DDD难落地？就让AI干吧！ - cleanddd-skills介绍

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：

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

复制代码

然后运行安装脚本，将 skills 同步到当前用户的全局目录。
Windows PowerShell：

1. ./scripts/install-skills.ps1

复制代码

macOS/Linux：

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

复制代码

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。
cleanddd-skills 和 NetCorePal 的关系

两者分工很清楚。
cleanddd-skills 负责把实践过程整理成一条工作链路。
NetCorePal 负责把这条工作链路承载到 .NET 工程里。
可以简单理解成：

• requirements-analysis 和 modeling 负责把业务和模型先整理出来
  
• dotnet-init 和 dotnet-coding 负责把这些结果继续带进工程
  
• NetCorePal 提供工程承载所需要的框架基础
  

如果只有框架，没有前面的实践链路，很容易变成“会用框架，但不会按 CleanDDD 组织工作”。
如果只有前面的分析和建模，没有 NetCorePal 这样的承载，结果又容易停在文档和讨论层面。
这两部分结合起来以后，需求、模型、工程骨架和实现之间就形成了清楚的衔接关系。
项目链接

cleanddd-skills 项目地址：
https://github.com/netcorepal/cleanddd-skills
更多内容，欢迎关注同名公众号： 老肖想当外语大佬

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！