genapohub 后端高级开发工程师方案产出指南
Overview
本技能将后端开发领域的方法论转化为可执行的工作流。当用户提出任何后端开发需求时，先识别该需求属于 5 类场景中的哪一类，再按对应场景的产出清单生成完整的技术方案——从系统架构到灾备方案，覆盖后端工程的完整生命周期。
详细的方法论、各场景产出清单、API设计规范、数据库设计规范、分布式设计原则、安全清单、性能KPI、AI工具建议、质量检查清单均存放在 references/后端开发方法论.md，在执行前必须读取对应章节。
触发条件
当出现以下任一情况时触发本技能：
- 用户需要搭建新后端服务，涉及技术选型
- 用户需要开发新API模块，涉及多表/多服务联动
- 用户需要修复Bug或做小范围优化
- 用户需要做架构重构/升级（单体拆微服务、技术栈迁移）
- 用户需要做技术预研、选型评估、PoC验证
- 用户提到"后端架构""API设计""数据库设计""系统架构""微服务""缓存""消息队列""后端方案"等关键词
记忆系统
本技能的完整记忆管理规则（写日志/轮转归档/自清理）定义在 references/记忆规则.md，执行前必须读取。
- 执行前（必须）：读取
references/记忆规则.md中的 Step 0 加载规范 +.skills-memory/MEMORY.md本技能对应分段 +.skills-memory/YYYY-MM-DD.md（今日日志，如存在） - 执行后（硬性要求，不可跳过）：追加
[backend-dev-guide] 场景描述 → 关键决策到.skills-memory/YYYY-MM-DD.md；如有可复用决策，去重后追加到 MEMORY.md 对应分段。记忆写入是交付物的一部分——如果因环境限制无法写入，必须在最终回复中明确告知用户「记忆未写入」及原因，不得静默跳过 - 轮转检查：
- 独立使用：按
references/记忆规则.md中的触发条件和完整轮转算法执行归档 - 被 team-orchestrator 调度时：跳过全部记忆操作（写入 + 轮转），由调度官 Step 6（写日志）/ Step 7（轮转归档）统一处理
- 独立使用：按
执行流程
按以下 5 步顺序执行，不可跳步。
Step 1: 需求理解
- 解析用户输入的后端开发需求
- 提取关键信息：项目类型（Web API/微服务/数据处理/实时服务）、语言偏好、功能范围、现有技术基础、团队规模、QPS预估
- 识别缺失的关键信息，主动向用户提问补全（一次最多 2-3 个最关键的问题）
Step 2: 场景识别
读取 references/后端开发方法论.md 的"一、场景识别"章节，用下表判断：
| 场景 | 名称 | 判断条件（满足任一） | 产出量 |
|---|---|---|---|
| 场景一 | 0→1 新后端服务 | 全新服务/系统、需从技术选型开始、涉及基础设施搭建 | 10-12类 |
| 场景二 | 中大型功能/模块开发 | 已有服务新增API模块、涉及多表/多服务联动 | 6-8类 |
| 场景三 | 小优化/Bug修复 | 单接口优化、单Bug修复、配置调整 | 2-3类 |
| 场景四 | 大版本重构/架构升级 | 单体拆微服务、技术栈迁移、数据库迁移、全局架构变更 | 8-10类 |
| 场景五 | 技术预研/选型 | 新技术栈评估、PoC验证 | 3-4类 |
识别流程：是否全新服务？→ 场景一；是否架构重构/大版本升级？→ 场景四；是否为技术评估？→ 场景五；是否涉及多表/多服务/新API模块？→ 场景二；否则 → 场景三。
Step 3: 与用户确认场景
输出场景判断结果，包含：
- 场景判断：场景X
- 判断依据
- 建议产出清单
- 预估周期
向用户确认后进入产出阶段。
Step 4: 按清单产出技术方案
读取 references/后端开发方法论.md 中对应场景的章节，按场景获取必备产出清单。
专家蒸馏增量（2026-09-06 并入）：
- Python 生态技术栈设计阶段 → 读
references/expert-distill/python-fullstack-蒸馏.md（技术栈选型速查 / 分层工程模板 / 质量基线）- 代码实现/写码执行阶段 → 读
references/expert-distill/senior-developer-蒸馏.md（吴八哥：≤10 行任务计划 / 写验报增量循环 / 错误恢复 / 输出规范）- 代码质量硬规范与交付前自检 → 读
references/expert-distill/mvp-backend-蒸馏.md（贝洛奇：文件组织硬规则 ≤300 行+入口只装配+门禁命令 / 每端点 checklist / 缓存键设计 / 失效模式 6 类自检——AI 生成代码的验收尺子）- 后端涉及 AI/ML 功能落地 → 读
references/expert-distill/ai-engineer-蒸馏.md（深网网：推理四模式选型/模型生产化生命周期/AI 伦理安全基线/量化指标）
产出要求：
- 架构图使用 Mermaid 或 ASCII 描述（C4模型：Context→Container→Component）
- API设计给出完整的 OpenAPI/Swagger 规范（请求/响应/错误码）
- 数据库设计给出完整DDL语句 + 索引设计 + ER关系说明
- 业务逻辑流程含完整异常分支 + 补偿/回滚逻辑
- 安全方案覆盖认证/授权/输入校验/传输加密/存储加密/日志脱敏
- 遵循"七、后端通用规范"中的API规范、数据库规范、分布式设计原则
- 必须读取并应用"十一、超越AI味"章节：产出方案时融入真实岗位经验，拒绝模板化输出
- 优先使用可填空模板：方法论通用规范章节末尾的「### XX模板（可填空）」，直接按占位符填充（无对应模板则按清单产出）
- 产出后保存为 Markdown 文件
Step 5: 质量检查
读取 references/后端开发方法论.md 的"十、产出质量检查清单"章节，对照检查：
架构： 架构图清晰、分层明确、通信方式有理由、CAP选择明确 API： 规范完整、请求/响应/错误码定义清晰、版本策略明确 数据库： ER图完整、索引设计合理、迁移方案含回滚、无外键/JSON滥用 安全： 认证授权完整、输入校验、HTTPS、加密/脱敏 性能运维： 缓存策略含防护、QPS预估+压测、监控告警完整、灾备方案
记忆已写入（.skills-memory/YYYY-MM-DD.md 有本次会话条目，无则立即补写）
识别遗漏内容并补充。
- 去AI味：对照"十一、超越AI味"逐条自检，拒绝模板化产出
最后输出交付清单。
资源说明
references/后端开发方法论.md
完整的方法论文档，包含：
- 5个场景的详细产出清单与技术要点
- API设计规范（命名/HTTP语义/统一响应/错误码/分页）
- 数据库设计规范（必备字段/索引原则/软删除/避坑）
- 分布式系统设计原则（CAP/幂等/事务/限流熔断/降级）
- 安全清单（认证/授权/输入/传输/存储/运维 6维度）
- 性能KPI（API延迟/慢查询/缓存命中率/可用性）
- AI工具使用建议
- 产出质量检查清单
- 超越AI味：真实岗位经验注入指南（拒绝模板化产出）
注意事项
- 不要跳过 Step 3 的用户确认
- 技术选型必须给出"为什么选A不选B"的理由，不是只列结论
- 安全是硬性要求，6个维度（认证/授权/输入/传输/存储/运维）缺一不可
- CAP选择必须明确：CP还是AP，不能说"都要"
- 幂等性设计覆盖所有关键写操作
- 缓存方案必须包含穿透/击穿/雪崩防护
- 场景四（架构升级）的回滚预案和数据回滚方案是硬性要求
岗位职责与产出标准（业界锚点 · 2026-08 学习）
现实岗位职责：①业务逻辑与 RESTful 接口开发——支撑多端数据交互；②数据库设计——表结构/字段规范/索引优化/慢查询治理；③服务稳定性——高可用/性能调优/压力测试/线上故障排查；④安全合规——鉴权/权限控制/数据加密/等保标准；⑤对接联调——前端/第三方 SDK/消息队列/定时任务；⑥单元测试与文档。
业界产出标准：接口文档（Swagger/YApi：参数/返回格式/错误码定义/调用约束）、数据库设计文档、单元测试代码、部署手册、压测报告。质量要求：代码符合规范可维护、服务可用性≥99.9%、接口性能达标、文档完整可交付（前端按文档联调无歧义）。
交付衔接：后端方案交付给前端开发（API文档/接口约定）+ QA（接口测试点）+ DevOps（部署配置）