当前位置：首页 > news >正文

DDD难落地？就让AI干吧！

news 2026/5/8 23:11:59

DDD 这些年一直有点尴尬。

知道它有价值的人不少，真正愿意照着它的方式把需求、模型、结构和代码一步一步做下来的人并不多。最常见的印象也差不多：概念多、步骤多、层次多，看起来像是把原本能直接写出来的业务系统，又绕了一圈。

这个判断里有误解，也有现实原因。

误解在于，很多时候被嫌“繁琐”的部分，恰恰是业务系统要做稳、做久、做清楚本来就需要的动作。现实原因在于，如果手里没有合适的框架和方法，这些动作确实很难坚持，最后就会变成：理念知道一点，工程做成另外一套。

工具层面，NetCorePal 解决了框架和工程承载的问题。具体到实操层面，现在有了 AI，这件事开始变得简单起来。我们把 CleanDDD 实践里需要遵守和执行的核心原则整理成 skills，让 AI Agent 能沿着固定顺序参与需求分析、领域建模、项目初始化和代码实现。由于 CleanDDD 本身的原则和方法都非常明确、可执行，AI Agent 参与进来会比较自然，整个过程也更容易组织起来。

于是就有了cleanddd-skills。

cleanddd-skills 包含哪些内容

cleanddd-skills主体由四个部分组成：

cleanddd-requirements-analysis
cleanddd-modeling
cleanddd-dotnet-init
cleanddd-dotnet-coding

这四个部分分别处理四类事情：

requirements-analysis负责把需求整理成结构化描述。
modeling负责把结构化需求描述转换成系统模型结构。
dotnet-init负责在需要时，根据模型结果初始化新的工程骨架。
dotnet-coding负责在需求、模型和工程结构已经明确的基础上继续完成实现。

如果是新工程，通常会按完整链路使用：

requirements-analysis -> modeling -> dotnet-init -> dotnet-coding

如果已经有工程，可以直接使用：

requirements-analysis -> modeling -> dotnet-coding

cleanddd-skills的重点，不在于把四个 skill 摆在那里，而在于把实践 CleanDDD 的过程组织成一条前后连续的流程。

requirements-analysis

cleanddd-requirements-analysis只处理需求本身，不进入建模，也不进入代码。

这一部分的任务，是把原始需求整理成后面能继续使用的结构化描述。通常会涉及这些内容：

干系人是谁
业务对象有哪些
每条需求归属于哪个对象
哪些是动作，哪些是状态，哪些是约束
哪些触发会引出后续行为
哪些依赖关系是显性的，哪些关系藏在描述背后

这一部分体现的 CleanDDD 实践重点很明确：先用业务语言把问题说明白，再进入模型语言。

如果需求阶段还是散乱的自然语言，后面的建模就很容易依赖临时理解。而 requirements-analysis 做的，就是把这些输入先整理成适合建模的形式。

这一部分的产出，不是为了写一份好看的文档，而是为了给 modeling 提供明确输入。

modeling

cleanddd-modeling接在 requirements-analysis 后面，负责把结构化需求描述继续转换成系统模型结构。

这一部分通常会整理出：

聚合
命令
事件
查询
API Endpoint
定时任务

这一部分的工作重点，不是解释术语，而是确定结构和归属。

哪些行为进入哪个聚合。哪些变化表达为命令。哪些变化表达为事件。哪些操作只是查询。哪些能力通过 Endpoint 对外暴露。哪些行为适合异步或周期性处理。

这一部分体现的 CleanDDD 实践重点主要包括：

先确定边界，再进入实现
命令、事件、查询各有各的位置
模型作为需求和实现之间的中间结构
规则尽量由对应模型负责

如果没有 modeling 这一层，需求很容易直接进入代码，系统后面会越来越像流程拼装。有了这一步，后续工程结构和代码实现就有了清楚依据。

dotnet-init

cleanddd-dotnet-init是可选步骤，用于新工程初始化。

如果准备从零开始创建一个新的 .NET / NetCorePal 工程，这一步就会使用。如果工程已经存在，这一步可以跳过，直接进入cleanddd-dotnet-coding。

这一部分处理的内容，重点不是普通意义上的“起项目”，而是根据前面的模型结果初始化工程骨架。通常会包括：

使用 NetCorePal Template 初始化项目
确定解决方案和工程结构
确定基础技术选项
为后续聚合、命令、事件、查询、Endpoint 等实现准备对应位置

这一部分体现的 CleanDDD 实践重点是：模型不只停留在描述里，还要继续进入工程结构。

NetCorePal 在这里承担的是承载角色。前面的 requirements-analysis 和 modeling 更偏分析和设计，到了 dotnet-init，NetCorePal 开始把这些结果带到实际工程里。

如果是新项目，这一步很自然；如果是已有项目，就不需要额外做一次初始化。

dotnet-coding

cleanddd-dotnet-coding进入的是实现阶段。

这一部分不是单纯“写代码”，而是根据前面的需求结果、模型结果以及现有工程结构，继续完成实际实现。通常会覆盖：

聚合实现
命令处理
查询处理
领域事件
API Endpoint
仓储
配置
测试

这一部分体现的 CleanDDD 实践重点，是让实现继续保持和需求、模型、工程结构的一致性。

也就是说，这里写的不是一段孤立代码，而是：

对应前面的需求整理结果
对应前面的模型结构
对应现有工程骨架
对应 NetCorePal 的实现方式

如果是已有工程，在 requirements-analysis 和 modeling 完成之后，可以直接进入 dotnet-coding。如果是新工程，dotnet-coding 则接在 dotnet-init 后面继续往下实现。

如何使用

cleanddd-skills的安装和使用说明，项目 README 里已经写得很清楚：

https://github.com/netcorepal/cleanddd-skills/blob/main/README.md

README 给出的使用步骤如下。

先克隆代码到本地：

git clone https://github.com/netcorepal/cleanddd-skills.git cd cleanddd-skills

然后运行安装脚本，将 skills 同步到当前用户的全局目录。

Windows PowerShell：

./scripts/install-skills.ps1

macOS/Linux：

chmod +x scripts/install-skills.sh ./scripts/install-skills.sh

安装完成之后，就可以和 Agent 对话，并按顺序使用这些 skills：

需求拆解：调用cleanddd-requirements-analysis，生成结构化需求与事件流
领域建模：调用cleanddd-modeling，基于上一步输出生成聚合、命令、查询、事件、Endpoint 设计
项目初始化：调用cleanddd-dotnet-init，用模板创建项目骨架
代码实现：调用cleanddd-dotnet-coding，基于模型生成代码骨架或具体实现

README 里还给了几句可以直接发给 Agent 的示例提示词：

“请先用 cleanddd-requirements-analysis 拆解 XXX 需求，给出表格化输出，然后用 cleanddd-modeling 生成模型设计。”
“使用 cleanddd-dotnet-init 创建一个包含 RabbitMQ 和 MySql 的 CleanDDD 项目。”
“基于上述模型，实现代码骨架。”

脚本会将仓库内skills/目录下的技能逐个同步到目标目录，如果已有同名技能，会先删除后再复制，以保证版本一致。