金句：用 AI 做系统设计，不是把决策权交给机器，而是让机器帮你快速看到你没看到的角落，然后由你做出更好的决策。
一、传统系统设计 vs AI 辅助系统设计
传统流程（耗时 1-2 周）：
需求评审 → 白板讨论 → 原型设计 → 技术选型调研 → 架构评审 → 文档编写
AI 辅助流程（压缩到 1-2 天）：
需求描述 → AI 生成多方案 → 团队评审 → AI 深化细节 → 验证可行性 → 文档自动化
关键不是"更快"，而是质量不降反升——AI 会帮你考虑你可能遗漏的场景。
二、五步 AI 辅助系统设计法
步骤一：需求结构化（15分钟）
原始需求（通常是模糊的产品文档）：
"做一个在线教育平台，支持视频课程、直播课、作业提交和学生管理"
提示词：
我有一个产品需求，请帮我结构化分析：
原始需求：[粘贴需求文档]
请从以下维度分析：
1. 核心功能列表（按优先级）
2. 用户角色和权限
3. 数据实体和关系
4. 非功能性需求（性能、可用性、安全）
5. 可能遗漏的边界情况
6. 技术风险点
AI 输出示例：
## 核心功能（按优先级）
P0（MVP）：
- 用户注册/登录（学生、讲师、管理员）
- 课程创建和管理
- 视频上传和播放
- 学生购买和访问控制
P1（第一版）：
- 直播功能（基于第三方 SDK）
- 作业提交和批改
- 学习进度追踪
P2（后续迭代）：
- 学习社区和讨论区
- 证书生成
- 推荐算法
## 遗漏的边界情况（⚠️ 重要）
- 视频版权保护（防录屏、防外链）
- 直播断线重连策略
- 大并发直播的资源扩容方案
- 敏感内容审核合规要求
- 退款退课的业务规则
步骤二：技术选型辅助（30分钟）
基于以上需求分析，请帮我比较以下技术方案：
后端框架：Spring Boot vs NestJS vs FastAPI
视频处理：自建 vs 阿里云视频点播 vs 腾讯云直播
数据库：MySQL + Redis vs PostgreSQL + Redis vs MongoDB
搜索：Elasticsearch vs 全文搜索
重点考虑因素：
- 团队技术栈（目前 Node.js 为主）
- 预算（初创公司，成本敏感）
- 上线时间要求（3个月内MVP）
- 未来扩展性（可能到 100 万用户）
步骤三：生成架构方案
提示词：
基于以上分析，请设计系统架构。要求：
1. 用 Mermaid 图展示系统架构
2. 说明各服务职责
3. 说明关键数据流（用户购课、视频播放、直播流程）
4. 说明数据库 Schema 设计（核心表）
5. 说明 API 设计（RESTful，关键接口）
AI 生成的架构图：
graph TB
subgraph 客户端
Web[Web 浏览器]
App[移动 App]
end
subgraph 网关层
CDN[CDN]
Gateway[API Gateway<br/>限流/认证/路由]
end
subgraph 业务服务层
UserSvc[用户服务<br/>注册/登录/权限]
CourseSvc[课程服务<br/>课程/章节/内容]
OrderSvc[订单服务<br/>购买/退款]
LiveSvc[直播服务<br/>接入腾讯云直播]
NotifySvc[通知服务<br/>邮件/短信]
end
subgraph 存储层
MySQL[(MySQL<br/>业务数据)]
Redis[(Redis<br/>缓存/Session)]
OSS[(对象存储<br/>视频文件)]
end
subgraph 第三方服务
Payment[支付宝/微信支付]
VideoCloud[阿里云视频点播]
LiveCloud[腾讯云直播]
end
Web & App --> CDN
CDN --> Gateway
Gateway --> UserSvc & CourseSvc & OrderSvc & LiveSvc
UserSvc & CourseSvc & OrderSvc --> MySQL
UserSvc --> Redis
CourseSvc --> OSS
OrderSvc --> Payment
CourseSvc --> VideoCloud
LiveSvc --> LiveCloud
步骤四：关键路径深化
针对最复杂的业务流程，进行详细设计：
请详细设计"用户购课并观看视频"的完整业务流程：
1. 时序图（从用户点击购买到视频播放完成）
2. 视频访问控制方案（如何防止未购课的人观看）
3. 断点续播的数据设计
4. 并发控制（防止超卖）
步骤五：文档自动化
请基于以上设计，生成以下文档：
1. 技术方案说明书（Word 格式的 Markdown）
2. API 接口文档（OpenAPI 3.0 格式的 YAML）
3. 数据库 ER 图（Mermaid 格式）
4. 部署架构图（Mermaid 格式）
三、系统设计中 AI 的边界
AI 擅长：
- 生成方案选项和比较
- 查找遗漏的边界情况
- 生成文档和图表
- 参考行业最佳实践
AI 不擅长（需要人来决策）：
- 业务优先级判断（哪个功能更重要）
- 团队能力评估（这个技术我们能不能用好）
- 成本与质量的权衡（做到什么程度是合适的）
- 组织架构匹配（Conway 定律）
章节小结：AI 辅助系统设计的核心价值在于"快速发散"——在短时间内生成多种方案、找到遗漏的边界情况、自动化文档输出。但架构决策的最终判断仍需要人——那些基于业务理解、团队能力和组织结构的综合判断，是 AI 暂时无法替代的。
