AI辅助开发体系完整方案

基于 Codex + Dify + MCP + ArchUnit + GitLab CI 的 AI 辅助开发体系完整方案

本文介绍一套面向企业级 Java/Vue3 项目的 AI 辅助开发体系，覆盖从知识库建设、AI 编码流程管控到架构合规门控的全链路质量保障，适合正在将 AI 编码工具（Codex、Cursor 等）引入团队的技术负责人参考。

一、整体架构

本方案由四个层次构成，各层分工明确、互相补充，共同保障 AI 生成代码的质量与规范性。

Inform 层 · 告知

Dify 知识库 · 个性化提示词（Step1~5）· AGENTS.md

让 AI 知道项目是什么、规范是什么、需求是什么。

Verify 层 · 验证

ArchUnit 架构测试 · Step 2 开发清单确认 · Step 5 自检清单

机械检查代码规范 + 人工确认需求完整性。

Correct 层 · 修复

Codex 沙箱内自循环修复 · GitLab CI 最终门控

检查失败自动修复，CI 兜底所有提交。

积累层 · 成长

知识库持续更新机制

每次发现的文档缺失反哺知识库，AI 生成质量持续提升。

二、完整流程图

一次完整的 AI 辅助开发任务按以下顺序在三个层次中流转：

开发者输入任务

       │

┌──────▼──────────────────────────────────────┐

│                  Inform 层                   │

│  个性化提示词（Step1~5）  ◄──►  AGENTS.md   │

│  开发流程 · 知识库查询规则    项目身份 · 核心红线 · 检查命令  │

└──────────────────────┬──────────────────────┘

                       │

┌──────────────────────▼──────────────────────┐

│                  Verify 层                   │

│                                              │

│      通过 MCP 查询 Dify 知识库               │

│      原型设计库 · 需求文档 · 规范库          │

│          ↓ 查不到 → 换词重试                │

│                                              │

│      输出开发清单（Step 2）                  │

│      字段 · 接口 · 交互 · 待确认项           │

│          ↓ 人工确认 → 确认后继续            │

│                                              │

│      Codex 在沙箱中生成代码                  │

│                                              │

│      ArchUnit 架构检查                       │

│          ↓ 违规报错 → 自动修复重试          │

└──────────────────────┬──────────────────────┘

                       │ 通过

┌──────────────────────▼──────────────────────┐

│                  Correct 层                  │

│