跳转到内容
AI 速通系统设计

思考框架：6 层分析法

这是整门课的核心方法论。 掌握这个框架，你就能分析任何系统，然后让 AI 替你实现。

前置知识：如果「数据库」「API」等词对你来说很陌生，先看 计算机基础速览。

AI速通系统设计：非技术人员从0到1，按照思维框架给AI下指令实现项目。

底层原理：所有系统都遵循逻辑。你不需要懂代码，但需要把逻辑想清楚，AI负责把逻辑变成代码。

反面教材：小王的记账系统翻车记

Section titled “反面教材：小王的记账系统翻车记”

小王接到老板任务：做一个内部记账工具。他直接打开 Claude Code，说了一句”帮我做一个记账系统”。

AI 很快给了他一个能跑的系统。小王很开心，直接让团队 10 个人用上了。

然后问题接二连三：

  • 两个人同时提交报销，金额算错了（没考虑并发）
  • 数据库越来越慢，报表页加载要 8 秒（没建索引）
  • 有人发现改一下 URL 就能看到别人的报销记录（没做数据隔离）
  • 某天服务器崩了，最近一周的数据全丢了（没做备份）

小王的问题不是 AI 写的代码差，而是他跳过了「想清楚」这一步。

AI 不知道你有多少人用、数据量多大、安全要求是什么——如果你不说，它就按最简单的方式做。而这个思考框架，就是帮你在让 AI 动手之前，把该想的想清楚。

Step 1：分析（自己思考，训练和AI交流需求的能力）

第1层：用户层（产品视角）

  • 谁在用？
  • 他要完成什么任务？
  • 成功标准是什么？

第2层：用户故事（场景推导）

  • 把用户的大任务拆成具体场景：”某人在某时想做某事，期望看到某结果”
  • 每个场景就是一条和AI沟通需求的线索
  • 例：老板早上打开系统 → 看到今天的新订单 → 标记已完成 → 查看本周统计

第3层：功能层（从场景推导出具体能力）

  • 每个场景对应哪些功能？
  • 先做哪些，后做哪些？（先做最简版本（MVP），后续再加功能）

第4层：数据层（信息建模）

  • 从用户故事里圈出名词 → 这些就是系统要记住的”东西”
  • 名词之间的动词 → 就是它们的关系（属于、包含、创建…）
  • 哪些信息是必须保存的，哪些只是展示用的？

第5层：流程层（把前面四层串起来）

  • 用 Given/When/Then 描述每个场景的完整流转：
    • Given：当前状态是什么（数据层提供的前提条件）
    • When：用户做了什么操作（用户故事中的动作）
    • Then：系统怎么响应（功能层的能力）
    • And：还有什么连带影响？（扣库存、发通知…）
  • 成功和失败各走什么路径？

第6层：规模层（粗略估算）

  • 用户量：现在多少人用？半年后呢？
  • 数据量：每天产生多少条数据？一年后总量是多少？
  • 并发量：同一时刻最多多少人同时操作？
  • 粗算公式：
    • 日数据量 = 用户数 × 每人每天操作次数
    • 年数据量 = 日数据量 × 365
    • 如果年数据量 < 10 万条 → 单机 + 索引够用
    • 如果年数据量 > 100 万条 → 要考虑缓存和分页
    • 如果年数据量 > 1000 万条 → 要考虑分库分表
  • 这一层不需要精确计算，只需要知道大概的量级，避免「10 个人用的系统搞了分布式」或「500 人用的系统没加缓存」

Step 2：AI实现

  1. 先使用固定的技术栈
  2. 输入需求（把以下内容一起给AI）
    • 前面6层的分析产出
    • Excalidraw草图（简单区块布局图，标注每块做什么）
  3. AI生成实现计划
  4. review计划
  5. AI执行

Step 3：验证

  1. AI生成端到端测试用例（覆盖Step 1中每个用户故事的完整路径）
  2. AI审查edge case，发现后处理
  3. 信息压缩：AI把系统的完整流程用流程图或其他可视化方式表述出来
    • 目的：人不需要review代码，而是通过少量信息理解整体流程
    • 细节交给AI自己处理，人只关注流程是否符合预期
  4. review AI提供的流程和操作步骤
  5. 按步骤手动走一遍，验证实际行为是否符合预期

迭代循环：添加新功能 / 修复bug（第一轮只做核心功能，后续慢慢添加，注意对已有系统的影响）

  • 回到 Step 1 重新分析

下一步

Section titled “下一步”