AI 辅助后端研发 Bootcamp
传统 Java 后端开发，如何把 AI 用进需求、设计、编码、测试与交付
这套课程不再主讲如何做一个 AI 产品，而是主讲后端工程师怎样把 AI 变成研发提效工具链。 主线课程围绕研发生命周期展开，进阶专题单独保留 AI-Native 系统建设内容。每节正文都配有课后练习入口， 练习统一要求保留结构化输入、人工判断和验证结果。
推荐学法：先读课程正文，再打开课后练习；如果要留痕或组织评审，可直接复用通用提交模板。
主线课程
12 节
进阶专题
4 个
练习体系
12 套 + 通用模板
技术底座
Java 21 + Spring Boot 3.x
学习路径
先主线，后进阶
研发全生命周期提效地图
需求理解
澄清问题
拆解任务
补齐边界
接口设计
设计 DTO
整理错误码
锁定契约
工程搭建
模块切分
脚手架草图
最小骨架
编码实现
补样板
守分层
收敛职责
测试验证
边界样例
回归清单
真实运行
联调排障
整理证据
压缩排查路径
沉淀复现记录
发布运维
发布检查
监控摘要
故障复盘
团队落地
统一模板
规范沉淀
试点推广
主线课程预览
按需求、设计、编码、测试、排障、发布和团队落地顺序推进，每节都配套可执行练习。
012345
第 0 课：AI 时代后端工程师的工作流重构
建立 AI 辅助后端研发的总地图，明确 AI 在研发流程中的正确位置。
第 1 课：用 AI 做需求理解与任务拆解
用 AI 辅助需求澄清、任务拆解和验收边界整理。
第 2 课：用 AI 做接口设计与数据建模
让 AI 参与接口草图、字段设计和错误场景梳理，但保留工程师拍板。
第 3 课：用 AI 辅助搭 Spring Boot 工程骨架
用 AI 输出模块候选和骨架草图，再手工收敛成可维护结构。
第 4 课：用 AI 写业务代码，但守住边界
明确 AI 在业务编码中的使用姿势，重点防止控制器、服务和依赖层串味。
第 5 课：用 AI 补测试、造样例、做回归
让 AI 参与边界样例生成、测试补齐和回归清单整理。
进阶专题预览
完成主线后，再进入 AI-Native 系统建设视角。
五条核心原则
✓
工作流优先
先定义研发动作和验证方式，再决定 AI 参与在哪一步。
✓
上下文先行
不给真实代码、约束和目标，AI 只会生成看起来合理的猜测。
✓
验证必选
测试、构建、日志和评审是 AI 协作的收口动作，不是附属步骤。
✓
边界明确
生成速度不能替代分层、权限、兼容性和风险边界。
✓
团队复用
课程目标不是个人提效技巧，而是可被团队复用的模板和规范。