From 87e0a931baa8e40b2aa48d98d44ffd1e3723c4f8 Mon Sep 17 00:00:00 2001
From: freedakgmail <freedak.gemini@gmail.com>
Date: Sun, 14 Jun 2026 11:34:54 +0800
Subject: [PATCH] =?UTF-8?q?docs:=20=E6=96=B0=E5=A2=9E=20AIcoding.md=20?=
 =?UTF-8?q?=E2=80=94=20AI=E8=BE=85=E5=8A=A9=E7=BC=96=E7=A0=81=E6=96=B9?=
 =?UTF-8?q?=E6=B3=95/=E6=8A=80=E5=B7=A7=E6=80=BB=E7=BB=93=E4=B8=8E?=
 =?UTF-8?q?=E4=BC=98=E5=8C=96=E5=BB=BA=E8=AE=AE?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 AIcoding.md | 143 ++++++++++++++++++++++++++++++++++++++++++++++++++++
 1 file changed, 143 insertions(+)
 create mode 100644 AIcoding.md

diff --git a/AIcoding.md b/AIcoding.md
new file mode 100644
index 0000000..1f8d330
--- /dev/null
+++ b/AIcoding.md
@@ -0,0 +1,143 @@
+# AI Coding 方法与技巧总结 — 外包项目风险评估系统
+
+> 本文复盘本项目（`outsourcing-risk-assessment`）在 AI 辅助编码（AI Coding）下沉淀的方法论、协作技巧与工程实践，并附优化建议，供后续项目复用。
+
+---
+
+## 一、项目概览
+
+- **业务**：外包项目风险评估 AI 系统。销售录入项目 → AI 解析分类 → 确定性引擎评分/分级/红线/盈利测算 → 风控/管理层分级审批 → 归档与审计。
+- **技术栈**：
+  - 后端：TypeScript（严格模式）+ Hono + PostgreSQL（`node-pg-migrate`，29 个迁移）+ 通义千问 qwen-plus
+  - 前端：React 18 + Vite + Zustand + Recharts + 自建 Design System
+  - 测试：Vitest + fast-check（属性测试）+ Testing Library + axe（可访问性）+ Playwright（E2E）
+  - 部署：`deploy.sh` 一键部署（PM2 + nginx + Let's Encrypt），生产 https://pm.hr8ai.top
+- **规模**：113 个测试文件、40+ 属性测试文件、规格文档 2387 行（requirements/design/tasks）。
+
+---
+
+## 二、核心方法论
+
+### 1. 规格驱动开发（Spec-Driven Development）
+
+项目以 `.kiro/specs/` 下的三份文档为"地面真值"，先规格后代码：
+
+| 文档 | 作用 |
+|------|------|
+| `requirements.md` | EARS 格式需求（WHEN/IF/WHERE/SHALL），可测试、可追溯 |
+| `design.md` | 架构、数据模型、模块边界、**正确性属性（Correctness Properties）** |
+| `tasks.md` | 可执行任务清单，逐项实现并验证 |
+
+**要点**：每个需求都映射到验收标准；每条正确性属性都对应一个属性测试（如 `computeRiskScore.property18.test.ts`）。代码改动先回到规格确认，避免"凭感觉写"。
+
+### 2. 确定性引擎 + LLM 语言层 的分层（最关键的架构决策）
+
+这是本项目最重要、最值得复用的原则：
+
+> **凡是涉及金额、评分、分级、红线、裁决的逻辑，一律是确定性纯函数，绝不交给 LLM；LLM 只做语言理解（分类、指标预填、岗位抽取、综合研判）。**
+
+- **纯函数核心**：`src/scoring`、`src/cost/profitability.ts`、`src/strategy` 等均为无副作用、可复算、可属性化测试的纯函数。相同输入永远得到相同输出。
+- **LLM 边界**：`src/llm`、`src/adapters` 负责把自然语言转成结构化输入；失败/超时自动降级到确定性兜底（`fallback.ts`），不阻塞主流程。
+- **收益**：可审计、可回归、结果稳定、合规可解释——金融/风控类系统的硬要求。LLM 的不确定性被隔离在"翻译层"，不污染决策。
+
+### 3. 属性化测试（Property-Based Testing, PBT）
+
+用 fast-check 对核心引擎做属性测试，而非只写样例用例。例如：
+
+- 风险总分恒在 [0,100]，且分级恒等于 `classifyGrade(score)`；
+- 编辑重评时未改动的维度评分必须保持不变（preserve 属性）；
+- 持久化往返（save → load）必须等价（roundtrip 属性）。
+
+**收益**：用随机输入覆盖边界，暴露样例测试漏掉的缺陷；属性即"活的规格"，重构时是安全网。
+
+---
+
+## 三、AI 协作中验证过的有效技巧
+
+### 1. 小步快跑 + 每批验证
+长任务拆成小批，每批改完立刻跑验证三件套：
+```bash
+npx tsc --build                       # 后端类型检查（改后必须重启 dist 进程）
+npx tsc -p web/tsconfig.json --noEmit # 前端类型检查
+npx vitest run                        # 全量测试（456 用例）
+```
+**绝不在未验证的情况下连续堆改动**。类型检查 + 测试通过才进入下一批。
+
+### 2. 严格的 TypeScript 配置
+开启 `exactOptionalPropertyTypes`、`noUncheckedIndexedAccess` 等最严选项。编译器把大量运行期 bug 前移到编码期——AI 生成的代码尤其受益于强类型护栏。
+
+### 3. 每个改动独立 commit
+每完成一个可工作的改动就 commit，信息写清"根因 + 改法 + 验证"。便于回滚、便于审计 AI 的每一步。
+
+### 4. 根因优先，不打补丁
+遇到问题（如"盈利收入为 0"、"校准重复提示"）先定位**根因**再动手：
+- 收入为 0 → 根因是报价口径录入缺失，不是计算 bug → 加录入校验而非改公式。
+- 校准重复提示 → 根因是偏差来自历史数据 + 公式累加 → 改为基于未校准基准的幂等计算，并暴露"已校准"状态。
+
+### 5. 生产环境的真实验证
+改完不止单测，还在生产上端到端验证（登录拿 token → 调接口 → 查数据库确认副作用）。例如验证"登出留痕"：
+```bash
+TOKEN=$(curl ... /api/auth/login ...)
+curl -X POST .../api/auth/logout -H "Authorization: Bearer $TOKEN"
+# 再查 system_logs 确认出现"登出"记录
+```
+
+### 6. 复用既有组件与模式
+新功能优先沿用既有约定（如统一 `Table` 组件、`Icon` 图标集、复合键分隔符 `\u0000`、用户 ID 关联），而非另起炉灶。一处修复（如给 `Table` 加横向滚动容器）让全站受益。
+
+### 7. 规避工具/环境陷阱（踩坑沉淀）
+- 多字节中文 `curl` 输出常被 shell 截断 → 用 `printf` / 写临时文件 + python 读取。
+- bash 命令不用全角括号；复杂逻辑放 `node -e` / `python3 -c`。
+- 后端改完必须 `tsc --build` 再重启 `dist` 进程，否则跑的是旧代码。
+- JSONB 不能存裸 `\u0000` → 入库前编码（`\u0000`→`\uE000`）、读出时解码。
+
+---
+
+## 四、工程实践沉淀
+
+- **数据库迁移化**：所有 schema 变更走 `migrations/*.cjs`，可重放、可回滚，生产与本地一致。
+- **配置惰性读取**：`AUTH_SECRET` 等密钥惰性读取（避免模块导入时固化导致 RBAC 失效）；密钥放 gitignore 的 `deploy.env`。
+- **全局审计中间件**：一个 `app.use('/api/*')` 中间件统一记录所有写操作 + 登录/登出 + 关键只读（导出/查看），自动解析操作人/角色/目标项目/决策/IP/耗时，跳过高频轮询端点避免噪音。
+- **数据隔离与 ID 关联**：全部人员用稳定用户 ID 关联记录，界面实时解析成姓名；销售只见本人发起的评估（行级隔离）。
+- **可访问性内建**：用 axe 在测试中校验对比度、焦点、ARIA 角色，UI 一致性由 Design System 保证。
+
+---
+
+## 五、优化建议（我的视角）
+
+### 工程与质量
+1. **补 E2E 回归**：已装 Playwright，但回归仍靠手测。建议补一条主链路 E2E（登录→新建→申报→风控→管理层→归档→审计），纳入 CI，防止"改 A 坏 B"。
+2. **CI 门禁**：`.github/workflows/ci.yml` 应强制 `typecheck + lint + vitest` 全绿才可合并/部署；`deploy.sh` 前置一次测试闸门。
+3. **前端测试拆分**：详情页改动频繁，按功能区拆 snapshot/交互测试，降低脆性。
+4. **大数据量性能**：列表已服务端分页，建议补关键查询索引（如 `system_logs(ts)`、`assessments(assessor_id,status)`）；前端列表上虚拟滚动。
+
+### 架构与可维护性
+5. **拆分 `src/server/index.ts`**：单文件已超 2500 行，建议按资源域拆成路由模块（assessments / users / calibration / logs …），降低认知负担与合并冲突。
+6. **审计中间件的请求体重复读取**：登录/审批分支在 `next()` 后再次 `c.req.json()`，依赖框架缓存。建议显式缓存一次请求体，避免框架升级后行为变化。
+7. **校准语义文档化**：把"目标净利率基准 / 历史偏差 / 幂等校准"的语义写进 design.md，避免未来再次误解为可累加。
+
+### LLM 层
+8. **LLM 输出校验与可观测**：对分类/预填的 LLM 结果做 schema 校验 + 置信度阈值（部分已做），并把 LLM 调用耗时/降级率纳入系统日志，便于评估模型稳定性与成本。
+9. **提示词与模型版本治理**：把 prompt 模板与模型名集中管理、版本化，便于灰度与回滚。
+10. **经验库闭环**：`experience_library` 已具雏形，可把"预测 vs 实际"偏差与驳回原因反哺到 LLM 预填的 few-shot，形成数据飞轮。
+
+### 安全与合规
+11. **JWT 增强**：当前为自实现 HMAC，建议迁移到 `jose`，支持密钥轮换与更短有效期 + 刷新令牌。
+12. **密钥与备份**：确认 `.env`/`deploy.env` 不入库（已 gitignore）；定期演练数据库备份恢复（已有 `baidu-backup.sh`，建议加恢复演练）。
+13. **登出令牌失效**：当前登出仅前端丢弃 token，服务端无状态。若需"立即失效"，可引入短期 token + 服务端黑名单/版本号。
+
+---
+
+## 六、可复用的"黄金法则"清单
+
+1. 决策逻辑确定性纯函数化，LLM 只做语言层，二者严格隔离。
+2. 先规格（需求/设计/正确性属性）后代码，规格是地面真值。
+3. 核心逻辑写属性测试，而不仅是样例测试。
+4. 小步改动 + 每批 `typecheck + test` 验证 + 独立 commit。
+5. 根因优先，拒绝表面打补丁。
+6. 改完在生产做端到端真实验证（含数据库副作用）。
+7. 严格 TS + 迁移化 schema + 全局审计，让系统可回归、可审计、可解释。
+
+---
+
+*本文由项目实践复盘整理，可随项目演进持续更新。*