AI编程在OOP场景下探索

敖雨燕 · 2025-6-30 01:38:22

AI编程在OOP场景下探索 背景 我们Spring AI工程引用代码如下，由于基于Mock单元测试下ChatClient总是为空，异常是 Cannot invoke "org.springframework.ai.chat.client.ChatClient.prompt(String)" because "this.chatClient" is null Spring AI 1.0.0的正式发布时间为2025年5月20日 业务逻辑代码 @Service public class TaskMcpCallServerServices implements AiService, ChatService { private final ChatClient chatClient; /** * Constructs a new TaskMcpCallServerServices instance. * @param aiClientBuilder the ChatClient builder used to create the chat client */ public TaskMcpCallServerServices(ChatClient.Builder chatClientBuilder) { this.chatClient = chatClientBuilder.build(); } @Override public ChatClient getChatClient() { return chatClient; } @Override /** * Gets AI response for the given prompt by calling the MCP server. * @param prompt the input prompt to send to the AI * @return ResponseEntity containing the AI response */ public ResponseEntity getAiResponse(String prompt) { String response = this.chatClient .prompt(prompt) .call() .content(); return ResponseEntity.ok(response); } } 单元测试代码

@ExtendWith(MockitoExtension.class) class TaskMcpCallServerServicesTest { @Mock private ChatClient.Builder chatClientBuilder; @Mock private ChatClient chatClient; @InjectMocks private TaskMcpCallServerServices taskMcpCallServerServices; @Test void testGetAiResponse() { // Given String testPrompt = "test prompt"; String expectedResponse = "test response"; when(chatClientBuilder.build()).thenReturn(chatClient); // When ResponseEntity<String> actualResponse = taskMcpCallServerServices.getAiResponse(testPrompt); // Then assertEquals(expectedResponse, actualResponse.getBody()); }

复制代码

}

复制代码

实践 Qwen3-Thinking模型

看上去解决问题思路没有问题，但实际还是不能解决ChatClient空指针问题。 基于Trae+Germin2.5 Flash模型对话如下：

我们查看修改后代码，并不理想 @RestController @RequestMapping("/tools") public class ToolController { private final AiService aiService; public ToolController(AiService aiService, ChatService chatService) { this.aiService = aiService; } /** * 使用阿里云对话服务（AMAP）进行文本对话 * * @param prompt 用户输入的对话内容 * @return ResponseEntity 包含对话结果的HTTP响应 */ @GetMapping("") public ResponseEntity amap(String prompt) { return aiService.getAiResponse(prompt); } } Claude4

存在如下问题，大模型的知识还是跟不上组件更新 java: 找不到符号 符号: 类 CallPromptSpec 位置: 接口 org.springframework.ai.chat.client.ChatClient TongYi Lingma-Qwen3-thinking再次尝试

请对当前类引用类型ChatClient进行完全隔离，ChatClient来自Spring AI框架，我们期望隔离它，并且可以替换为其他AI类库的实现，请基于OOP编程原则修改相关关联代码。

单元测试没有修复，第二轮对话修复单元测试问题

最终Qwen3达到期望的结果

/** * 聊天客户端适配器接口 * 提供统一的方法调用规范，可扩展支持不同AI框架的实现 */ public interface ChatAdapter { /** * 执行AI对话请求 * @param prompt 用户输入内容 * @return 返回处理结果 */ String chat(String prompt); }

复制代码

/** * Spring AI框架适配器实现 */ @Component public class SpringAiChatAdapter implements ChatAdapter { private final ChatClient chatClient; public SpringAiChatAdapter(ChatClient chatClient) { this.chatClient = chatClient; } @Override public String chat(String prompt) { return chatClient.prompt(prompt).call().content(); } }

复制代码

@Service public class TaskMcpCallServerServices implements AiService { private final ChatAdapter chatAdapter; /** * Constructs a new TaskMcpCallServerServices instance. * @param chatAdapter the ChatAdapter instance to use */ public TaskMcpCallServerServices(ChatAdapter chatAdapter) { this.chatAdapter = chatAdapter; } @Override /** * Gets AI response for the given prompt by calling the MCP server. * @param prompt the input prompt to send to the AI * @return ResponseEntity containing the AI response */ public ResponseEntity getAiResponse(String prompt) { String response = this.chatAdapter.chat(prompt); return ResponseEntity.ok(response); } }

复制代码

单元测试代码

复制代码

@ExtendWith(MockitoExtension.class) class TaskMcpCallServerServicesTest { @Mock private ChatAdapter chatAdapter; @InjectMocks private TaskMcpCallServerServices taskMcpCallServerServices; @BeforeEach public void before() { MockitoAnnotations.openMocks(this); taskMcpCallServerServices = new TaskMcpCallServerServices(chatAdapter); } @Test void testGetAiResponse() { // Given String testPrompt = "test prompt"; String expectedResponse = "test response"; when(chatAdapter.chat(testPrompt)).thenReturn(expectedResponse); // When ResponseEntity actualResponse = taskMcpCallServerServices.getAiResponse(testPrompt); // Then assertEquals(expectedResponse, actualResponse.getBody()); }

复制代码

}

复制代码

复制代码

Trae中Germin 2.5 Flash

<img width="761" height="4515" title="image" alt="image" src="https://img2024.cnblogs.com/blog/15172/202506/15172-20250629215310234-1225760750.png" border="0">

复制代码

新生成文件，编译不通过，并且多次修复未果

复制代码

<img width="901" height="459" title="image" alt="image" src="https://img2024.cnblogs.com/blog/15172/202506/15172-20250629215311080-1443906469.png" border="0">

复制代码

Trae基于DeepSeek V3 0324实践

<img width="694" height="603" title="image" alt="image" src="https://img2024.cnblogs.com/blog/15172/202506/15172-20250629215311935-345557468.png" border="0">

复制代码

存在单元测试问题，第二轮修复单元测试成功

复制代码

<img width="1594" height="612" title="image" alt="image" src="https://img2024.cnblogs.com/blog/15172/202506/15172-20250629215312967-735929455.png" border="0">

复制代码

复制代码

/** * Interface defining the contract for AI client implementations. * Provides abstraction for different AI service providers. */ public interface AiClient { /** * Gets AI-generated response for the given prompt. * @param prompt the input text to send to the AI service * @return the AI response content */ String getResponse(String prompt); } /** * Service class for handling MCP server calls and AI responses. * Implements AiService interface to provide AI response generation functionality. */ @Service public class TaskMcpCallServerServices implements AiService { private final AiClient aiClient; /** * Constructs a new TaskMcpCallServerServices instance. * @param aiClient the AI client implementation */ public TaskMcpCallServerServices(AiClient aiClient) { this.aiClient = aiClient; } @Override /** * Gets AI response for the given prompt by calling the MCP server. * @param prompt the input prompt to send to the AI * @return ResponseEntity containing the AI response */ public ResponseEntity getAiResponse(String prompt) { String response = this.aiClient.getResponse(prompt); return ResponseEntity.ok(response); } } 直接让Claude4 重构

<img width="1477" height="930" title="image" alt="image" src="https://img2024.cnblogs.com/blog/15172/202506/15172-20250629215314150-806432650.png" border="0">

复制代码

复制代码

重构基本是成功的，还使用简单工厂，但新生成UnitTest依赖的API存在版本问题，最终效果如下

复制代码

<img width="1253" height="666" title="image" alt="image" src="https://img2024.cnblogs.com/blog/15172/202506/15172-20250629215315250-1662111963.png" border="0">

复制代码

总结 一、AI编程在OOP场景下的探索意义 1. 代码生成与模式识别的范式突破

自动化模式实现：AI可通过分析海量开源代码库，自动生成符合设计模式的类结构（如工厂模式、单例模式），减少开发者对模式记忆的依赖。例如，GitHub Copilot已能根据注释生成完整的策略模式实现。
语义化代码补全：基于上下文的代码生成超越了传统IDE的语法补全，能理解“实现一个可序列化的订单对象”这类自然语言需求，直接生成符合OOP原则的类定义。

2. 重构与演化的智能辅助

架构漂移检测：AI可分析类之间的耦合度、继承层次深度等指标，量化代码异味（Code Smell），辅助决策是否需要引入依赖注入或抽象层。
API演进预测：通过学习类库的历史更新日志，AI能预测未来版本可能弃用的方法，提前建议开发者使用适配器模式进行兼容性封装。

3. 领域特定语言（DSL）的生成

OOP到DSL的映射：AI可将通用OOP结构转化为特定领域的DSL（如金融风控规则引擎），通过组合策略模式与状态模式，自动生成可配置的业务规则类。

二、版本API知识更新滞后的挑战 1. 知识衰减的典型场景

方法弃用链：例如，Java中java.util.Date到java.time包的迁移，涉及SimpleDateFormat到DateTimeFormatter的替换，但AI可能因训练数据滞后继续推荐旧API。
语义化变更：Python 3.10中collections.abc模块的调整，导致直接继承collections.MutableSequence的类需要修改导入路径。

2. 上下文提示词的局限性

局部最优陷阱：当开发者询问“如何实现一个线程安全的队列”，AI可能仅推荐queue.Queue而忽略项目已依赖的第三方库（如deque的线程安全封装）。
隐式依赖缺失：若类库A的v2版本移除了对类库B的兼容层，AI可能无法从代码上下文中推断出这种跨版本依赖关系。

三、专家级综合判断的必要性 1. 领域知识的不可替代性

业务逻辑映射：例如，在金融系统中，专家能判断某个API变更是否影响交易回滚逻辑，而AI可能仅关注语法正确性。
历史债务权衡：专家可评估重构成本与收益，决定是立即迁移到新API还是通过适配器模式暂时兼容。

2. 认知推理链的构建

因果推断：当AI建议使用新API时，专家会追问“该API在分布式环境下的线程安全性如何？”“是否有已知的性能回退案例？”
反事实分析：专家可模拟“如果采用备选方案B，未来升级到C版本时是否需要二次重构？”

四、人机协同的进化路径 1. 增强型提示工程

多模态输入：将API文档、提交历史、Issue跟踪系统数据融入上下文，例如提示词中包含“此方法在v2.1中标记为@Deprecated，但Issue #1234显示v3.0将恢复”。
动态知识注入：通过插件机制实时更新本地知识库，如将Maven仓库的最新版本元数据作为上下文补充。

2. AI与专家的协作范式

建议-验证循环：AI生成候选方案，专家通过批判性思维筛选（如“此方案是否违反里氏替换原则？”）。
可解释性增强：要求AI输出决策树（如“选择该API是因为其支持泛型，而旧版本仅处理Object类型”）。

3. 持续学习的工程实践

自动化测试用例生成：针对API变更，AI可生成覆盖边界条件的单元测试，专家只需验证测试用例的有效性。
金丝雀发布策略：在开发分支先部署AI建议的代码，通过监控日志和性能指标，由专家决定是否合并到主分支。

五、未来展望：自适应OOP系统 最终，OOP与AI的融合将走向自适应软件系统：

动态类加载：根据运行时环境自动选择API版本（如开发环境用最新版，生产环境用稳定版）。
演化式设计：类结构不再静态定义，而是通过AI持续优化继承链和组合关系，类似生物体的自然选择过程。

这一进程要求开发者从“代码编写者”转型为“系统架构师+AI训练师”，在OOP的抽象层次与AI的生成能力之间构建新的认知桥梁。

复制代码

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除 免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

账号		自动登录	找回密码
密码			立即注册