后端开发的难点通常不在“会不会写代码”，而在于业务逻辑、数据结构、异常处理和系统边界够不够清楚。你给 AI 的上下文越完整，生成的后端实现就越可靠。
核心输入先让 AI 理解业务逻辑
接口文档、数据模型、流程规则和异常策略，是后端协作最重要的前置上下文。
典型任务API、服务层、测试生成
AI 适合用于快速搭建实现骨架、生成测试和辅助做代码审查。
协作重点控制复杂度和影响面
后端改动往往牵连更大，越复杂的系统越需要明确约束与变更边界。
如何让 AI 理解业务逻辑？
后端开发的复杂度在于系统结构和业务规则。只有先把系统怎么运转说清楚，AI 才不会只写出“看起来像那么回事”的代码。
- 提供清晰的 API 设计文档。
- 描述数据模型与实体关系。
- 说明核心业务流程和关键规则。
- 明确异常处理、边界条件和安全约束。
用 AI 生成 API 代码
步骤 1：编写 API Spec
定义接口路径、参数、返回值、权限要求和核心业务逻辑。
步骤 2：让 AI 生成实现
基于 Spec 生成 Controller、Service、Repository 等初版代码。
步骤 3：生成测试用例
让 AI 根据 Spec 同步生成单元测试和集成测试，减少逻辑遗漏。
用 AI 做代码审查
后端代码更适合让 AI 从结构和风险角度协助检查：
- 检查业务逻辑是否自洽。
- 发现常见安全风险和漏洞点。
- 识别性能问题（如 N+1 查询、慢调用、死锁风险）。
- 提出结构优化和职责拆分建议。
推荐工具组合
后端复杂度高，通常更适合组合使用多种方法与工具，而不是只靠单次 prompt。
Spec-Kit（新项目）
从零开始建立完整规范，让 AI 在统一约束下推进实现。
了解 Spec-Kit →OpenSpec（迭代项目）
在已有系统中安全做迭代，控制改动范围，避免影响面失控。
了解 OpenSpec →Superpowers（编码技能）
把 TDD、Code Review、Debugging 等能力组织成可复用协作技能。
了解 Superpowers →