从零到出活：我用飞算JavaAI一小时搭了套门店抽检整改系统

目录一、抽检记录不能停在一张表里二、三个角色三种不同的工作台抽检员我关心今天去哪查门店负责人我只想看我店里有啥问题区域主管我关心的是复查进度三、从发现问题到闭环四个状态的流转四、智能引导从一句话到完整系统五、几个值得说的设计细节证据链三卡模式风险分层 颜色编码角色化菜单消息通知自动触达六、写在最后人机协同的节奏感一、抽检记录不能停在一张表里几个月前帮朋友看他们公司的门店品控流程发现一个挺普遍的痛点抽检记录中发现了什么写得清清楚楚但后来改好没有却是一片空白。照片存在手机里整改说明发在微信群里复查结论口头说了就算。区域主管想查某个问题的整改进度得翻好几个群聊记录。更麻烦的是同一个门店反复出现同类问题但因为没串联起来没人发现趋势。这不是缺一个录入工具的问题而是缺一个能把发现问题→整改→复查→关闭串起来的协作流程。我想用飞算 JavaAI 搭一套门店抽检整改系统核心目标就三个问题可追踪、责任可定位、环节可闭环。二、三个角色三种不同的工作台系统跑起来后登录进去看到的内容完全取决于你的身份。这不是为了炫技而是因为三种人进系统的目的截然不同。抽检员我关心今天去哪查抽检员登录后看到的是今日待执行计划和最近录入的问题。他的工作流很线性领计划→到店检查→录问题→下一个店。不需要看到他管的门店以外的问题也不需要看到整改和复查的琐碎细节。门店负责人我只想看我店里有啥问题门店负责人登录后首页直接展示我的门店概览有多少待整改问题、多少已逾期。他不会关心其他店的情况也不需要看到抽检计划列表——他只关心自己还要改什么、什么时候截止。区域主管我关心的是复查进度区域主管看的是管辖区域内所有待复查的问题同时能看到各门店的风险排行。他不需要参与具体的抽检和整改过程他的核心职责是把控质量——确认整改是否到位不通过就退回重改。三、从发现问题到闭环四个状态的流转整个系统的灵魂是状态机。一个问题从创建到关闭经历四个主要状态待整改抽检员录入问题后自动进入通知推送给门店负责人整改中门店负责人开始整改时手动标记待复查门店提交整改方案后进入通知区域主管复查通过/退回主管验收后判定——通过则关闭退回则重新整改这个流程不长但每一步都包含一条关键信息谁在什么时候做了什么。所有证据——发现照片、整改说明、复查结论——都串在同一条时间线上。四、智能引导从一句话到完整系统打开 IDEA选中飞算 JavaAI 的智能引导我先写了一段 Prompt请帮我生成一个门店抽检整改系统。支持三种角色抽检员制定抽检计划并录入问题门店负责人提交整改方案区域主管复查验收。每个问题有风险等级和截止时间问题经历发现→待整改→整改中→待复查→复查通过/退回→已关闭的状态流转。首页按角色展示不同的工作台视图。门店有风险等级和区域归属支持按门店、状态、风险筛选和趋势分析。飞算 JavaAI 花了几秒钟分析需求把这段话拆解成了一系列模块第一步确认了三个角色的职责边界以及它们对应的数据权限——抽检员只能看到自己创建的抽检计划门店负责人只能看到自己门店的问题区域主管按区域过滤。第二步生成了核心实体模型门店Store、问题Issue、整改记录Rectification、复查记录Review、消息通知Message以及它们之间的关联关系。第三步生成了数据库表结构包括字段类型、索引和关联外键。第四步列出了完整的代码生成计划——路由、视图页面、组件、Store、Mock 数据层就像一个施工蓝图。第五步一键生成了全部源码。从 Vite 项目骨架到 12 个完整页面、通用组件、数据层和路由守卫全部生成完毕。五、几个值得说的设计细节证据链三卡模式问题详情页的核心是三张卡片发现照片 → 整改说明 → 复查结论。每张卡片都带着操作人和操作时间底部是一条状态时间线。这样设计的原因是解决问题最怕不确定性——我到底要不要跟改好了没有谁确认的三卡模式让这些信息一眼可见。风险分层 颜色编码门店列表按风险等级做了可视化的分层严重风险红色高亮、高风险橙色、中风险黄色、低风险绿色。这不是为了好看而是让区域主管在首页就能一眼锁定最需要关注的门店。角色化菜单不是所有人都能看到所有菜单。抽检员看不到复查管理门店负责人看不到抽检计划和问题录入区域主管看不到整改管理。每个菜单的可见性由用户的角色决定。这是通过 Vue Router 的路由守卫和侧边栏的动态过滤共同实现的。消息通知自动触达每个关键节点——新问题登记、整改方案提交、复查结果——系统都会自动生成一条消息推送给对应角色。这不是锦上添花而是让人找人变成系统找人。门店负责人不用每天主动刷新页面消息中心会告诉他有什么事要处理。六、写在最后人机协同的节奏感坦白说这类管理系统——CRUD、角色权限、状态流转——对 AI 来说是非常舒适的生成区域。飞算 JavaAI 这次帮我完成了大约 80% 的代码量从项目初始化、路由配置、接口数据一直到 12 个视图页面的骨架。那剩下 20% 是什么是业务规则的精确判断。比如门店负责人提交整改方案后状态变为待复查同时通知哪个区域主管——区域主管是按门店所在的区域来分配这个逻辑 AI 不能替你决策。还有逾期提醒应该什么时候发、发给谁也是需要人来设计的。简单说AI 擅长的是怎么做代码实现人擅长的是做什么和为什么这么做业务设计。参加了一个叫“飞算 JavaAI 炫技赛”的活动顺便聊聊这款 IDEA 插件。它主打的是通过对话直接生成完整工程试下来感觉 9.9 元的包月性价比还行。比起单纯的代码补全它的专家 Agent 在做设计和审查时更有优势。比赛设置了编码和分享两条线算是体验 AI 开发流程的一个好机会。