🤖 MBE 开发流程快速参考 (AI驱动版)

版本: v2.0 | 更新: 2026-01-28

💬 AI驱动开发模式

传统开发: 人类编写代码 → 测试 → 部署
AI驱动:   人类对话 → AI完成所有工作 → 自动部署

核心工具: Cursor AI

🎯 3个环境 + CI/CD

💬 AI驱动开发流程

你对AI说: "我想添加XXX功能，目标是YYY"

AI自动完成:
  1. ✅ 理解需求
  2. ✅ 设计方案
  3. ✅ 编写代码
  4. ✅ 编写测试
  5. ✅ 更新文档
  6. ✅ 推送代码 → 触发CI/CD
  7. ✅ 自动测试 (pytest, flake8, mypy)
  8. ✅ 自动构建 (Docker镜像)
  9. ✅ 自动部署到开发环境
  10. ✅ 验证功能
  11. ✅ 向你汇报结果

耗时: 10-30分钟 (完全自动化)

🔄 传统开发流程 (备用)

# 如果需要手动操作:
# 1. 创建功能分支
git checkout -b feature/your-feature

# 2. 编写代码 (通常由AI完成)

# 3. 推送触发CI/CD
git push origin feature/your-feature

# 4. CI/CD自动:
#    - 测试 → 构建 → 部署开发环境

💬 常用对话指令 (与AI交互)

功能开发

"添加XXX功能，目标是YYY"
"实现XXX，需要考虑ZZZ"
"开发XXX模块"

Bug修复

"XXX出问题了，帮我修复"
"用户反馈XXX，帮我诊断"
"修复XXX错误"

性能优化

"XXX太慢了，帮我优化"
"优化XXX性能"

部署发布

"部署到开发环境"
"效果不错，发布到生产"
"回滚到上个版本"

监控查询

"查看系统状态"
"帮我分析错误日志"
"持续监控生产环境"

🚀 发布到生产 (AI辅助)

# 1. 开发环境测试通过
python quick_test_lawyer.py  # 10个问题验证

# 2. 备份生产数据
docker exec mbe-postgres pg_dump -U mbe mbe > backup.sql

# 3. 更新配置（如需要）
# 编辑 knowledge_bases/experts/index.json

# 4. 重启生产容器
docker-compose -f docker-compose.yml -f docker-compose.tunnel.yml restart mbe-api

# 5. 等待启动
sleep 30

# 6. 验证
curl https://mbe.hi-maker.com/health
python quick_test_lawyer.py

# 7. 监控
docker logs mbe-api -f

🧪 测试命令

# 单元测试
python -m pytest tests/

# 快速测试 (10个问题)
python quick_test_lawyer.py

# 完整测试 (100个问题)
python test_lawyer_comprehensive.py

# 知识库测试
python test_case_law.py

🔧 常用命令

# 查看服务状态
docker ps

# 查看日志
docker logs mbe-api --tail 50

# 重启服务
docker restart mbe-api

# 进入容器
docker exec -it mbe-api bash

# 清理
docker system prune -a

📋 Commit 规范

feat: 新功能
fix: Bug修复
docs: 文档
refactor: 重构
test: 测试
chore: 构建

示例:
feat(knowledge): 添加system_prompt优化
fix(api): 修复知识库隔离问题
docs(readme): 更新部署文档

🚨 紧急回滚

# 快速回滚生产环境
ssh prod@prod-server "
  cd /app/mises-behavior-engine
  git checkout main
  docker-compose down
  docker-compose up -d
"

# 或者回滚到指定版本
docker tag mbe-api:v1.2.2 mbe-api:latest
docker restart mbe-api

📊 检查清单

AI自动检查 ✅

• 代码编写完成
• 单元测试通过
• 代码规范检查 (flake8, mypy, black)
• 安全扫描
• CI/CD自动测试
• 自动部署到开发环境
• 集成测试验证
• 文档自动更新

人类确认 ⚠️

• 功能符合预期
• 开发环境测试通过
• 批准发布到生产

🎯 今天的实际操作(AI驱动)

任务: System Prompt 优化

人类对话: 
"法律条文库和判例已经非常丰富了，
但律师专家的回答还是缺少法律引用"

AI完成:
1. 问题诊断 ✅
   - 发现 system_prompt 为空
   - 确认知识库已足够丰富

2. 方案设计 ✅
   - 创建 2000+字符 system_prompt
   - 包含法律引用标准

3. 代码实施 ✅
   - 更新 experts/index.json
   - 编写测试用例
   - 推送触发CI/CD

4. 自动部署 ✅
   - CI/CD自动测试通过
   - 自动部署到开发环境
   - 集成测试验证

5. 验证 ✅
   - 运行 10个问题测试
   - 结果: 法律引用100%覆盖
   - 知识库隔离100%

6. 生产发布 ✅
   - 人类批准
   - AI自动部署
   - 监控验证

总耗时: 约2小时 (AI完成)
成本: 0元
效果: 法律引用 40% → 100%

🤖 AI驱动 + CI/CD自动化 | 详细文档: AI_DRIVEN_DEVELOPMENT_GUIDE.md