【极客日常】快速上手复杂后端项目开发的经验

去年年底一段时间,笔者参与了组织内部智能化平台项目研发攻坚,虽然主攻平台工程部分,但多少也了解了下目前AIGC可以应用到的一些业务场景,以及技术实践、项目管理的一些事情。在先前的文章里头,有浅要描述下AIGC+Web类项目的角色分工和配合。那今天这篇文章,就浅聊一下如果你即将深入此局,适应一个复杂的后端项目开发,有什么方法论是可以通用的。

主要是两个关键点:(1)理解产品及概念实体联系;(2)主动拆解目标各个击破。

第一个点比较重要,在理解具体代码之前,最好是熟悉产品,了解产品前端有什么功能,在这个基础上,尝试先入为主地猜想后端的设计实现,把自己的想法带入进去,再结合一些AIGC解读工具理解代码,后面就比较好下手。

当然这里不排除一些情况是,比如异步任务执行流程类的实现,纯后端的部分,就可能涉及到多方的协作。这种情况还是以多沟通多了解为主,好比说一个自动化任务执行,单个任务下面包含多个用例执行,每个用例执行分多个OS,平台的任务状态管理和用例执行的任务状态管理可能存在不同的服务上,中间状态怎么流转怎么同步,卡状态了怎么补偿,这些实现都是得深入去沟通了解的。然后,自动化任务执行有AI增强的场景,也需要了解什么地方用了AI增强,比如用例本身是AI生成的,或者基于AI做了改写优化,那么平台端和AI实现端是怎么同步AIGC阶段性信息的,这些也得确认。了解了中间的机理和代码实现,自己心中有蓝图之后,后续就好下手。

第二个点是要主动拆解研发目标,比如一套知识库服务,可能包含知识库/文档/切片管理、知识检索、在离线知识采集/清洗/入库,知识保鲜等模块,那么首先就要确定自己的负责范围是哪些,其次就是根据你对整套产品或者技术设计的了解,自主去拆分这些事情的依赖关系和优先级,而不是被动去迎合需求分配。

比如,笔者负责知识库管理、知识检索以及历史知识回溯的事情,那么顺序上就是知识库管理->历史知识回溯->知识检索,而知识回溯也依赖知识库/文档/切片管理的完成,所以也需要了解别人在文档/切片管理方面实现是怎么样的,然后再做知识回溯的话,也需要了解离线知识入库的机制和接口是怎样的。通过化被动为主动,就可以能够对自身的职责和要做的事情有更好的把握。

总的来讲,复杂的项目不可怕,可怕的是自己不知道该做什么。作为技术从业者,比起写代码本身,更需要知道写代码的目的是什么,然后再反推自己需要做什么。这样工作思路就能更清晰,做复杂项目开发也会更加容易上手。

相关推荐
Flying pigs~~12 小时前
RAG智慧问答项目
数据库·人工智能·缓存·微调·知识库·rag
菩提小狗14 小时前
每日极客日报 · 2026年05月01日
ai·开源·极客日报·it热点·技术资讯
冬奇Lab15 小时前
RAG 系列(四):文档处理——从原始文件到高质量 Chunk
人工智能·llm·源码
蔡俊锋15 小时前
AI是一面镜子
人工智能·ai·规格说明书·ai是一面镜子
阿源-17 小时前
Claude Code在Windows/WSL-Linux/VS Code三平台上的安装配置参考
ai·编程工具
Clark1117 小时前
十年 C++ 后端 GAP 六个月,写了一个近 3 万行的LLM-TFFInfer推理框架项目解析(三)-模型加载
llm
Cosolar17 小时前
封神级 TTS!VoxCPM2 凭连续表征,玩转多语言合成 + 创意音色 + 无损声纹克隆
人工智能·llm·github
岛雨QA18 小时前
🎉Token自由-Ollama部署本地大模型超详细操作指南
人工智能·llm·ollama
Joseph Cooper20 小时前
AI Agent 落地入门:从模型、工具到 Skills 与 MCP 的分工
人工智能·ai·agent·claude·skill·mcp
SkySeraph20 小时前
大模型套餐深度分析:国内外主流平台全景对比
llm