利用 AI「手搓」谷雨开源 SaaS 平台：一个真实开发者的复活体验

谷雨（G2rain）这个平台，其实并不是最近才开始做的。

早在三四年前，我就已经断断续续投入过大量时间： 画架构、写代码、推翻重来，再继续画架构。

但结果也很现实——

一个人，想把一个面向企业级场景的 SaaS 平台真正做完整，几乎是不可能的事情。

进展缓慢、正反馈稀少，最终项目进入了长期停滞状态。

直到最近一年，随着AI 编程能力真正从“噱头”变成“工具”，我和 Alpha 才重新把谷雨捡起来，用一种完全不同的方式，继续“手搓”这个开源SaaS 平台。

这篇文章，不是鼓吹 AI 有多强，而是想讲清楚三件事：

• AI 在真实 SaaS 项目中，到底能帮到什么程度
• 哪些事情，AI 现在依然做不好
• 它正在如何真实地改变这个行业

一、AI 在谷雨项目中，真正“好用”的地方

我从一开始就很清楚一件事：

AI 不是来替我写谷雨的，它是来“和我一起评审谷雨的”。

在整个开发过程中，AI 更像一个 永远有时间、永远愿意陪你推翻重来的高级助手 。

1️⃣ 架构方案评估：一个不会嫌你烦的“架构评审委员会”

在谷雨中，有大量需要反复推敲的问题：

• 应用化架构是否真的有必要？
• 微前端的拆分粒度是否合理？
• 主应用、子应用、SSO、网关之间是否存在职责重叠？

这些问题， 没有标准答案 。

AI 在这里最大的价值，不是给“最终结论”，而是不断逼你回答：

• 为什么这么设计？
• 如果规模扩大十倍会怎样？
• 这个假设成立的前提是什么？

很多方案，都是在这种高频对话中被 提前否定掉的 。

2️⃣ 业务数据模型评审：防止“一开始就走歪”

企业级 SaaS，最怕的不是功能慢，而是：

数据模型一开始就错了。

在谷雨中，无论是：

• 字典模型
• 国际化（i18n）结构
• 权限、配置类数据

我都会反复拿给 AI 进行“结构性拷问”。

AI 非常擅长做一件事： 👉 把你没想清楚的边界条件全部问出来。

3️⃣ 安全与协议逻辑：不断验证“是不是自洽”

例如在  DPoP + JWT  这类场景下：

• Token 的生命周期是否合理？
• 子应用是否存在越权空间？
• 刷新逻辑是否会引入新的安全问题？

AI 的价值不在于“写对代码”，而在于： 逼你把每一条安全假设都讲清楚。

4️⃣ 代码生成：把时间用在更值钱的地方

在谷雨的代码生成模块中，AI 是一个非常高效的工具：

• 根据已有模块反推模板
• 快速生成结构化代码
• 人只需要做校验和调整

这让大量 低价值但必须存在的代码 ，不再消耗人的精力。

5️⃣ 工程结构与目录设计：帮你提前发现“乱的苗头”

例如在  g2rain-main-shell  中：

• 能力层
• 实现层
• 共享层

这些目录如果一开始设计不好， 后期一定会变成“谁都不敢动的屎山”。

AI 很适合用来做 结构合理性扫描 ，提前发现问题。

6️⃣ 重构与解耦：让代码“为未来服务”

一个很典型的例子是 Dict 模块：

• 从最初的单文件实现
• 拆分为 type / mock / api / page
• 为后续代码生成和模块扩展打基础

AI 可以给出重构建议， 但 是否值得拆、拆到什么程度，必须由人决定。

二、AI 目前明显“不行”的地方

如果你在真实项目中大量使用过 AI，就一定会意识到：

它远没有到“可以托管复杂工程”的程度。

❌1️⃣ 系统级设计，依然是人类的专利

AI 很容易给出：

• “在某某场景下推荐这样设计”

但它几乎不可能：

• 理解你整个系统的历史包袱
• 为未来三年的演进负责

系统设计，仍然是技术人的核心能力。

❌2️⃣ 复杂依赖问题，AI 很容易“越帮越忙”

在适配  OpenResty + DPoP 签名算法 时，我深刻体会到这一点。

AI 会不断：

• 改版本
• 换配置
• 尝试不同组合

但本质问题是： 👉 它并不知道真实世界里，这些依赖是如何被使用的。

最后，还是得自己啃文档、读源码。

❌3️⃣ 问题定位能力，在复杂工程中很脆弱

当问题来自于：

• 配置错误
• 模块间耦合
• 报错信息不完整

AI 往往会：

• 方向跑偏
• 建议越来越复杂
• 代码越改越多

这类问题， 人必须及时介入止损 。

三、AI 正在真实改变这个行业

1️⃣ CRUD 正在迅速贬值

大量标准化 CRUD 场景，已经不再稀缺。

结果就是：

• 小白更难入行
• “会写代码”不再是护城河

2️⃣ 短期内，技术需求反而会上升

因为：

• 更多行业会被快速信息化
• AI 让非技术背景的人也能“动手”

一个很真实的例子：

我老婆是一名退役程序员，转行做心理咨询师，现在已经开始用 AI 去实现心理咨询行业的信息化。

3️⃣ 长期来看，技术岗位一定会被压缩

效率提升太快，意味着：

• 系统能力弱的人会被淘汰
• 混经验、堆年限将越来越难

这里的技术岗位不仅仅指程序员，还包括产品经理，QA，运维，交付等

四、技术人真正该做的三件事

✅1️⃣ 见多识广，能判断 AI 给的是不是“幻觉”

AI 给的是概率答案， 你得知道什么时候该信，什么时候该否。

✅2️⃣ 构建自己的知识体系

真正值钱的，不是代码技巧，而是：

系统设计能力

这是所有技术角色的共同核心。

✅3️⃣ 深入业务，用方法论设计系统

AI 不理解业务本质， 你理解。

这就是你不可替代的地方。

结语

AI 并没有帮我“自动生成”谷雨。

但它让我：

• 能1-2个人推进原本需要一个小团队才能推进的事情
• 有精力把时间花在架构、设计和长期价值上

谷雨（G2rain）不是 AI 的作品， 但它的复活与成长，离不开 AI。

如果你也在做长期、复杂、系统性的技术项目， 希望这篇真实经历，能对你有所启发。