AI 编程时代,为什么 SaaS 产品更需要架构设计?——从项目制开发到产品化架构的思考
一、AI 编程时代:代码实现越来越容易,架构设计却越来越重要
随着 AI 编程工具的快速发展,软件开发的生产方式正在发生变化。
过去,一个功能从需求分析到最终交付,需要开发人员完成大量编码工作,包括组件开发、接口封装、状态管理、数据处理和页面交互。
现在,借助 AI 编程工具,在需求明确、技术方案清晰的情况下,很多重复性和标准化的开发工作都可以交给 AI 完成。
例如:
- 根据需求生成业务页面和交互组件。
- 根据接口定义生成请求封装和数据模型。
- 根据已有组件规范扩展业务功能。
- 根据技术方案完成模块拆分和代码重构。
- 根据项目上下文辅助定位问题和编写测试。
AI 显著降低了代码实现的时间成本,也让开发人员能够将更多精力放在需求分析和系统设计上。
但这里存在一个容易被忽略的问题:
代码生成能力的提升,并不意味着软件架构设计能力也同步提升。
AI 可以根据当前需求快速生成一个功能完整的模块,但它不一定能够充分理解整个产品未来的业务演进方向。
尤其是在复杂业务系统中,一个功能的实现往往不仅涉及当前页面,还涉及数据结构、权限体系、模块依赖、业务流程和其他系统之间的关系。
如果没有提前明确这些设计约束,即使 AI 能够快速完成当前功能,也可能只是实现了局部需求,而没有建立适合长期演进的软件结构。
更值得注意的是,不同 AI 模型、不同提示词,甚至同一个模型在不同上下文下,都可能产生不同的代码组织方式、抽象习惯和实现路径。
当多个开发人员与 AI 工具共同参与项目时,如果缺少统一的架构规范,就容易出现:
- 相同功能存在不同的实现方式。
- 公共逻辑被重复封装。
- 模块之间产生不必要的依赖。
- 数据流和状态管理缺乏统一规范。
- 代码能够运行,但难以理解和维护。
这些问题在项目初期可能并不明显,因为 AI 可以继续围绕现有代码添加功能,也可以快速修复局部问题。
但随着业务规模扩大,当我们需要调整模块边界、统一公共能力,甚至重新设计整个系统时,就会发现之前生成的大量代码已经形成了复杂的依赖关系。
这时,重构就不再是简单地修改几个组件,而可能涉及业务逻辑迁移、数据结构调整、接口兼容、状态管理改造和大量回归测试。
AI 降低的是代码生产成本,却不一定降低系统演进成本。
如果缺乏前期架构设计,代码生成越快,后期可能需要治理的技术债务也越多。
因此,在 AI 编程时代,开发人员需要把更多精力放在需求分析、业务建模、架构设计和技术约束上。
AI 负责提高实现效率,而开发者需要对系统的整体结构、业务边界和长期演进负责。
这也是我重新思考 SaaS 产品架构设计的一个重要原因。
二、从项目制开发到 SaaS 产品化:为什么需要改变?
在传统的软件项目开发中,我们经常会遇到这样的业务场景:
- 项目 A:政府数字化管理平台
- 项目 B:企业设备管理系统
- 项目 C:园区综合运营平台
- 项目 D:行业数据可视化平台
这些项目虽然业务场景不同,但实际上可能存在大量相似的功能:
- 用户登录与权限管理
- 菜单导航与路由管理
- 用户、角色、组织管理
- 数据统计与可视化
- 文件管理与消息通知
- 系统配置与日志管理
在项目制开发模式下,通常采用独立项目交付的方式。
每个项目拥有自己的前端代码、业务模块、UI 组件和权限体系。
这种模式在初期具有明显优势:
- 业务边界清晰。
- 定制化程度高。
- 开发过程相对独立。
- 能够快速响应客户需求。
但随着项目数量增加,问题也逐渐暴露出来:
- 重复开发: 不同项目存在大量重复的基础功能。
- 维护成本增加: 相似功能需要在多个项目中分别维护。
- 技术体系不统一: 不同项目可能采用不同的技术栈和代码规范。
- 需求变更难以同步: 公共功能升级需要多个项目重复修改。
- 产品能力难以沉淀: 项目交付完成后,技术成果很难转化为可持续复用的产品能力。
尤其是在 AI 编程时代,如果仍然按照传统项目模式不断复制、生成和修改代码,虽然单个项目的开发效率可能得到提升,但不同项目之间的技术体系仍然难以统一。
这让我开始思考一个问题:
如果不再把每个项目看作一个独立的软件系统,而是把它们看作同一个产品在不同业务场景下的应用,那么前端架构是否可以重新设计?
这就是从项目制开发向 SaaS 产品化转变的核心思路。
三、架构思维转变:从项目交付到产品能力沉淀
传统项目开发的核心目标是满足当前客户的业务需求。
SaaS 产品化的核心目标则是建立一套可持续演进、可配置、可扩展的产品体系。
两者最大的区别,不是技术框架,而是对业务能力的组织方式。
| 对比维度 | 传统项目开发 | SaaS 产品开发 |
|---|---|---|
| 交付模式 | 一个客户一个项目 | 多个客户共享产品能力 |
| 代码组织 | 独立项目 | 公共能力与业务模块 |
| 功能实现 | 按客户需求定制 | 标准功能与差异化扩展 |
| 权限体系 | 项目独立管理 | 租户、用户、角色统一治理 |
| 版本迭代 | 项目单独维护 | 产品持续迭代 |
| 技术目标 | 满足当前交付 | 支持长期演进 |
因此,前端架构需要从单一项目的功能组织,转向面向产品的能力组织。
这里需要明确一个概念:
SaaS 并不意味着所有客户必须使用完全相同的页面和功能,而是通过统一的产品基础能力,支持不同客户在业务配置、功能模块和数据权限上的差异。
这就要求我们在架构设计阶段明确哪些能力应该统一,哪些能力允许扩展,哪些能力属于客户自身的业务差异。
四、整体架构设计:业务应用与平台管理分离
在实际设计中,我倾向于将 SaaS 前端划分为两个相对独立的部分。
1. 业务应用层(Business Application)
面向最终用户,承载具体业务场景。
例如:
- 项目协作管理
- CRM 客户关系管理
- ERP 企业资源管理
- 设备运行监控
- 数据分析与可视化
- 行业垂直业务模块
业务应用层重点关注业务流程、业务交互和数据展示。
2. 平台管理层(Platform Management)
面向平台运营人员和企业管理员,负责产品的基础管理能力。
例如:
- 租户管理
- 用户与组织管理
- 角色与权限管理
- 菜单与模块配置
- 系统参数配置
- 操作日志与审计
- 订阅与资源管理
平台管理层重点关注产品配置、资源分配和系统治理。
两者共享底层基础能力,但业务功能和管理功能不应该完全耦合在一起。
整体架构示意
SaaS 产品体系
|
+------------+------------+
| |
业务应用层 平台管理层
| |
+------+------+ +-----+------+
| | | | | |
CRM ERP 项目管理 租户管理 用户权限 系统配置
| | | | | |
+------+------+------------+-----+------+
|
公共基础能力层
|
+---------------+---------------+
| | |
用户认证 权限控制 UI组件体系
| | |
请求封装 路由管理 状态管理
| | |
+---------------+---------------+
|
后端服务层
|
API / 网关 / 业务服务
|
数据存储层
这里需要注意:
业务应用与平台管理并不是简单的两个页面入口,而是两个职责不同的应用体系。
它们可以独立部署,也可以根据项目规模采用统一工程、独立模块的方式组织。
架构设计的重点是明确职责边界,而不是一开始就追求物理上的完全隔离。
五、前端工程设计:如何实现能力复用?
确定整体架构之后,接下来就是前端工程层面的设计。
我更倾向于采用分层组织的方式,而不是把所有公共代码都简单地放进一个 components 文件夹。
1. 基础设施层(Core)
这一层负责整个前端应用的通用技术能力。
src/
├── core/
│ ├── router/
│ ├── request/
│ ├── auth/
│ ├── permission/
│ ├── storage/
│ └── event-bus/
主要职责:
- 统一请求封装
- 用户身份认证
- 路由与导航控制
- 权限校验
- 全局状态管理
- 本地缓存
- 全局事件通信
这一层尽量不依赖具体业务模块。
2. UI 组件层(Component)
UI 组件层主要解决视觉与交互的统一性。
src/
├── components/
│ ├── basic/
│ │ ├── Button/
│ │ ├── Input/
│ │ └── Dialog/
│ ├── business/
│ │ ├── UserSelector/
│ │ ├── OrganizationTree/
│ │ └── PermissionTable/
│ └── layout/
│ ├── Header/
│ ├── Sidebar/
│ └── PageContainer/
这里需要区分两种组件:
- 基础组件:不关心业务,只负责通用交互和展示。
- 业务组件:封装具有明确业务含义的功能。
例如,一个 Button 组件可以在 CRM、ERP 中重复使用。
但用户组织选择器虽然可以复用,却已经包含了组织架构、数据查询和业务规则。
两者的抽象层次不同,不应该混为一谈。
3. 业务模块层(Business Modules)
业务模块应该围绕业务领域组织,而不是单纯按照页面类型组织。
src/
├── modules/
│ ├── crm/
│ │ ├── customer/
│ │ ├── contact/
│ │ └── opportunity/
│ ├── erp/
│ │ ├── inventory/
│ │ ├── purchase/
│ │ └── finance/
│ └── project/
│ ├── task/
│ ├── workflow/
│ └── schedule/
每个业务模块尽量拥有相对独立的:
- 页面
- 业务组件
- API
- 状态管理
- 类型定义
- 业务逻辑
这样可以降低模块之间的依赖关系,为后续独立部署、插件化扩展和团队协作打下基础。
六、SaaS 产品化的关键:配置驱动,而不是重复开发
如果只是把多个项目的公共代码抽取出来,实际上还没有真正解决产品化问题。
真正需要解决的是:不同客户之间的业务差异如何管理?
例如,同样是一个 CRM 系统:
客户 A 需要客户管理、商机管理、合同管理。
客户 B 需要客户管理、合同管理、审批管理。
客户 C 还需要接入第三方数据分析平台。
如果每增加一个客户就复制一套代码,再进行定制修改,那么最终还是回到了传统项目开发模式。
因此,需要引入配置驱动的设计思路。
例如:
interface ModuleConfig {
key: string
name: string
enabled: boolean
permissions: string[]
route?: string
}
const modules: ModuleConfig[] = [
{
key: 'customer',
name: '客户管理',
enabled: true,
permissions: ['customer:view'],
route: '/customer'
},
{
key: 'contract',
name: '合同管理',
enabled: true,
permissions: ['contract:view'],
route: '/contract'
},
{
key: 'approval',
name: '审批管理',
enabled: false,
permissions: ['approval:view'],
route: '/approval'
}
]
前端根据当前租户的产品配置,动态组织菜单和可访问模块。
这里需要特别强调:
模块是否展示、用户是否有权访问、后端是否允许执行操作,是三个不同的问题。
前端配置主要负责展示与交互控制。
真正的租户隔离、权限校验和数据访问控制,必须由后端服务执行,不能依赖前端隐藏菜单来保证安全。
另外,配置驱动也不意味着所有页面都要变成 JSON 动态渲染。
更合理的方式是:
- 相对稳定的产品功能采用代码实现。
- 客户之间的差异采用配置控制。
- 差异较大的业务采用独立扩展模块。
- 需要灵活调整的表单、列表和流程采用元数据驱动。
在可维护性和灵活性之间找到平衡。
七、AI 如何参与 SaaS 工程开发:架构规范先于代码生成
前面讨论了 AI 编程带来的效率提升,以及缺少架构约束可能带来的维护问题。
那么,在实际项目中应该如何解决?
我认为一个比较合理的思路是:
先建立工程规范和架构约束,再让 AI 参与具体的模块开发。
例如,在正式开发之前,先明确以下内容:
| 设计内容 | 需要明确的约束 |
|---|---|
| 工程规范 | 目录结构、命名规范、代码风格 |
| 模块规范 | 模块职责、依赖方向、导入边界 |
| 组件规范 | 基础组件与业务组件的划分 |
| 数据规范 | API 格式、数据模型、状态管理 |
| 权限规范 | 租户、用户、角色、菜单和数据权限 |
| 交互规范 | 页面布局、UI 组件、错误处理 |
| 测试规范 | 单元测试、集成测试、业务验收 |
然后将这些规范整理成 AI 能够持续读取的项目上下文。
在具体开发过程中,可以形成这样的工作流程:
业务需求
|
v
需求分析
|
v
架构设计
|
v
模块职责与接口定义
|
v
AI 代码生成
|
v
人工审核
|
v
自动化测试
|
v
合并交付
|
v
持续迭代
这样做的目的,不是限制 AI 的代码生成能力,而是让 AI 在统一的技术体系和业务边界内完成工作。
例如,当 AI 需要开发一个客户管理模块时,它应该能够明确:
- 应该使用哪个请求封装模块?
- 应该遵循什么状态管理规范?
- 应该使用哪些公共组件?
- 应该如何接入租户和权限体系?
- 是否允许直接调用其他业务模块?
- 哪些代码可以复用,哪些逻辑必须独立?
当这些问题已经有明确答案时,AI 才能更稳定地参与大型工程开发。
当然,架构文档本身也需要持续维护。
如果文档与实际代码脱节,AI 读取到的上下文反而可能成为错误信息。
因此,架构规范、代码实现、测试和代码审查应该形成闭环。
八、技术选型:什么时候需要微前端?
当 SaaS 产品持续发展,业务模块和团队规模不断增加时,单体前端工程可能逐渐面临新的问题。
例如:
- 多个业务团队需要独立开发。
- 不同业务模块存在不同的技术栈。
- 某些模块需要独立发布。
- 主应用的构建和部署成本越来越高。
这时可以考虑微前端架构。
常见方案包括:
| 方案 | 适用场景 |
|---|---|
| 单体工程 + 模块化 | 业务规模较小,团队统一 |
| Monorepo | 多个应用共享基础库 |
| Module Federation | 模块独立开发、运行时共享 |
| iframe | 应用需要更强的运行环境隔离 |
| 微前端框架 | 多团队、多应用独立交付 |
但需要注意:
微前端不是 SaaS 产品化的必要条件。
如果业务规模不大,采用单体工程配合模块化设计,反而更加简单、高效。
架构设计应该根据真实业务复杂度逐步演进,而不是为了使用某种技术提前引入复杂度。
同样,AI 能够快速生成微前端配置和模块接入代码,也不意味着项目就应该采用微前端。
技术选型仍然需要考虑团队规模、部署要求、业务边界和长期维护成本。
九、总结:AI 时代,开发者的价值正在向系统设计迁移
从项目制开发到 SaaS 产品化,本质上是从交付一个个独立的软件项目,转变为持续建设一套可复用、可配置、可扩展的产品能力体系。
在这个过程中,前端架构需要关注的不再只是:
- 组件如何封装?
- 页面如何复用?
- 路由如何组织?
- 代码如何拆分?
还需要进一步思考:
- 产品能力如何划分?
- 业务应用与平台管理如何解耦?
- 不同租户如何实现功能和数据隔离?
- 不同客户的差异化需求如何配置?
- 公共能力如何持续演进?
- AI 如何在统一的架构规范下参与开发?
- 当业务发生变化时,如何控制系统的重构成本?
我认为,AI 编程时代并不是不再需要架构设计,而是架构设计的重要性进一步提升了。
过去,开发人员需要花费大量时间完成代码实现。
现在,AI 可以承担越来越多的实现工作,但业务理解、系统抽象、架构决策和工程治理仍然需要开发者负责。
代码复用解决的是开发效率问题,产品化解决的是业务能力持续沉淀的问题,而架构设计解决的是系统长期演进的问题。
AI 让代码生产越来越高效,但真正有价值的,依然是能够把现实业务需求转化为稳定、可扩展的软件产品的能力。
这也是我对 AI 编程时代前端架构设计的一点思考。
十、写在最后:AI 时代,架构设计是一种长期投资
这个专栏的初衷,主要是想围绕自己相对熟悉的 SaaS 产品领域,从前端技术视角出发,尝试梳理一套相对完整的产品架构设计思路。
相比单纯讨论某个技术框架、组件封装或者性能优化,我更希望从实际业务出发,把产品架构、工程体系、业务模块、权限管理、配置驱动、微前端以及 AI 辅助开发等内容串联起来,探索它们在 SaaS 产品中的实际应用。
我希望讨论的不仅仅是如何实现一个功能,而是进一步思考:
- 如何从业务需求中抽象出可复用的产品能力?
- 如何组织前端工程,让不同业务模块保持相对独立?
- 如何建立统一的基础设施和组件体系?
- 如何兼顾不同客户的个性化需求与产品的标准化?
- 如何利用 AI 提高开发效率,同时保证系统的可维护性和可扩展性?
当然,目前的思考主要建立在自己已有的技术经验和业务认知之上,整体视角可能相对局限,尤其是对于后端服务、产品设计、商业模式以及大型 SaaS 平台的完整治理体系,还有很多值得学习和完善的地方。
因此,这个专栏并不是想给出一套所谓标准答案,而是希望以实际业务场景为切入点,逐步整理、验证和完善自己的架构认知。
如果你也在从事 SaaS 产品、前端架构或者相关领域的开发与设计,非常欢迎一起讨论。
架构设计没有绝对的标准答案,希望通过不同视角的交流,让这些思考更加完整,也让前端架构生态拥有更多值得探索的方向。