AI时代下，Java该如何起手项目开发

最近常听到一句话，AI不会替代你，但熟练使用AI的人可以轻松干废你。 初听有点儿耸人听闻，实际却在发生中.... 甚至斯坦福大学最近也开设了CS146S课程， 要求必须使用AI完成开发任务，作业是提交完成开发任务的提示词prompt。专门教授如何将大模型和AI工具（如编程智能体、AI IDE）集成到软件开发流程中，从而大幅提升开发者的生产力，并探讨了现代软件工程师的角色演变。课程大纲如下：

工欲善其事必先利其器

传统开发，必备神器IDEA

下图是2025.3版本，安装包大小1G，包括java生态的大量工具插件，还内置了教学引导，默认给30天的免费旗舰试用期。

导引学习，主要介绍一些快捷键(包括any搜索、补全建议、重构)和调试技巧等。

• Ctrl+Shift+A或者两次Shift按键，触发anything search。
• Alt + Enter， 万能修复/提示
• Ctrl + Shift + Space​，智能代码补全
• Ctrl + Alt + L​，代码格式化

传统IDE中，补全是当初能让其迅速普及开的功能之一，而调试也是另一个极好的功能。在现代AI IDE中，调试似乎也不需要了，直接贴错误日志，就自动开始debug纠错了。

使用AI开发的现状

当下主流的使用AI开发模式有3种基本形态：

• 一种是传统IDE + 编程插件助手，代表有Lingma、Continue等，是属于渐进式拥抱AI辅助开发，从而提高生产力的方式。

• 另一种是基于开源IDE打造的AI原生IDE, 提供更沉浸式的AI编程体验，由AI自主完成分析、设计、编码乃至测试的完整流程，一般需要订阅收费。

  • 国外：Cursor（基于VS Code）
  • 国内：Trae.CN（字节）、CodeBuddy（腾讯），Qoder（阿里.新加坡团队）

• 还有一种终端工具，代表是Claude Code、Codex CLI等，可以灵活集成到以上两种模式和其他第三方CI/CD协作流水线中

现在市场参与者，基本都在布局各形态的开发场景，本文发稿时，通义lingma也在公测IDE了，CodeBuddy已实现插件、IDE、CLI三端全形态覆盖。

年初我个人也结合开源vscode+roocode插件，开发过一款自己的IDE，叫aide，基本功能也都具备，后面有时间可以整理发出来一篇手把手打造自己的AI原生IDE。

不过github Copilot在国内市场才是比较可惜的，背靠微软（VS生态），手里有github，竟然在市场上，没有国外初创企业Cursor等的声势浩大。

这几种形态，反映了一个演进方向: 将AI集成到开发工具 ====> 将开发工具集成到AI中。人在其中的动手参与度逐步降低，后者看上去是最理想的终极形态，合理设置后，可以让AI把整个软件交付的全流程（需求分析->设计->编码->测试->部署上线）自动完成。

不过这里不应该存在谁更好的说法，最终要看你的团队运作模式，是单人全栈还是严格‘瀑布模式’下的团队模式，毕竟康威定律还在生效（技术问题的背后，往往是人的问题和组织问题）。这类AI原生IDE现在也基本支持个人版和企业版了，不过从业内的实践来看，在单人全栈模式下，AI原生IDE的优势会更明显。

由于本人工作行业限制，接触最多的是lingma，不过为了客观对比更高阶的形态，这里以Trae.CN为例

安装包大小204M，内置前端工具链，如涉及其他技术栈，需要自行安装插件。 支持两种模式（IDE和solo模式），就是前面提到的IDE+插件助手模式和AI原生IDE的形态。

AI原生IDE，相对传统IDE，最大的区别是在软件工程中的参与阶段左移了，从需求分析开始就可以介入了，并且以AI为主导推理，自动调度集成MCP工具来推进工作。

Vibe Coding 氛围/AI结对编程

零开项目（避免重复造轮子）

java生态已经非常丰富，几乎每个领域都有对应成熟、经过验证的开源项目，遵循专业的事情找专业的工具干的原则（寻找轮子），避免让AI从零开始重复造轮子。

鉴于LLM的工作原理，预测Token，让AI从零开始重复造轮子，这是血亏的实践结论。。。应该利用已有成熟库，喂文档，进入迭代阶段。 当前最佳SOTA实践是Claude的Skills攻略，此处不介绍，如涉及复杂项目可考虑(个人还没试过)。

推荐先要根据项目需求场景，直接驱动builder使用成熟脚手架或者传统IDE初始化一个项目基础架构。整理提示模版如下：

我需要实现 [集成类系统的权限管理]，请帮我：
1. 分析这个需求可能涉及哪些技术领域，有没有成熟的库/项目已经做过类似的事？
2. 确定使用Java技术栈，并使用mvn初始化合适的脚手架

需要提前安装配置好JDK和Maven环境，此处不表。

如果公司有对应的研发规范，推荐使用rules规则，将提示模版作为rules规则，让AI根据规则进行架构设计选型。

迭代存量项目

打开已有项目的根目录，会自动判断项目技术栈，并推荐安装相应的插件。

IDE模式下，内置了4中智能体

大多数情况下，builder就可以完成开发任务，要熟悉存量项目架构设计的话可以使用chat模型。chat模式下，可以询问代码算法细节，项目依赖用法等。

建议先在buidler模式下，自动生成团队规范。提示词如下

生成该项目的一个团队规范，存放于.trae\rules\project_rules.md文件中

一定要确认自动生成规范是否有误并合理。

迭代项目时，让AI根据规则进行架构设计选型和代码编写。 未完...后面单独开章分享。

总结

要想真正在AI原生IDE中上手生产级系统开发，还是要掌握一些基础的编程技能，如数据结构、算法、设计模式、软件工程等等。

本文开头提到的CS146S课程，也是要求学生必须具备扎实的编程经验，才能报名的。不然，一是不知道如何让AI更好的替我们工作产出（prompt该如何写），二是不知道AI的产出是否存在隐患，很快就会进入AI“屎山”代码中，是你真的会看不懂一小时前的某段代码逻辑意图... 至少当下，会因为AI的易得性反而更容易欠下技术债务。软件还是要讲究可维护性的，不过话又说回来，不需要后续维护的，讲究快速原型的场景，确实是极好的。

AI协同并不简单，让开发人员最讨厌的文档编写，直接上升到了第一公民，变成面向文档编程了。不过这个领域还在快速发展中，但人与AI协同开发的共识，个人比较认可的原则总结如下：

• 人来负责“规划”，AI 负责“执行”
• 绝不提交自己不理解的代码
• 避免重复造轮子
• 小步迭代，持续清理

参考资料：

• Vibe Coding 指南 - https://github.com/tukuaiai/vibe-coding-cn
• “AI 辅助编程”第一案 - https://zhuanlan.zhihu.com/p/1984901894875935875