前后端分离项目,AI 改代码为什么只改一半

简介: 本文探讨 IDEA 编码在跨前后端项目协作中的瓶颈:模型并非能力不足,而是受限于单仓库视野。通过IntelliJ IDEA 2025.2 Workspace与插件的多项目支持,实现前后端同上下文协同修改,消除人工搬运导致的遗漏与约定漂移,让“另一半”真正被AI接管。

上周给订单列表加导出。后端在 order-service 加接口,前端在 admin-web 加按钮。

两个仓库,两个 IDEA 窗口。让 AI 帮忙改,后端那一半做得挺利索:Controller、Service、DTO、分页查询,风格跟现有代码一致。改完它给我一份清单,前端需要在 src/api/order.ts 里加两个方法,在订单列表页加按钮和轮询。

那一半得我自己搬。

搬的过程是这样:切窗口,找文件,照着清单写。中间传参名对不上,后端收 pageSize,清单里写的是 page_size,它生成后端代码时用驼峰,写清单时又按前端的习惯改了。改完再切回去,发现返回结构外面包了一层 Result,前端解构的位置错了。

来回三次。

cover01_一个窗口管两个仓库.png

不是模型不行,是它只看得见一个仓库

容易被归因成「模型能力不够」,其实不是。那几段代码它写得没问题,问题在它做每一次判断时用的同一个前提:当前打开的这个项目,就是全部的世界。

后端项目里没有前端的路由、没有页面组件、没有 axios 拦截器。它不知道你的前端把 Result 拆了几层,不知道参数名在那边叫什么,不知道订单列表页的文件叫 OrderList.vue 还是 list/index.vue。

所以它能交付的只能是「这一侧改完,再加一份给另一侧的说明」。说明写得再细也是二手的:它描述的是它想象中的前端,不是你真实的前端。

通用 AI 编码方式在这一层能做的,也就到这儿。你把前端代码贴进对话,它能处理这一次;换个会话,贴进去的上下文就没了。工程上没有位置存放「两边的关系」,每次靠人临时搬运。

搬运的人,成了整条链上最容易漏的一环

搬运看着只是切窗口,成本不高。真正的成本在别处。

一处是漏。后端加了接口,前端忘了加调用;或者加了调用没加按钮;或者加了按钮权限没配。这些东西编译不报、单测不报,要等人点那个按钮才发现。

另一处是漂移。两边分开改,各自都在做合理的选择,合起来就不一致:后端把状态字段从数字改成枚举,前端还按数字判断;后端给日期加了 @JsonFormat,前端还按 ISO 字符串解析。

一个需求八个文件,两个仓库。靠脑子记哪边改了哪边没改,能撑住一个需求,撑不住一周。

把两个仓库放进同一个视野,那一半才有人接

IntelliJ IDEA 从 2025.2 起提供了 Workspace。装一个 Multi-Project Workspace 插件,File > New > Project 里选 Workspace,把 order-service 和 admin-web 一起加进去,两个独立项目就出现在同一个窗口里。

关键在于它不改变原有项目的配置,也不改变项目的位置。工作区本身只是一个 jb-workspace.xml,里面存着两个项目的路径。后端的 pom.xml 一个字节没动,前端的 package.json 也没动,两个 Git 仓库各自独立。

飞算 JavaAI 的多项目支持接在这一层上。两个项目挂在同一个工作区之后,智能会话能同时看到前后端,一次需求输入进去,两边同步改:后端出 Controller 和 Service,前端同时把 api 定义、页面里的调用、按钮一起改掉,接口路径和参数名是同一次生成里定下来的。
image.png

它补的不是切换窗口那点时间,是那一半的归属。 原来「另一半」是一份需要人执行的清单,现在它是同一批改动里的一部分。约定只写一遍,两边就不会各写各的。

模型这一头也有交代。插件里的极速、深度、专家、基础几档,是在 Java 领域表现好的开源模型上调优封装出来的,调的是工程结构、框架约定、接口和表结构这些 Java 侧的东西。旁边另开一栏直连第三方,智谱的 GLM-5.2、5.3,DeepSeek-V4 的三个版本,都在可选范围里。这一栏不负责补能力,负责让团队不用为换个插件重新赌一次。

边界得说清楚:它管的是让两个项目在同一个上下文里被改,不管联调。 服务还是各起各的,跨域还是自己配,接口通了之后业务逻辑对不对还是人判断。约定漂移这类错误少了,联调本身一次没少。

这一层的差别,不在模型在工程

把两件事并排放。

一边是通用 AI 编码方式,模型很强,但它在单个仓库的上下文里工作,跨项目的那部分交给人。

有些做法是把上下文窗口做大了,一次能读进几十个文件,看着像解决了。但那些文件是人手动挑的,挑哪些、按什么顺序贴,判断还在人这边。下一次改动,重新挑一遍。

另一边是把工作区、五步链路、产物落盘这些工程层做起来的做法。多项目支持属于这一层:它解决的不是「模型懂不懂前端」,是「模型能不能同时看见前端」。项目之间的关系存在工作区的配置里,不在某个人的剪贴板里。

模型换代是几个月一轮的事,工作区里那条关系装一次就一直在。同一个模型,装在不同的工程结构里,交付出来的东西不是一回事。

飞算 JavaAI 把筹码押在后一层。工程链把需求分析、接口和表结构设计、业务逻辑、生成工程代码串起来,产物落在项目的 docs/ 里,多项目支持让这条链能跨两个仓库走完。

你上一次跨前后端改一个功能,那份「前端还需要改什么」的清单,最后是谁执行的?

相关文章
|
5天前
|
云安全 人工智能 运维
当攻击全面Agent化,你的安全防御能否跟上AI Speed?
多起客户侧AK泄露事件应急的真实观察
1248 4
|
28天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9821 32
|
9天前
|
存储 人工智能 安全
千问办公官网入口网页版登录:qwenwork.cn 注册送2000积分、登录送100积分
阿里云千问办公(QwenWork)是AI智能工作平台,支持一句话生成PPT、表格、网页、视频及数据分析。个人免费版送2000积分+每日登录赠100分,含1GB存储、5个发布页;企业版198元/席/月起。阿里千问办公QwenWork官网:https://t.aliyun.com/U/0VCTGt 阿里AI工作平台,一句话完成数据分析、PPT 生成、视频剪辑、网页搭建等复杂任务
|
4天前
|
人工智能 API 开发工具
DeepSeek Harness 神插件:白嫖 13 家大厂模型
`dsh-our-free-model` 是 DeepSeek Harness 神级插件:零配置、零API Key、零账号,聚合13家大厂免费模型(含DeepSeek V4.1 Flash、Kimi K3等),支持本地网关、用量看板与自动降级,真正实现“白嫖即用”。
|
14天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
6天前
|
Web App开发 人工智能 JavaScript
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
REA(Reverse Engineer Anything)是近期爆火的开源AI逆向工具,4月发布,1个月内斩获15万+ Star。它让AI Agent无需源码即可分析二进制、APK、JS/Electron、HAR包等17类目标,自动反编译、生成可运行代码,并强制返回带证据与局限的结论。全本地执行,MIT协议,支持Hopper/Ghidra/IDA等引擎,一行命令即可上手。
653 1
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
|
13天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
956 1
|
10天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型全解析:核心原理拆解,性能实战测评与落地部署教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为System One Model(系统一模型),对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
608 0

热门文章

最新文章