2026-05-29 工作日志
"艾杰斯"企业级软件开发AI平台介绍会
会议介绍了企业级软件开发AI平台"艾杰斯"，其核心是通过SPEAK模型驱动AI开发，并分享了逆向建模、AI迭代等实践经验。
小结
1. "艾杰斯"企业级软件开发AI平台介绍
- 产品定位："艾杰斯"是AI软件工厂的装备与服务提供商，旨在帮助企业软件研发团队实现智能化转型。
- 核心理念：平台由需求分析、软件建模、软件制造、逆向建模四大智能体构成，核心是构建和迭代"SPEAK"模型，实现从代码到逻辑的转变，使AI应用更可控、高效。
- 核心价值：将软件资产（SPEAK模型）可视化，形成可追溯、可迭代的"数字孪生体"，降低新员工学习成本，提升团队协作效率。
2. SPEAK模型与AI开发流程
- SPEAK模型：该模型是平台的核心，它将软件逻辑显式地结构化为功能模块、用户界面、数据表等可管理的单元，解决了传统软件工程中逻辑不透明的问题。
- AI开发流程：以SPEAK模型为高质量输入，驱动AI进行需求分析、原型设计、功能建模、库表设计，最终生成代码。此过程强调人机协同，AI负责执行，而人负责把控方向、定义规范（HARNESS）和进行最终的审查。
3. 存量系统逆向建模
- 背景：针对百万行代码的存量系统，直接使用AI编程效果不佳，原因是AI缺乏对系统整体逻辑的语义理解。
- 解决方案：通过逆向工程，将现有源码和数据库结构解析并映射到SPEAK模型中，生成一套结构化的、可视化的"数字孪生体"。
- 优势：使开发人员能清晰地掌握系统逻辑，为后续的AI分析新需求、评估影响范围、进行迭代重构提供了坚实的知识基础。
4. AI迭代与风险控制
- 迭代流程：新需求输入后，AI分析其对SPEAK模型的影响，生成增量模型，再驱动AI生成相应代码。
- 质量保障：引入了"源码增量-逆向验证"的闭环。AI生成的代码上线后，会将其增量再次逆向回SPEAK模型，确保源码与模型的同步和一致性，保障了SPEAK模型的准确性。
5. 平台部署与模型
- 部署模式：平台倾向于私有化部署，以确保数据安全和对底层大模型的灵活控制。
- 底层模型：目前主要聚焦于DeepSeek系列模型，因其在编程和复杂推理任务上表现出色。
待办
1. 低代码平台逆向经验分享
- 针对刘阳提到的南京银行项目，其系统包含大量低代码平台配置的元数据，逆向难度较大。北京诺德1801将在后续分享针对此类项目的逆向经验。
生产过期时间计算错误技术方案评审
本次会议评审了生产过期时间计算错误的技术方案。
B端活动激励超发问题讨论
本次会议主要讨论了B端活动激励超发问题的根本原因、现有解决方案及后续修复计划。
小结
1. 激励超发问题分析
- 问题现象：在设置了门店范围的活动中，不在指定范围内的门店也能获得售卖或签收激励。
- 根本原因：活动创建时，若初始选择"经销商下所有门店"，再将其变更为"指定门店"，但系统未删除旧的"所有门店"规则，导致逻辑冲突。
- 影响范围：已发现南昌和贵阳两个活动存在超发情况。
2. 解决方案探讨
- 方案一（源头修复）：在保存活动时，主动删除已存在的旧规则（如"所有门店"），并仅保存新的门店范围。此方案可从根源上解决问题。
- 方案二（兜底修复）：在发放激励时增加校验，如果命中了"所有门店"的规则，则额外检查其是否仍符合当前活动的门店范围。此方案作为补充措施。
3. 后续优化建议
会议建议优先从源头解决问题，即在活动保存环节增加严格的校验逻辑，确保"所有门店"与"指定门店"选项的互斥关系，避免错误数据被写入。
待办
1. 活动激励超发问题修复
- 优先修复方案一，即在活动保存时删除旧的"所有门店"规则，确保数据正确性。@李明非
- 同步考虑实现方案二作为兜底措施，在发放激励时增加额外校验。@李明非
- 整理并提供技术方案文档给王建朝。@李明非
- 排期并推进修复工作，确保尽快上线。@李明非