夜雨聆风大家好，我是二哥呀。
我发现，IDEA 的重度用户还是蛮多的，之前给大家推荐 IDEA+Claude Code/Codex 的方案，就有 1700 多小伙伴转发，3.3 万人阅读，推荐数量比点赞数量还多。
有点意外，有点惊喜。
既然这么多小伙伴喜欢，今天再给大家推荐一个组合：IDEA + 飞算 JavaAI Agent，后端代码这块的体验绝逼拉到满中满。
飞算 JavaAI Agent 是专门为 Java 开发者打造的工程级 AI 智能体，核心突破在于：
从“流程驱动”走向“自主协同”，让多个专家级 Agent 各司其职、透明协作，把复杂的 Java 工程化开发变成清晰可控的流水线。
几乎可以说是为 Java 后端开发者量身打造。
尤其是没办法用上 Opus 4.7/GPT-5.5 这种顶级模型的小伙伴，强烈推荐体验一把。
个人专业版首月仅需 9.9 元，我这里是已经购买过第二个月的续费价格，30 元。
性价比非常高，你会爱上的，😄
01、安装飞算 JavaAI 插件
很简单。
IDEA 的插件市场里搜索“飞算”，点安装就行了，见下图。
安装完成后，你会发现 IDEA 的侧边栏多了一个飞算的图标，点击就能进入主界面。
建议启用智能分析。
点飞算 JavaAI 的设置按钮，进入高级设置，在这里勾选启用智能分析。
完事后，在 IntelliJ IDEA 的底部状态栏里启用智能分析，会把我们当前的代码做 Embedding 到本地的向量数据库，方便 Agent 更深入地了解源码，从而做出更好的决策。
之前有朋友给我吐槽过，说他每天的工作就剩下给 AI“擦屁股”了，烦得很。
我问他啥情况，他说用某 AI 工具生成了一个用户管理模块，代码看起来没问题，测试也过了，就上线了。
结果马上就出问题了——SQL 注入漏洞。
攻击者通过用户名输入框，注入了一段 SQL，把整个用户表给泄露了。那天晚上他们整个技术部加班到三点，回滚、修复，折腾到死。
事后复盘，发现问题其实很简单：AI 生成的代码里，SQL 语句是直接拼接的，没有用 PreparedStatement。
这，上哪说理去？
毕竟 AI 发展到现在，大家的普世观念里，已经认为“AI 生成的代码应该没问题”，所以几乎也不 Review。
02、飞算 JavaAI 五位专家模式
这次的任务就用 PaiAgent 的真实需求：开发一个断点继续执行的功能。
PS：PaiAgent 是我开源的一个类似扣子的工作流编排项目。里面覆盖了 Agent 开发所需的各种技术栈，比如说 SpringAI、LangGraph4j、ReAct、MCP、RAG、tool call、Skills 等等。
大家可以跟着学：https://github.com/itwanger/PaiAgent
什么意思呢？
就是工作流执行到某个节点失败了，不用重头开始，直接从断点接着执行就行。
飞算 JavaAI 的智能引导会给我们配一个“专业团队”——五个专家级 Agent 各司其职、相互协作。
哪五个专家？
需求规划专家、接口设计专家、数据库架构专家、业务逻辑专家、源码生成专家。
第一步：需求规划
需求规划专家会先确认需求细节，在飞算的智能引导里输入：
给 PaiAgent 开发一个断点续执行功能核心功能：1. 保存工作流执行的每个节点状态和中间输出2. 支持从失败节点重新执行3. 支持从任意节点开始执行4. 执行前可以修改变量再继续5. 展示执行历史对比（这次执行 vs 上次执行）用户角色：PaiAgent 用户额外需求：- 快照数据要支持归档清理（默认保留30天）入口在飞算 JavaAI 这里选择【智能引导】，默认是智能会话，注意选择一下，在左上角，如下图所示。
需求规划专家很快就拆解了结构化的功能清单：
执行快照存储：保存每个节点的执行状态、输入、输出、开始时间、结束时间、异常信息 断点续执行入口：在执行历史详情页加“从断点继续”按钮 变量编辑面板：重新执行前可以查看和修改变量 执行对比视图：对比两次执行的节点输出差异 等等
确认无误，下一步。
第二步：接口设计
需求确认后，接口设计专家登场。
接口方案包括：
工作流执行快照保存 工作流断点续执行 工作流指定节点执行 执行上下文变量管理 执行历史数据对比 快照数据生命周期管理
第三步：数据库设计
然后是数据库架构专家上场。它会根据需求，设计表结构、字段、索引、主外键关系。
很规范。
第四步：业务逻辑
业务逻辑专家负责核心功能的实现逻辑。
举一个例子：
【工作流执行快照保存】设计并实现快照保存接口：接收工作流实例 ID、节点执行状态、全局上下文等参数，创建快照主表记录(t_workflow_execution_snapshot)，并级联保存节点执行详情(t_workflow_node_execution)和上下文变量(t_execution_context_variable)，设置默认 30 天保留期和过期时间
非常详细、谨慎。
免得代码返工。
第五步：源码生成
最后，源码生成专家把前面所有的设计，变成完整的可交付代码。
注意，是“完整的可交付代码”，不是片段，不是半成品。
继续干活，让他继续干。
OK，代码写完后，我们启动项目来做个测试。
新建一个 AI 播客的工作流，把 TTS 节点的 API key 先配置错，执行一遍，工作流到 TTS 节点报错了。
然后出现【从失败节点继续执行】的按钮。
我们重新配置一下 TTS 的 API Key，这次配正确。
执行日志里能看到工作流从断点继续执行了。
全称代码没有任何错误，交付质量非常高。
这种体验，真的很爽。
整个过程完全透明。每一步都能看到、能修改、能确认。
这正是飞算五位专家模式的优势。
04、飞算 JavaAI 的工具箱
除了“智能引导”的全流程开发，飞算 JavaAI 还有一个“AI 工具箱”。
工具箱里有十个专家级 Agent，专门解决 Java 开发中的各种“脏活累活”。
我挑几个我觉得最实用的给大家展示一下。
一键修复器
写代码的时候难免会遇到编译报错、依赖冲突，有时候一个小报错能折腾半天。
一键修复器就是来干这个的。
这个功能对新手小白特别友好，尤其是在你压根找不到原因的时候，直接让飞算 JavaAI 来接管最省心。
单元测试生成器
写单元测试是很多小伙伴的痛点——知道要写，但就是不想写，太繁琐了。
单元测试生成器能根据你的业务代码，自动生成 JUnit 5 + Mockito 的测试用例。
选择要生成单元测试的类，然后点【运行】就可以了。
每个测试都有 Mockito 的 when/thenReturn 设定，有断言，有异常验证。
项目文档生成器
写项目文档也是一个头疼的事，反正我就不想写，😄。但项目文档又很重要，直接让飞算 JavaAI 来搞定。
项目文档生成器能自动读取你的项目结构、代码注释、接口定义，生成一份完整的项目文档。
包括：
项目简介 技术栈说明 快速开始指南 API 接口文档 数据库表结构文档 常见问题解答
真的超级详细。
除了这几个，还有 Java 整洁器、依赖修复器、框架升级器、框架迁移器、最佳实践优化器等等，一共十个。
这些工具解决的不是“写代码”的问题，而是“写好代码”的问题。
05、SQL Chat
我觉得飞算 JavaAI 里还有一个功能特别值得单独拎出来说一下：SQL Chat。
简单的查询没问题，复杂的多表关联就头疼。性能优化更是靠经验，不知道怎么加索引，不知道怎么优化执行计划。
SQL Chat 就是来解决这个问题的。
它不是一个简单的“自然语言转 SQL”的工具，它能深度绑定你的本地数据库，自动学习表结构、字段含义、主外键关系。
不过在使用 SQL Chat 之前，我们需要先配置好数据库源。
点 database 这个小图标，配置好如下所示。
举个例子，我拿 PaiAgent 的数据库来问它一个复杂的查询需求：
分析一下最近一个月的工作流执行情况1. 找出失败率最高的3个工作流2. 看看每个工作流平均执行耗时3. 看看哪些节点类型最容易失败4. 只统计那些有快照的执行记录5. 顺便给我推荐一下索引怎么加
第一次使用的时候，需要新增一个库表集。
把 PaiAgent 项目的数据库带过来。
它会生成这样的 SQL，真的真的超级复杂，我删掉了大部分，说真的，这玩意人是写不出来的，太复杂了：
更贴心的是，索引建议也很到位：
它会结合表结构、业务逻辑、索引情况，给出针对性的建议。
06、自定义智能体
我们可以把团队的技术栈、业务规则、代码规范放到自定义智能体中，让 AI 真正“量身定制”。
就拿我们的 PaiAgent 项目来说，我在飞算 JavaAI 里创建了一个叫“PaiAgent 开发专家”的自定义智能体。
提示词也给大家分享下：
【智能体名称】PaiAgent 开发专家【功能描述】专门用于 PaiAgent AI Agent 工作流平台的开发，熟悉项目技术栈和编码规范，生成符合项目标准的代码。【提示词设置】你是 PaiAgent 项目的专属开发专家，请严格按照以下规范生成代码：========== 技术栈规范 ==========- Java 版本：Java 21- Spring Boot：3.4.1- ORM 框架：MyBatis-Plus 3.5.5（必须使用，不能用纯 MyBatis）- JSON 处理：FastJSON2（不要用 Jackson）- 数据库：MySQL 8.0- 缓存：Redis- 文档：SpringDoc OpenAPI 2.3.0- AI 框架：Spring AI 1.0.0-M5 + LangGraph4j- 工具类：Lombok（必须用 @Data、@Slf4j 等注解）还支持添加 MCP 工具，由魔塔社区提供的。
还可以添加一些飞算 JavaAI 内置的工具，比如说 RAG、联网搜索等。
这一点对企业和团队来说特别重要。AI 工具的价值不是“能写代码”，而是“能写出符合我们团队规范的代码”。
配置一次，后面所有开发都省心了。
ending
省流总结版：
飞算 JavaAI 的“五位专家”模式，让多个 Agent 各司其职、透明协作 AI 工具箱解决 Java 开发的“脏活累活” SQL Chat 懂你的数据库，不是盲目直译 自定义智能体让 AI 真正适配你的团队规范
试试让 AI 给你当团队。
【如果你受够了给 AI 当保姆，不妨试试飞算 Java AI，专业的事情还得交给专业的 Agent 来干。】
这样，你才能从繁琐的工作中解放出来，去摸更多的鱼，哦不，做更有创造力的事情。
我们下期见！
