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<String> 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());
    }

}

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<String> 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);
}

/**
 * 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();
    }
}

@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<String> getAiResponse(String prompt) {
        String response = this.chatAdapter.chat(prompt);
        return ResponseEntity.ok(response);
    }
}

单元测试代码

@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<String> actualResponse = taskMcpCallServerServices.getAiResponse(testPrompt);

        // Then
        assertEquals(expectedResponse, actualResponse.getBody());
    }

}

Trae中Germin 2.5 Flash

新生成文件，编译不通过，并且多次修复未果

Trae基于DeepSeek V3  0324实践

存在单元测试问题，第二轮修复单元测试成功

/**

* 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<String> getAiResponse(String prompt) {

String response = this.aiClient.getResponse(prompt);

return ResponseEntity.ok(response);

    }

}

直接让Claude4 重构

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

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。