一、前言1、经过前面四个姐妹篇的实战摸索探察出了VibeCoding的最佳实践方案是不降级ClaudeCode的能力 便宜的DeepSeek大模型 Spec-Driven开发模式。本章将记录完整的M5~GA的过程。二、M4~GA实现2.1、开发质量影响点在使用过程中发现 火山方舟的CodingPlan 使用豆包的大模型比使用deepseek的大模型更经用查了下发现是相同次数情况下使用豆包大模型是一比一使用deepseek大模型可能是1:2.5。而且就这种普通编码而言豆包大模型和deepseek-v4-pro并未发现明显差距。实际上从目前体验过的 qwen3-coder-plus、qwen3.8-max、DeepSeek-V4-Pro、doubao-seed-evolving 就普通编码而言并未发现有明显能力差别。如果硬要排个序我个人感觉DeepSeek-V4-Pro更胜一筹。但是ClaudeCode使用推理为高级别的和推理为中低级别产出的结果质量差异会较大且建议让ClaudeCode将编码、测试、验证工作都完成不要试图让ClaudeCode只编码自己去验证及测试那样可能会付出更多的时间及token成本。Spec-Driven的开发模式非常适合VibeCoding。其实这种模式在实际的古法编程中也是非常规范的存在。2.2、M4~GA开发过程及结果在M5~GA开发过程中交错使用 火山方舟的CodingPlan选择了豆包 doubao-seed-evolving 阿里云百炼TokenPlan选择 qwen3.8-max 按量计费的DeepSeek选择 DeepSeek-V4-Pro。遵从Spec-Driven的模式全程借助 IDEAClaudeCodeCCSwitch国产大模型按序开发M4、M5、M6、M7、GA。每个里程碑实现都复用上一篇的实现模式。详情见姐妹篇【JavaAI零花钱项目实战四M3】成本优化实战零降级ClaudeCode高阶用法与AI编程Token极致省耗全方案M4中 AI交互集成采用SpringAI2.0对接DeepSeek-V4-Pro进行实现全程AI编写相关实现代码看到这里我更深的体会到AI时代我们主要做选型规划而不是下场编码实现了整个开发过程大概耗时在2天左右。如果不考虑token约束同时多agent进行开发耗时将会更低。开发过程中会因为火山方舟的每5小时重置一次额度而出现半夜11点蹲守额度重置后进行AI编码、凌晨5点蹲守额度重置后进行AI编码的主动选择非正常时间编码的现象。最后发现还是DeepSeek按量计算便宜后就改为了早上9点前编码、中午午休编码、下午6点后编码的非正常时间编码的现象。最后在自己本机安装了Docker-Desktop后AI甚至能够自动打包部署到本地docker中全程不用自己动手AI自己打通打包到部署的全链路真的是让我非常吃惊。在GA这个里程碑的时候AI还生成了全套的交付相关文档让我感叹AI的规范的同时再次为AI能力而折服。当然这里在实际企业应用的时候肯定会修改为企业的相关文档模版又或者说企业的相关文档模版会因为AI时代的到了而变成AI的更标准化的模版也不说好就看哪个对企业而言效率更高、准确率更高了~到了GA时AI自动打包部署到本地2.3、开发经验总结2.3.1、cc-Switch在配置大模型的时候最好取消 应用通用配置 的勾选。否则就会出现明明手敲的是DeepSeek-V4-Pro的大模型但是实际保存后变味了qwen3.8-max而火山方舟的CodingPlan中是不支持qwen3.8-max就会出现下图的报错2.3.2、火山方舟的Lite套餐看宣传的调用次数很多但是实际根本不够用在将火山方舟的大模型配置为DeepSeek-V4-Pro的时候5个小时的额度还不够生成一个里程碑的详细设计文档。改为豆包的编码大模型 doubao-seed-evolving 相对而言要好很多2.3.3、不同套餐token对比通过实战使用发现DeepSeek的按量计费才是真正的性价比之王。其他的阿里云百炼的TokenPlan、火山方舟的CodingPlan宣传上的点数、次数很容易给第一次购买的人员一种很划算的错觉但是最终你用过后就会发现TokenPlan、CodingPlan就好比是双十一的各种满减优惠活动而DeepSeek则直接是给出最低价。所以后续再使用大模型优选DeepSeek的按量计费不过最好是在闲时使用哦~因为闲时半折。这也是为什么出现了夜猫子AI程序员的原因之一。2.5、IDEAClaudeCode国产大模型Spec-Driven开发模式 实战总结2.5.1、实现全自动化全程除了CLAUDE.md/code-style-guide.md根据需要进行编写整体功能规划、技术选型由我作为提示词输送给AI,由AI生成高层级的 mission.md、tech-stack.md、roadmap.md 文档人只负责审核关键决策根据roadmap.md规划的里程碑给AI下达提示逐个里程碑的进行详细设计文档输出、里程碑能力实现。高层级文档、详细设计文档、业务代码、配置文件、测试用例、测试验证、打包部署到本地docker、相关交付文档输出 均由AI实现。真正达到了 产品经理 系统架构师 AIAgent 大模型 项目交付全程虽然走了AI化但是实际项目交付流程还是与人工时基本一致只是AI遵从度更好、效率更高。2.5.2、未来畅想当前我们的代码依然还是 选择某个编程语言Java、选择某些开源技术组件、规划整体功能最终指导AI由总到分的逐渐实现应用功能并最终部署。这个过程实际上是在仿真人类的交付过程。曾经看过一个设想既然AI已经这么强大了AI是机器程序也是机器那AI没必要仿真人类的交付过程进行功能实现直接去创造0101的原始能力进行最终功能实现即可。其实这个说法很可笑因为AI虽然强大但是如果全部从01开始构建那个工程量可不是几天的事情。而基于人类几十年来全世界程序员实现的技术基础上进行更高层级的应用搭建才是更高效的实现方案。未来的AI编程一定是需要人去沟通人的需求将需求、技术选型、功能拆分 基本敲定后再使用AI这个工具来高效实现。就好比曾经的低代码平台各个公司对外宣传的都是拖拉拽就能实现功能但是实际使用的时候依然需要具有一定专业能力的人才能真正驾驭使用它。2.5.3、实现从M0~GA的完整的零花钱后端服务token花费情况阿里云百炼的TokenPlan的Standard套餐139元包月使用了2周。还剩2周额度可用。阿里云按量计费token套餐20元抵40元外加部分100万的免费额度使用外加偶尔超量导致累计的7元花费。火山方舟的CodingPlan的Lite套餐新用户9.9首月次月40元。整体额度使用了 67%剩余 33%DeepSeek的按量计费花费48元2.5.6、整个后端服务功能及花费情况花费大约为139 / 2 20 7 9.9 48 154元实际开发时长总计为 7天 1天需求规划技术选型 1天IDEAClaudeCodeccSwitchM0实现 0.5天M1 1天M2 0.5天M3 两天M4~M7 1天GA。后端服务接口量为48个接口后端服务代码量为生产 Java 约 1.83 万行有效代码 9 千行、测试 1.3 万行共 407 个 Java 文件配套数据库迁移 394 行 SQL、设计/运维文档约 7,500 行。效率提升如果按照古法编程50行有效代码一天计算包括编码、测试、文档所有损耗在内9000/50 180天。而AI实际损耗为7天效率提升25倍。这个还只是单个AIAgent开发如果多个AIAgent同时并发编码效率能提升到 180/2 90倍三、下篇预告下一个章节我们将开始该零花钱应用的客户端鸿蒙APP的AI编程实现这块还是一个新的领域当前实践的人很少我将作为吃螃蟹的人将过程总结输出出来欢迎关注谢谢~四、专栏系列目录持续更新本专栏聚焦 Java AI 项目实战从环境搭建到工程落地全程精讲持续连载更新建议 收藏 专栏不错过每一期实战干货一站式掌握 AI 赋能 Java 开发的核心能力1、IDEA搭建ClaudeCode本地环境对接国产大模型实操指导IDEAClaudeCodeccSwitchQwen2、前置知识Java开发者AI入门优质学习资源整理3、【JavaAI零花钱项目实战一】工程基建与骨架IDEAClaudeCodeccSwitchQwenSpec-DrivenSpringAI4、【JavaAI零花钱项目实战二M1】认证与家庭域IDEAClaudeCodeccSwitchQwen3.8-maxSpec-DrivenSpringAI5、【JavaAI零花钱项目实战三M2】零花钱核心业务IDEAClaudeCodeccSwitchQwen3.8-maxSpec-DrivenSpringAI6、【JavaAI零花钱项目实战四M3】移动端适配与可靠性IDEAClaudeCodeccSwitchDeepSeek-V4-Pro火山方舟Spec-DrivenSpringAI7、【JavaAI零花钱项目实战五M4~GA】AI交互集成IDEAClaudeCodeccSwitchDeepSeek-V4-Prodoubao-seed-evolvingSpringAI
【Java+AI零花钱项目实战五M4~GA】AI交互集成（IDEA+ClaudeCode+ccSwitch+DeepSeek-V4-Pro+doubao-seed-evolving+SpringAI）
一、前言1、经过前面四个姐妹篇的实战摸索探察出了VibeCoding的最佳实践方案是不降级ClaudeCode的能力 便宜的DeepSeek大模型 Spec-Driven开发模式。本章将记录完整的M5~GA的过程。二、M4~GA实现2.1、开发质量影响点在使用过程中发现 火山方舟的CodingPlan 使用豆包的大模型比使用deepseek的大模型更经用查了下发现是相同次数情况下使用豆包大模型是一比一使用deepseek大模型可能是1:2.5。而且就这种普通编码而言豆包大模型和deepseek-v4-pro并未发现明显差距。实际上从目前体验过的 qwen3-coder-plus、qwen3.8-max、DeepSeek-V4-Pro、doubao-seed-evolving 就普通编码而言并未发现有明显能力差别。如果硬要排个序我个人感觉DeepSeek-V4-Pro更胜一筹。但是ClaudeCode使用推理为高级别的和推理为中低级别产出的结果质量差异会较大且建议让ClaudeCode将编码、测试、验证工作都完成不要试图让ClaudeCode只编码自己去验证及测试那样可能会付出更多的时间及token成本。Spec-Driven的开发模式非常适合VibeCoding。其实这种模式在实际的古法编程中也是非常规范的存在。2.2、M4~GA开发过程及结果在M5~GA开发过程中交错使用 火山方舟的CodingPlan选择了豆包 doubao-seed-evolving 阿里云百炼TokenPlan选择 qwen3.8-max 按量计费的DeepSeek选择 DeepSeek-V4-Pro。遵从Spec-Driven的模式全程借助 IDEAClaudeCodeCCSwitch国产大模型按序开发M4、M5、M6、M7、GA。每个里程碑实现都复用上一篇的实现模式。详情见姐妹篇【JavaAI零花钱项目实战四M3】成本优化实战零降级ClaudeCode高阶用法与AI编程Token极致省耗全方案M4中 AI交互集成采用SpringAI2.0对接DeepSeek-V4-Pro进行实现全程AI编写相关实现代码看到这里我更深的体会到AI时代我们主要做选型规划而不是下场编码实现了整个开发过程大概耗时在2天左右。如果不考虑token约束同时多agent进行开发耗时将会更低。开发过程中会因为火山方舟的每5小时重置一次额度而出现半夜11点蹲守额度重置后进行AI编码、凌晨5点蹲守额度重置后进行AI编码的主动选择非正常时间编码的现象。最后发现还是DeepSeek按量计算便宜后就改为了早上9点前编码、中午午休编码、下午6点后编码的非正常时间编码的现象。最后在自己本机安装了Docker-Desktop后AI甚至能够自动打包部署到本地docker中全程不用自己动手AI自己打通打包到部署的全链路真的是让我非常吃惊。在GA这个里程碑的时候AI还生成了全套的交付相关文档让我感叹AI的规范的同时再次为AI能力而折服。当然这里在实际企业应用的时候肯定会修改为企业的相关文档模版又或者说企业的相关文档模版会因为AI时代的到了而变成AI的更标准化的模版也不说好就看哪个对企业而言效率更高、准确率更高了~到了GA时AI自动打包部署到本地2.3、开发经验总结2.3.1、cc-Switch在配置大模型的时候最好取消 应用通用配置 的勾选。否则就会出现明明手敲的是DeepSeek-V4-Pro的大模型但是实际保存后变味了qwen3.8-max而火山方舟的CodingPlan中是不支持qwen3.8-max就会出现下图的报错2.3.2、火山方舟的Lite套餐看宣传的调用次数很多但是实际根本不够用在将火山方舟的大模型配置为DeepSeek-V4-Pro的时候5个小时的额度还不够生成一个里程碑的详细设计文档。改为豆包的编码大模型 doubao-seed-evolving 相对而言要好很多2.3.3、不同套餐token对比通过实战使用发现DeepSeek的按量计费才是真正的性价比之王。其他的阿里云百炼的TokenPlan、火山方舟的CodingPlan宣传上的点数、次数很容易给第一次购买的人员一种很划算的错觉但是最终你用过后就会发现TokenPlan、CodingPlan就好比是双十一的各种满减优惠活动而DeepSeek则直接是给出最低价。所以后续再使用大模型优选DeepSeek的按量计费不过最好是在闲时使用哦~因为闲时半折。这也是为什么出现了夜猫子AI程序员的原因之一。2.5、IDEAClaudeCode国产大模型Spec-Driven开发模式 实战总结2.5.1、实现全自动化全程除了CLAUDE.md/code-style-guide.md根据需要进行编写整体功能规划、技术选型由我作为提示词输送给AI,由AI生成高层级的 mission.md、tech-stack.md、roadmap.md 文档人只负责审核关键决策根据roadmap.md规划的里程碑给AI下达提示逐个里程碑的进行详细设计文档输出、里程碑能力实现。高层级文档、详细设计文档、业务代码、配置文件、测试用例、测试验证、打包部署到本地docker、相关交付文档输出 均由AI实现。真正达到了 产品经理 系统架构师 AIAgent 大模型 项目交付全程虽然走了AI化但是实际项目交付流程还是与人工时基本一致只是AI遵从度更好、效率更高。2.5.2、未来畅想当前我们的代码依然还是 选择某个编程语言Java、选择某些开源技术组件、规划整体功能最终指导AI由总到分的逐渐实现应用功能并最终部署。这个过程实际上是在仿真人类的交付过程。曾经看过一个设想既然AI已经这么强大了AI是机器程序也是机器那AI没必要仿真人类的交付过程进行功能实现直接去创造0101的原始能力进行最终功能实现即可。其实这个说法很可笑因为AI虽然强大但是如果全部从01开始构建那个工程量可不是几天的事情。而基于人类几十年来全世界程序员实现的技术基础上进行更高层级的应用搭建才是更高效的实现方案。未来的AI编程一定是需要人去沟通人的需求将需求、技术选型、功能拆分 基本敲定后再使用AI这个工具来高效实现。就好比曾经的低代码平台各个公司对外宣传的都是拖拉拽就能实现功能但是实际使用的时候依然需要具有一定专业能力的人才能真正驾驭使用它。2.5.3、实现从M0~GA的完整的零花钱后端服务token花费情况阿里云百炼的TokenPlan的Standard套餐139元包月使用了2周。还剩2周额度可用。阿里云按量计费token套餐20元抵40元外加部分100万的免费额度使用外加偶尔超量导致累计的7元花费。火山方舟的CodingPlan的Lite套餐新用户9.9首月次月40元。整体额度使用了 67%剩余 33%DeepSeek的按量计费花费48元2.5.6、整个后端服务功能及花费情况花费大约为139 / 2 20 7 9.9 48 154元实际开发时长总计为 7天 1天需求规划技术选型 1天IDEAClaudeCodeccSwitchM0实现 0.5天M1 1天M2 0.5天M3 两天M4~M7 1天GA。后端服务接口量为48个接口后端服务代码量为生产 Java 约 1.83 万行有效代码 9 千行、测试 1.3 万行共 407 个 Java 文件配套数据库迁移 394 行 SQL、设计/运维文档约 7,500 行。效率提升如果按照古法编程50行有效代码一天计算包括编码、测试、文档所有损耗在内9000/50 180天。而AI实际损耗为7天效率提升25倍。这个还只是单个AIAgent开发如果多个AIAgent同时并发编码效率能提升到 180/2 90倍三、下篇预告下一个章节我们将开始该零花钱应用的客户端鸿蒙APP的AI编程实现这块还是一个新的领域当前实践的人很少我将作为吃螃蟹的人将过程总结输出出来欢迎关注谢谢~四、专栏系列目录持续更新本专栏聚焦 Java AI 项目实战从环境搭建到工程落地全程精讲持续连载更新建议 收藏 专栏不错过每一期实战干货一站式掌握 AI 赋能 Java 开发的核心能力1、IDEA搭建ClaudeCode本地环境对接国产大模型实操指导IDEAClaudeCodeccSwitchQwen2、前置知识Java开发者AI入门优质学习资源整理3、【JavaAI零花钱项目实战一】工程基建与骨架IDEAClaudeCodeccSwitchQwenSpec-DrivenSpringAI4、【JavaAI零花钱项目实战二M1】认证与家庭域IDEAClaudeCodeccSwitchQwen3.8-maxSpec-DrivenSpringAI5、【JavaAI零花钱项目实战三M2】零花钱核心业务IDEAClaudeCodeccSwitchQwen3.8-maxSpec-DrivenSpringAI6、【JavaAI零花钱项目实战四M3】移动端适配与可靠性IDEAClaudeCodeccSwitchDeepSeek-V4-Pro火山方舟Spec-DrivenSpringAI7、【JavaAI零花钱项目实战五M4~GA】AI交互集成IDEAClaudeCodeccSwitchDeepSeek-V4-Prodoubao-seed-evolvingSpringAI
