你的 AI 智能体正确吗？API 开发中 10+ 个智能体的启示与反思

你的 AI 智能体正确吗？API 开发中 10+ 个智能体的启示与反思

在AI辅助开发日益普及的今天，如何将AI智能体有效地融入API开发流程，以提升开发效率和代码质量，成为了一个值得深入探讨的话题。本文通过分析经典API开发流程，提出了使用多个智能体协同工作的方案，并详细介绍了这些智能体在设计、开发、测试等阶段的具体应用。

在构建API时，通常会经历商业战略阶段和技术实现阶段。技术实现阶段又可以细分为设计、实现、集成与联调、测试和发布等环节。每个环节都有其特定的任务和要求：

• 设计阶段：包括API上下游的契约设计和API文档编写。
• 实现阶段：涉及编码实现API和初步测试。
• 集成与联调阶段：确保API与其他系统或服务的有效集成。
• 测试阶段：进行功能测试、性能测试和安全测试。
• 发布阶段：API发布与文档更新，以及上线后的监控与反馈。

然而，在实际开发中，开发者往往面临时间紧迫、任务繁重等挑战。那么，AI能否提供帮助呢？

试验：API开发的10+个本地智能体

为了探索AI在API开发中的应用，作者在Shire语言中开发了一系列智能体包，以支持开发者更好地构建API。这些智能体覆盖了API开发的多个阶段：

设计阶段：3个智能体

• 需求Agent：采用远程Dify辅助需求分析，生成API设计所需信息。
• Swagger生成：根据需求信息生成Swagger API文档。
• Mock代码与服务生成：基于Swagger文档生成WireMock代码与服务。

开发阶段：3个智能体

• 结合需求的代码生成：细化粒度，自动修改Controller和服务代码。
• 开发测试API代码：生成Http Client代码进行手动或自动测试。
• API测试代码生成：基于Mock API文档生成REST Assured测试代码。

测试阶段：2个智能体

• 性能测试：使用ab、Locust、K6等工具进行性能测试。
• 功能测试：使用Playwright进行功能测试。

遗留文档生成：2个智能体

• SpringDoc OpenAPI方式：通过patch方式添加Gradle依赖并批量添加注解。
• Spring REST Docs方式：同样采用patch方式添加依赖并在测试中批量添加注解。

试验思考与总结

通过这次试验，作者总结了三个重要思考：

思考1：结合流程细化上下文，获得最大可用性与潜力

AI辅助研发应增强现有流程而非创造新范式。在当前生成式AI能力有限的情况下，通过细化上下文信息（如设计规范、业务上下文、开发规范）来提升效率和质量。

思考2：过去的阻塞点依旧在，只是转换为决策点

虽然AI可以提供更多信息支持决策，但关键决策仍需人类参与。例如：

• 设计阶段需要与产品经理、架构师沟通。
• 集成阶段需要与前端工程师、下游团队沟通。
• 测试阶段需要与测试工程师、安全工程师沟通。

思考3：构建多轮自动检验，以确保质量

为确保AI生成代码的质量，应建立多层次检验机制：

• API设计校验：结合内部规范进行检查。
• Mock服务校验：确保与Swagger文档一致。
• 自动API测试：生成HttpClient代码并自动运行。
• 输入输出检验：生成Rest Assured测试代码。

此外，可以采用多模型交叉检验的方式进一步提升代码质量。

总结

AI并不能完全替代人类设计完美的API，但在提升开发效率和体验方面大有可为。通过合理利用AI智能体，可以在保持质量的同时显著提升开发效率。