我写了一个开源工具，想让 AI 像 Java 开发一样工作

背景

我本人是一个 Java 后端开发，大概有两次接触 AI 写代码，第一次是去年十一月份左右，用的是 Cursor,当时高强度使用了一个月后发现很容易出现幻觉，而且括号经常搞不明白，当时体验是比较差的，就没用了；第二次是今年四月份左右，使用的是 Copilot 说实话我被 AI 的成长给震惊到了，随后我逐步将自己的开发工作转移给 ai 去完成，经过我几个月的使用，很明显的发现 AI 写代码有个短板就是: ai 是根据代码去推测结果的 他几乎不会去运行代码最多只会根据某些场景写单元测试，这样会导致出什么结果呢第一个写完代码后实际的运行结果达不到期望，有时甚至编译都不通过，原因可能是当需求稍微复杂一些，就很难根据代码推算出结果。第二个排查问题很容易钻牛角尖，就是可能某段代码确实有问题但是问题并不出在这个代码段，这个问题说白了就是有的时候信息有噪音,导致大模型的注意力全在噪声上面了。我就在想，面对上面这两个比较常见的问题，人类开发者是怎么解决的？其实很简单写完需求后把项目启动起来，然后实际的去跑一次看下结果对不对，遇到复杂问题的直接 debug 一步一步的走看问题实际出现在哪里。基于这种需求我在七月初的时候开始开发 joLink 了

joLink

joLink 大概开发了四个多月，是用 Python 写的，MCP 提供执行能力，Skill 告诉 Agent 如何使用这些能力，还有一套全局规则开发要求: 尽量以“事上磨练”的方式写代码，用简单直接的方式，而不是提前解决所有问题，再根据实际运行取得相关证据，而不是等用户单独要求验证。代码基本都是 gpt 写的，我做的项目管理和技术选型以及验收，中间是遇到了非常多的困难，就比如启动，Java 项目一般都是先将代码编译成字节码文件，编译这部分是非常麻烦的，主流使用的 idea 是有增量编译的功能，就是只编译有改动和改动影响到的代码，这点是非常难实现的，如果没有就只能改一行代码，然后用 maven 去编译整个项目，这里大概摸索了两个多月，经过大量的实验和测试最后选择使用 Eclipse JDT 包去实现这个功能。个人从产品的角度去看增量编译是非常重要如果不解决就无法实现写代码->启动->验证->有问题继续改代码->启动这个开发闭环的。

dogfood

因为我本人是 Java 开发，所以我自己是 joLink 的一个用户，会在实际的工作中去使用他，经过不断的使用和调整: 目前 joLink 能让 coding agent 交付的代码大概率可信，就是我基本不会去看 ai 写的代码了，但是实际的上线前还需要专业的测试去测试，因为 jolink 目前还是针对开发这个阶段。主要是 joLink 补全了目前 coding agent 的短板：写完代码后能看到实际运行结果，AI 再根据反馈去调整代码。但是这只是我个人的工作流，在其他人身上不知道能不能稳定工作，另外 joLink 的边界还是比较浅的，目前能确定的是能运行大部分 Maven/Gradle 构建的 Spring Boot 的项目以及 JDK8 到 JDK17,可能还不够稳定，joLink 还在早期阶段，我后续也会继续在 GitHub 上找不同开源 Java 项目来试探并且扩大它的边界。但是我期望大家能尝试一下 joLink 看看他能否对大家的工作有帮助，如果没有帮助，也希望知道原因。

github： https://github.com/L1ch404/jolink-runtime
最后感谢大家能看完这篇文章

L1ch404

3 小时 29 分钟前

@Zhuzhuchenyan 感谢您的评论，现在的工具确实能让 LLM 去启动项目，其实启动一个企业级的项目还是比较困难的，就拿 maven 项目来说要么打成 jar 包启动，或者用 classpath 再去拼依赖包路径启动，这主要就是一个启动成本的问题，而且绝大数情况启动和单元测试都需要编译整个项目，相对耗时，就很容易导致 LLM 即使能运行代码它也不太愿意去做这件事，这个我在项目初期是有过相对深刻的研究和探索的，这个就有点像 k8s 初期大家说用 shell 或者脚本也能实现，确实是能实现，只是比较复杂和麻烦，joLink 不完全在于让 LLM 去启动项目主要还提供了如何快捷、方便的让 LLM 去启动项目