企业官网建设流程全解析

作者：小杨技术铺
适用：Cursor、Claude Code 等 AI 编程工具；Java / C# / C++ / Go 等工程
本文展示框架怎么落地，不公开完整 Skill 规则和付费模板正文。

前言：AI 会写代码，但它不会自动对工程结果负责

现在用 Cursor 写一个 Controller、生成一段 SQL，确实很快。

但真正做项目时，问题往往不是“代码能不能生成”，而是：

• AI是否真正读懂了旧项目？

• 一句话需求有没有遗漏边界和异常？

• 架构、接口、数据口径是否前后一致？

• 生成的代码有没有测试？

• 安全、性能和兼容性谁来审查？

• 聊天窗口关掉后，下次还能不能接着做？

• 开发完成后，能不能安全部署并留下回滚依据？

如果没有一套规范，AI 越强，可能只是让你更快地产生一堆不可控代码。

所以我做了一套AI 软件开发工程框架：让 AI不再“上来就改代码”，而是像一个受流程约束的工程助手，从理解项目开始，一直做到测试、审查和上线验证。

一张图看懂这套框架

每一步都必须留下可检查的产出物：

这里展示的是规范结构。完整阶段规则、门禁条件、Cursor Skill 和可复制模板在框架包中。

实战：在一个已有 SOC 项目中新增三组趋势接口

需求

以一个企业 SOC 项目为例，需要在已有 AI Agent 组件中实现：

1. 设备情况 7 天趋势；

2. 自动响应 7 天趋势；

3. 人工响应 7 天趋势。

如果直接把这三句话丢给 AI，它很快就能生成三个接口。

但生成不等于可交付。这个需求真正需要确认的是：

• “7 天”是否包含当天？

• 无数据日期是否补 0？

• 统计时区按数据库还是业务时区？

• 自动响应和人工响应如何区分？

• 大屏现有返回字段能不能改？

• SQL是否会扫描大表？

• 新功能的回归范围是什么？

第一步：项目初始化

先验证构建环境、数据库连接、依赖与运行方式，避免 AI 写完代码才发现本地项目根本跑不起来。

第二步：分析旧代码，建立项目上下文

让 AI只做分析，不改代码：

• 识别项目技术栈和目录结构；

• 找到AI Agent 组件的入口；

• 找到已有统计接口、实体和 DAO；

• 记录命名、响应格式、异常处理和日志规范；

• 标记不能随意修改的存量逻辑。

最终将这些事实写入项目上下文。下一次继续开发时，AI先读上下文，不需要从头猜。

第三步：生成 PRD，而不是直接开写

把模糊需求固化为可验收规格：

• FR-1：返回设备数量最近 7 个自然日趋势；

• FR-2：返回自动响应最近 7 个自然日趋势；

• FR-3：返回人工响应最近 7 个自然日趋势；

• 日期按业务时区计算；

• 无数据日期补 0；

• 返回结构兼容现有大屏；

• 接口响应时间满足约定阈值。

只有需求范围和验收标准明确后，才进入技术设计。

第四步：架构设计与详细规格

架构阶段回答“放在哪里、由谁负责”：

• Controller只处理参数与响应；

• Service负责日期范围和业务聚合；

• DAO负责按日统计；

• 复用现有响应对象，不重复造协议。

详细设计阶段回答“具体怎么跑”：

同时列出异常路径、SQL 要点和可执行任务，让开发阶段不再临时发散。

第五步：测试驱动开发

先列测试主题，再实现代码：

• ✅ 正常 7 天均有数据；

• ✅ 部分日期无数据时补 0；

• ✅ 数据库无任何记录；

• ✅跨月、跨年日期；

• ✅时区边界；

• ✅非法参数；

• ✅SQL 性能；

• ✅旧接口回归。

AI 生成的代码必须和需求编号、测试用例对应。这样才能回答：“这段代码实现了哪条需求？验证证据在哪里？”

第六步：质量与安全审查

开发完成后统一审查：

• 🔍 是否存在空指针和边界错误；

• 🔍 SQL 是否有全表扫描或注入风险；

• 🔍 日期算法是否受服务器时区影响；

• 🔍 返回结构是否破坏兼容性；

• 🔍 日志是否泄露敏感数据；

• 🔍 测试是否覆盖需求和失败路径。

严重问题必须先修，不能用一句“整体没问题”糊弄过去。

第七步：经验沉淀与结果验证

把这次开发中确认的事实写入项目记忆，例如：

• 统计接口统一使用什么日期口径；

• 大屏响应格式不能改哪些字段；

• 某张表查询需要走哪个索引；

• 项目部署和健康检查方式。

最后保留编译、测试、接口响应、页面联调和资源消耗结果。

这时交付的就不只是三段接口代码，而是一套可追溯、可复查、可继续迭代的工程成果。

这套框架还能做什么

它不绑定 SOC 项目，也不限制某一种语言，可以用于：

• Spring Boot / .NET / Go 后端接口；

• 管理后台、统计报表、数据大屏；

• 旧系统二开、权限和审批模块；

• 自动化脚本、数据清洗与文件处理工具；

• AI 知识库、智能助手和模型接口集成；

• 接单项目、个人工具和小型 SaaS；

• 新项目从 0 到上线，或存量项目最小改动迭代。

核心不是帮你生成某一种代码，而是建立一套 AI 必须遵守的软件工程规范。

免费文章和完整框架包的边界

这篇文章已经把思路和落地方法讲清楚了，你完全可以照着自己搭建。

如果你不想再花时间整理 Skill、阶段规则、质量门禁和文档模板，我把自己正在使用的版本整理成了可直接安装的商品包：

• AI 软件开发 Workflow Skill；

• 需求、架构、详细设计、测试、审查、部署模板；

• 阶段状态、检查清单和断点续跑规范；

• 快速开始、命令速查和开发实战；

• DEMO 样板导读；

• 附赠“开发成果→商品交付包”的落地流程。

商品页：
https://www.xyjsp.net/document/ai-harness.html

首发价¥49，一次买断，微信/支付宝支付后自动下载 ZIP。

适合想让 AI 参与真实软件工程的人。
如果你只是偶尔让 AI 补一行代码，或者只想找“万能提示词”，没有必要购买。

最后

AI 编程的下一阶段，不是谁会背更多提示词，而是谁能把 AI 关进一套可执行、可验收、可追溯的工程流程里。

当需求、设计、测试、审查和经验都能落盘后，AI 才不只是“写代码更快”，而是让个人开发者也能拥有接近团队协作的软件工程能力。

如果你也在用 Cursor 做真实项目，欢迎在评论区说说你最头疼的是哪一步：读旧代码、需求返工、测试，还是代码审查？