图书借出时要记录借阅人、借阅时间和归还状态
图书归还时要校验是否存在未归还的借阅记录
删除图书时，如果已经存在借阅记录，需要禁止删除或改为逻辑删除
用户密码不能明文保存，需要做加密处理
被禁用的用户不能登录，也不能继续借书
图书查询需要分页，避免一次性查出过多数据
接口返回结构要统一，方便前端处理成功和失败结果

这些规则决定了工程质量。

如果不提前说，AI 可能会生成一个能跑的项目，但业务上经不起推敲。比如借书接口只是简单把库存减 1，却没有判断库存是否够；用户登录只比对明文密码；删除图书时直接物理删除，导致借阅记录找不到关联图书。

所以智能引导不是“点下一步”那么简单。它更像是一次需求评审，把你脑子里的业务规则提前整理出来。

三、生成工程后，要重点看这几块

飞算 JavaAI 生成 Spring Boot 工程后，不要只看项目能不能启动。

能启动只是第一步，真正要看的，是它生成的工程结构是否合理。

我一般会先看这几块。

第一，看实体类和表结构。

图书管理系统至少会有图书表、用户表，如果支持借还书，还应该有借阅记录表。图书表里要有书名、作者、ISBN、出版社、库存数量、创建时间、更新时间等字段；用户表里要有用户名、密码、联系方式、账号状态；借阅记录表里要有关联图书、关联用户、借出时间、归还时间、借阅状态。

第二，看接口是否完整。

图书模块应该有新增、修改、删除、查询详情、分页搜索接口；库存模块应该有借出、归还接口；用户模块应该有新增、修改、启用、禁用接口；认证模块至少应该有登录接口。

第三，看 Service 里有没有业务判断。

很多 AI 生成代码最大的问题，是把业务逻辑写得太薄。Controller 收到请求后直接调用 Repository 保存，看起来很干净，但库存校验、账号状态校验、ISBN 唯一校验都没做。

图书借出这个动作尤其要注意。它不只是修改库存，还应该同时生成借阅记录。库存扣减和借阅记录保存应该放在一个事务里，不能出现库存扣了但借阅记录没保存成功的情况。

第四，看异常处理和返回格式。

比如 ISBN 已存在、库存不足、用户已禁用、图书不存在、借阅记录不存在，这些都应该有明确的错误提示。如果每个接口返回格式都不一样，后面接前端会很难受。

第五，看是否有基础测试或可验证数据。

哪怕只是练手项目，也建议让 AI 顺手生成一些基础测试用例，或者生成初始化 SQL。这样你可以更快验证新增图书、搜索图书、借出图书、归还图书这些流程是否跑通。

四、我一般按这个流程用

我的流程大概是：

先写图书管理系统的业务背景，不急着要代码
让它帮我优化需求，把图书、库存、用户、认证几个模块拆开
通过智能引导确认模块边界和业务规则
生成第一版 Spring Boot 工程
本地跑编译，先确认项目能启动
人工审表结构、接口、事务、权限和异常处理
把审查结果整理成新的需求，再让它改一版

这里最关键的是第 6 步和第 7 步。

AI 生成第一版不难，难的是你知道哪里不能直接用。比如图书借出和库存扣减应该放在一个事务里；ISBN 最好加唯一约束；用户密码不能明文保存；删除图书前要考虑是否存在借阅记录；列表查询最好支持分页。

这些都是业务判断，不能完全交给工具。

我比较推荐的做法，是不要一次性要求 AI 生成“完美项目”。可以先让它生成一个基础工程，然后第二轮再补：

请帮我检查图书借出和归还逻辑，要求库存不能小于 0，借出时生成借阅记录，归还时更新借阅状态，并保证事务一致性。

第三轮再补：

请帮我完善用户登录逻辑，要求用户密码加密存储，被禁用用户不能登录，并统一接口返回格式。

这样一轮一轮改，效果往往比一次性堆一个超长需求更稳定。

五、一键生成项目

飞算 JavaAI 的优势，是它更贴近 Java 工程化。

它会围绕 Controller、Service、Repository、Entity、SQL、配置、文档这些东西来组织结果，而不是只给你一段代码片段。

对图书管理系统这种练手项目来说，它很适合帮助初中级 Java 工程师看到一个完整工程的轮廓：图书表怎么设计，用户表怎么设计，借阅记录表怎么设计，接口怎么分层，库存变化应该放在哪一层处理，异常应该怎么统一返回。

对有经验的开发来说，它省的是启动时间。以前你从空项目开始，现在你从第一版底稿开始。你可以把精力放在审设计、审边界、审事务、审安全，而不是反复搭项目骨架。

当然，它生成的工程不能直接当生产代码用。

比如权限模型可能还比较粗，密码加密方式需要你确认，异常处理也可能不符合公司规范，接口命名和包结构也需要根据团队习惯调整。

但作为项目早期的底稿，它已经很有价值。

六、最后总结

飞算 JavaAI 的智能引导，最适合的使用方式不是“帮我写一个接口”，而是“帮我从一个业务需求拆出一个工程雏形”。

以图书管理系统为例，正确的用法应该是：

先描述完整业务背景
再拆图书、库存、用户、认证模块
在智能引导里补充 ISBN、库存、借还书、账号状态等业务规则
生成 Spring Boot 工程后人工审查
根据审查结果让 AI 继续迭代

9.9 元包月适合拿来练这种流程。不要只生成一次就结束，多让它改几轮，看它能不能跟着你的业务规则调整。

最后还是那句话：AI 负责打底，人负责判断。

如果你能把这个边界掌握好，飞算 JavaAI 这种工具会很适合放进 Java 项目的早期开发阶段。