6天，12万行代码：我用 Claude 完成了一次全栈架构升级

一个后端程序员，一个情侣博客，一次跨越 8 年的技术栈升级。没有加班，没有熬夜，只有一个 AI 助手和我。

开篇：一组数字

先说结论，再看故事：

指标	数据
升级周期	6 天（2026-06-15 ~ 06-20）
代码变更	123,000+ 行新增
Git Commits	65 次
升级内容	后端 + 管理端 + 访客端，全栈重构
AI 贡献	Claude Opus 4.7，约 80% 代码生成

如果告诉你，这是一个人在正常工作时间内完成的，你信吗？

我自己也觉得不可思议。但数据就在那里，Git 历史记录不会骗人。

背景：良人伊欣小窝

先介绍一下这个项目。

良人伊欣小窝（nest）是我和女朋友 joanna 的情侣博客。她是前端程序员，我是后端程序员，我们想用技术记录生活，于是有了这个博客。

项目从 2018 年开始，到现在已经 8 年了。技术栈经历了多次迭代，但核心的"技术债"一直没还：

后端：Java 8 + Spring Boot 2.3，单模块架构，代码臃肿
管理端：Vue 2 + Element UI，UI 老旧，组件库停止维护
访客端：Egg.js + Pug SSR，Node.js 版本老旧，维护成本高

每次想加新功能，都要在这些老代码上修修补补。直到 2026 年 6 月，我下定决心：做一次彻底的架构升级。

但这次，我想试试不一样的方式 —— 让 AI 来干活。

升级内容：5 个 Phase

先看看这次升级要做什么。我把它拆成了 5 个阶段：

Phase 1：后端升级

Java 8 → Java 17
Spring Boot 2.3 → 3.5.15
单模块 → Maven 多模块
引入 Sa-Token 多用户体系

Phase 2：后端拆分（暂缓）

原计划：admin 和 visitor 服务拆分
实际：保持单体，通过模块化实现逻辑分离
原因：情侣博客流量不大，微服务过度设计

Phase 3：管理端迁移

Vue 2 → Vue 3.5
Element UI → Ant Design Vue 4 + Vben Admin 5
全部业务页面重写（文章、分类、字典、系统配置、素材管理等）

Phase 4：访客端升级

Egg.js → Nuxt 3
Pug → Vue 3 模板
SSR 方案重构

Phase 5：Docker 化

后端多模块 Docker 镜像
支持 ARM64 + AMD64 多架构
CI/CD 流程准备

工作量评估：如果是传统开发方式，我估计至少需要 2-3 个月。

但这次，我有一个 AI 助手：Claude。

AI 协作模式：Claude 的角色

先说结论：AI 不是万能的，但用对了地方，效率提升 10 倍不夸张。

Claude（Anthropic Claude Opus 4.7）

角色：架构师 + 全栈工程师
擅长：
- 技术方案设计（升级方案文档、数据库设计）
- 复杂业务逻辑实现（多模块协调、API 设计）
- 代码迁移（老代码 → 新架构）
- 前后端开发（Spring Boot、Vue 3、Nuxt 3）
- 文档撰写（CLAUDE.md、技术方案）
- Bug 修复（读报错日志 → 定位问题 → 修复）
工作模式：通过 Claude Code 直接在本地开发环境操作，读代码、写代码、执行命令

我的角色

决策者：架构决策、业务取舍、优先级排序
审核者：Review AI 生成的代码，确保质量和一致性

协作流程：

我提出需求（如："实现访客端文章模块 API"）
Claude 设计方案（写文档、定义接口、数据模型）
Claude 生成代码（Controller、Service、Mapper）
我 Review（调整细节、补充业务逻辑）
Git 提交（AI 自动 commit，带详细说明）

关键点：AI 不是"一键生成"，而是高频迭代。一个模块可能要来回对话 10-20 次，每次调整一点，最终成型。

数字说话：AI 提效有多猛

来看具体数据。

时间线对比

阶段	预估时间（传统开发）	实际时间（AI 协作）	提效倍数
Phase 1：后端升级	2 周	1 天	10x
Phase 3：管理端迁移	3 周	3 天	7x
Phase 4：访客端升级	2 周	2 天	7x
Phase 5：Docker 化	3 天	1 天	3x
Visitor API 开发	1 周	1 天	5x
总计	2-3 个月	6 天	~10x

代码量统计

项目	新增代码	Commits	说明
nest-server-parent	37,654 行	17	后端全量重构
nest-web-admin	~35,000 行	46	管理端全业务页面
nest-web-blog	50,494 行	2	访客端 Nuxt 3 升级
合计	~123,000 行	65	—

注：管理端的 172,873 行包含了 Vben Admin 5.7.0 框架初始化，实际业务代码约 35,000 行。

AI 贡献率

我统计了 commit message 的 Co-Authored-By 签名和代码风格：

明确 AI 生成：约 60%（有签名 + 结构化 commit message）
AI 辅助人工调整：约 20%（AI 生成基础代码，我补充业务逻辑）
纯人工：约 20%（架构决策、核心业务逻辑、数据库设计）

结论：约 80% 的代码是 AI 参与生成的。

真实案例：Visitor API 一天搞定

举个具体的例子，看看 AI 是怎么干活的。

需求背景

后端需要为访客端提供 19 个 API 端点，覆盖：

文章模块（分页、详情、点赞）
评论模块（分页、最新评论）
链接模块（友链列表）
认证模块（注册、登录、登出）
首页元数据（男女主人信息、推荐文章）

传统开发流程

设计接口文档（1 天）
写 Controller、Service、Mapper（3 天）
单元测试（1 天）
联调修复（2 天）
总计：1 周

AI 协作流程

我：告诉 Claude "实现访客端 API，参考现有 admin 模块的结构"
Claude：
- 读现有 admin 模块代码，理解项目规范
- 设计 Visitor API 接口（路径、参数、返回值）
- 生成 Controller、Service、Mapper、DTO
- 处理 Sa-Token 多用户体系（StpVisitorUtil）
我：Review 代码，调整几个业务细节（如评论过滤逻辑）
Claude：编译验证，修复 3 个小错误，提交 Git
总计：1 天

关键 Commit

c270b4e feat: 实现访客端认证模块（Phase 5）
1. 扩展 VisitorFacade 接口
   - register() 访客注册
   - login() 访客登录
   - sendRegisterCaptcha() 发送注册验证码
   - getVisitorInfo() 获取访客信息

2. 实现 VisitorFacadeImpl
   - BCrypt 密码加密
   - Redis 验证码存储（5分钟过期）
   - Sa-Token 登录（StpVisitorUtil）

3. 创建 VisitorAuthController
   - GET /visitor/auth/captcha/mail
   - POST /visitor/auth/register/mail
   - POST /visitor/auth/login
   - ...

编译验证：所有 34 个模块编译成功

注意这个 commit message 的风格：编号列表、详细说明、编译验证结果。这是典型的 AI 生成风格。65 个 commit 里，大部分都是这种格式。

一天 6 个 Phase

更夸张的是，Visitor API 的 6 个 Phase 是在 同一天（2026-06-18） 完成的：

Phase 1：nest-web-visitor 模块基础骨架
Phase 2：文章模块
Phase 3：链接模块
Phase 4：评论模块
Phase 5：认证模块
Phase 6：首页元数据模块

每个 Phase 都是一个完整的模块（Controller + Service + Mapper + DTO），包含多个接口。

如果是传统开发，每个 Phase 至少需要 1-2 天。但 AI 可以：

读现有代码，理解项目规范
生成符合规范的代码
自动处理依赖、配置、编译
我只需要 Review 和微调

结果：一天搞定 6 个模块，编译通过，直接可用。

踩坑与反思：AI 不擅长的地方

说了这么多 AI 的好话，也说说踩坑的地方。

1. 架构决策还是得人来

AI 可以给出多个方案，但最终决策必须是人做。

比如 Phase 2（后端拆分），Claude 建议拆成微服务，但我评估了情侣博客的流量（日均 UV < 100），决定保持单体，通过模块化实现逻辑分离。

AI 缺乏业务上下文。它不知道你的用户规模、团队能力、维护成本。这些需要人来判断。

2. 核心业务逻辑要自己写

AI 生成的 CRUD 代码很完美，但核心业务逻辑（如评论过滤算法、推荐权重计算）还是需要自己写。

原因：

这些逻辑涉及业务细节，AI 无法凭空理解
即使你描述了，AI 生成的代码也要大量调整
不如自己写，更可控

3. 数据库设计要谨慎

AI 可以生成表结构，但字段设计、索引优化、数据一致性需要经验。

我有一次让 Claude 设计评论表，它给了一个方案，但我发现缺少 parent_id 字段（支持回复评论）。这种细节，AI 容易忽略。

4. 前端 UI/UX 需要人工调整

AI 生成的前端页面功能完整，但样式细节、交互体验需要人工调整。

比如管理端的表格，AI 用 Ant Design Vue 实现了基本功能，但我调整了列宽、排序逻辑、响应式布局。这些"最后一公里"的工作，AI 做不好。

5. 调试成本不低

AI 生成的代码不是一次成功的，经常需要：

编译错误（依赖缺失、类型不匹配）
运行时错误（空指针、SQL 错误）
逻辑错误（边界条件、并发问题）

每次调试都要和 AI 来回对话，有时候比自己写还慢。

经验：AI 适合批量生成，不适合精细调试。如果一个模块反复出错，不如自己接手。

总结：AI 时代的个人开发者提效

这次升级的收获

时间：2-3 个月 → 6 天，提效 10 倍
代码量：12 万行，80% AI 生成
质量：编译通过率高，代码规范统一
学习：通过和 AI 对话，深入理解了 Spring Boot 3、Vue 3、Nuxt 3 的最佳实践

AI 协作的关键原则

明确分工：AI 做 CRUD、迁移、文档；人做决策、核心逻辑、UI 调优
高频迭代：不要指望"一键生成"，而是小步快跑，每次调整一点
严格 Review：AI 生成的代码必须 Review，不能盲信
善用工具：Claude Code、Git 自动化，工具链要顺

未来展望

这次升级让我看到了 AI 协作的潜力。接下来，我想探索：

AI 辅助产品决策：让 AI 分析用户需求，提出功能建议
AI 自动化测试：生成单元测试、集成测试
AI 运维：自动化部署、监控、故障排查

AI 不会取代程序员，但会取代不会用 AI 的程序员。

这句话听起来像鸡汤，但经历这次升级后，我深信不疑。

附录：技术栈速查

层级	升级前	升级后
后端	Java 8 + Spring Boot 2.3	Java 17 + Spring Boot 3.5.15
ORM	MyBatis Plus 3.5	MyBatis Plus 3.5 + MapStruct
认证	Sa-Token	Sa-Token（多用户体系）
管理端	Vue 2 + Element UI	Vue 3.5 + Ant Design Vue 4 + Vben Admin 5
访客端	Egg.js + Pug	Nuxt 3 + Vue 3 + Tailwind CSS
部署	手动	Docker（多架构）

最后：如果你也在考虑用 AI 辅助开发，我的建议是 —— 先从小模块开始，别上来就重构整个项目。

找到 AI 擅长的地方（CRUD、迁移、文档），把不擅长的地方（决策、核心逻辑）留给自己。

这样才能真正提效，而不是被 AI 带着走。

本文首发于良人伊欣小窝，转载请注明出处。

项目中使用的 AI 工具：Claude（Anthropic）。

6天，12万行代码：我用 Claude 完成了一次全栈架构升级

6天，12万行代码：我用 Claude 完成了一次全栈架构升级

开篇：一组数字

背景：良人伊欣小窝