企业官网建设流程全解析

我的全流程 AI 开发实践

最近给公司做了几个项目，基本都是全流程 AI 在写，我自己几乎没有手写业务代码。

主要写的是：需求设计、前后端服务、K8s 部署、测试。

测试这块主要包括：

• 前端界面浏览器自动化测试
• 接口自动化测试

这篇文章简单记录一下我的实际实现流程。

使用工具

大模型：
GPT-5.5 为主，Claude 等模型为辅。

AI 工具：
Codex 为主，Claude 命令行或者 IDEA 插件为辅。

整体流程

整个项目大概分成 5 个阶段：

1. 需求确认，数据库设计
2. 后端服务实现
3. 前端服务实现
4. 部署服务实现
5. 测试服务实现

AI 通用前置

在正式开发前，我会先给所有 AI 设置一些共同规则。

这样不管是 Codex、Claude，还是 IDEA 插件，都能按照同一套项目规范来执行。

规则设置

主要规则包括：

1. 优化 token，避免重复读取无关上下文。
2. 每个任务执行前先列清单，执行过程中逐项勾选进度。
3. 每个服务都会先列出待完成任务，每完成一项就执行对应测试，通过后再勾选完成。
4. 规则文件会写一个公共的，让其他不同 AI 在项目根目录的规则文件引用这个公共规则文件即可。
5. 固定基础信息，比如项目架构、格式、规范等等。

项目并行

前端、后端、部署、测试四个方向可以并发推进。

理论上来说，改了前端或者后端之后，AI 会自动调用对应测试。

一开始会先完成基础壳子，比如：

• 数据库设计
• 项目架构
• API 接口定义
• 页面框架

这样前端、后端、部署、测试就可以提前并行对接。

长期记忆

因为会用很多不同的 AI，不可能每个 AI 都去关注它自己的长期记忆处理。

所以我会让它的长期记忆以天为维度保存下来，相当于每段话会有一个非常简要的总结，方便后期恢复使用。

需求确认，数据库设计

因为公司目前项目增多，产品原型图都来不及画。

所以很多时候会直接根据需求文档，让 AI 分析出实现方案，以及数据库设计。

具体框架基本沿用之前自己写好的项目框架，按照自己之前写的，让 AI 分析好，进行搭建即可。

后端服务实现

微服务划分这个最好还是自己来。

先规划好微服务边界，再写入规则文件。

之后让 AI 根据数据库设计和需求文档规划接口，确认后再开始实现。

后端这里一般会划分为两层：

• HTTP API 层
• RPC 服务层

测试也会对应拆开：

• 单元测试主要针对 RPC 服务层
• HTTP 接口测试直接调用 API 层

API 文档都是根据写好的 proto 接口文件自动生成的。

前端服务实现

由于没有 UI 图和产品原型图，emmm~，那我只能一个一个界面和产品确认。

具体需要调整的地方，可以当场让 AI 修改。

整体界面风格和排版，可以先给 AI 参考一些已有系统。

如果是比较特殊的功能界面，就需要把功能逻辑、字段含义、交互细节描述清楚。

前端根据后端已经实现的接口文档去调用接口。

部署服务实现

我们公司的运维平台基于 K8s。

像自己的服务项目，可以直接让 AI 写好这些资源：

• Deployment
• Service
• HTTPRoute

然后通过 Argo CD 实现 K8s 自动部署流程。

CI/CD 这块，通过 GitHub 的 CI/CD 来判断哪部分代码有变动，就只编译对应的微服务。

CI/CD 的编译用的是自己服务器，所以成本比较低。

AI 修改并提交代码后，线上环境也会通过 Argo CD 自动同步更新。

基础组件部署

类似 MySQL、Redis、RocketMQ、EMQX、Nacos、TDengine 等工具，也可以让 AI 写好：

• Helm 配置
• Custom Resources 配置

然后通过 kubectl 命令加上 kubeconfig，就能实现远程操作 K8s 部署。

如果担心安全问题，也可以只让 AI 生成配置，最终由人工执行 kubectl 命令。

测试服务实现

测试这块会让 AI 先写好测试用例。

接口测试

接口测试会覆盖核心接口流程，尽量形成完整闭环：

1. 创建数据
2. 查询数据
3. 修改数据
4. 删除数据
5. 清理测试数据

前端自动化测试

前端这块使用 Codex 的内置浏览器做页面全流程自动化测试。

比如：

• 打开页面
• 登录
• 填写表单
• 提交数据
• 校验结果

目前 Codex 内置浏览器的兼容性我感觉还不够稳定，所以执行会比较慢。

而且在执行过程中，还需要不断调整测试规则。

整体感受

完成速度非常快。

之前用 AI 做过的项目就不说了，这次项目业务上主要是三个端：

1. admin 端
2. 商户端
3. app 社区端（app 前端已有）

从技术上来说：

1. 前端两个
2. 后端微服务 7 个
3. 数据库设计 30 张表左右

从项目还没开始，到测试完成、部署成功，一共是一个月不到。

这里面还包含节假日和周末。

不用辛苦敲代码，也算是一件好事情吧(😂)

注意

生产环境相关操作不会完全交给 AI 自动执行。

涉及下面这些高风险操作，仍然需要人工确认：

• 数据库变更
• kubectl apply
• Secret 修改
• 生产环境部署
• 数据删除操作

AI 可以提高效率，但生产环境的安全边界还是要留给人来把控。