如何利用 AI 实践高质量的软件架构与 Clean Architecture 设计 #

通过为 AI 引入领域驱动设计（DDD）和整洁架构（Clean Architecture）的约束，避免 AI 生成臃肿、耦合且难以维护的“面条代码”，确保输出的代码符合企业级工程标准。

为什么需要这个技能 #

在与 AI 协作编程时，AI 倾向于为了快速交付结果而将逻辑全部堆在一个文件或函数中。如果不加约束，AI 容易产生以下问题：

• NIH 综合症：倾向于手写简单的工具函数，而不是使用成熟的第三方库。
• 命名泛化：习惯使用 utils.js 或 helpers.ts 等模糊名称，导致项目规模扩大后难以维护。
• 职责混乱：将业务逻辑、数据库查询和 UI 组件混在一起，违反了关注点分离（SoC）原则。

本技能为 AI 设定了一套严苛的架构准则，强制其在生成代码前思考领域模型、依赖方向和模块边界。

适用场景 #

• 从零构建新功能：需要设计可扩展的系统架构，而不仅仅是实现功能。
• 重构既有代码：将混乱的遗留代码拆分为符合 DDD 规范的领域实体和用例。
• 代码评审（Code Review）：让 AI 检查代码是否过度耦合，或是否可以通过引入成熟库来简化逻辑。
• 制定工程规范：为团队建立一套统一的、面向质量的代码风格指南。

核心工作流 #

1. 库优先原则（Library-First）：在编写自定义代码前，强制 AI 搜索 npm 等仓库中是否存在成熟的解决方案（如使用 cockatiel 处理重试逻辑）。
2. 应用 DDD 模式：
   • 定义统一语言（Ubiquitous Language）。
   • 强制区分领域实体（Entities）与基础设施（Infrastructure）。
   • 确保业务逻辑独立于框架，定义清晰的用例（Use Cases）。
3. 执行代码瘦身：
   • 早返回模式：使用 Early Return 减少嵌套。
   • 硬性行数限制：单个函数尽量在 50 行内，单个文件不超过 200 行。
   • 精准命名：禁止使用 common 或 shared，必须使用领域相关名称（如 OrderCalculator）。
4. 边界验证：检查控制器是否包含数据库查询，UI 组件是否包含业务逻辑，若有则必须进行拆分。

下载和安装 #

下载 software-architecture 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要 #

暂无推荐