使用ChatGPT构建订单处理服务（贡献70–80%的工作量），并在2天内完成

AI已经为改变和提高我的日常工作效率做出了贡献。

作为一名开发人员，在有限的时间内构建一个订单处理服务有时可能让人感到不知所措。然而，借助像ChatGPT这样的AI驱动开发工具，您可以通过逐步生成代码、设计实体和解决问题来显着加快流程。在本文中，我将带您了解我如何使用ChatGPT在仅仅2天的时间内构建一个完全功能的订单处理服务，从搜集需求到完成。

老实说，有许多小的线程和提示用于不同的小任务，我无法总结成一个完整的项目，但总体来说…它帮助了我70–80%。此外，这里是一些原始代码，经过我审核后，可能已经被手动修改过，因此您可能在我分享的Github上找不到这个功能。

第一天: 了解需求和设置

第一步：收集和澄清需求

第一件事是列出服务所需要的核心功能。这里是我需要的主要功能：

用户注册：允许用户使用他们的手机号码和地址进行注册。
特许经营地点搜索：让客户查看并找到附近的咖啡特许经营店。
订单下单：顾客可以从菜单中选择多个商品下单。
队列管理：跟踪客户在队列中的位置并提供预计等待时间。
取消订单：客户可以随时退出排队并取消他们的订单。

第二步：使用ChatGPT生成API端点

我请ChatGPT帮我设计符合需求的API结构。以下是我使用的第一个提示的示例：

提示：

使用Spring Boot为用户注册系统创建API端点，用户可以使用他们的姓名、手机号码和地址进行注册。

结果：ChatGPT 生成了几个端点：

提交 /users/register：注册一个新用户。
GET /附近的连锁店：根据纬度和经度查找附近的咖啡连锁店。
提交 /orders：下订单包含多个商品。
GET /orders/{orderId}/queue-position：用来检查用户在队列中的位置。
删除/orders/{orderId}：取消订单并退出队列。

步骤3：实体设计

对于订单处理服务，我们需要用户、加盟店、订单、队列和订单项的实体。我使用ChatGPT定义这些实体以及必要的字段。

提示:

为系统设计用户实体。用户可以拥有一个手机号码，地址和角色（如顾客）。

结果：ChatGPT使用JPA提供了一个简单的用户实体。

@Entity
public class User {
    @Id
    @GeneratedValue(strategy = GenerationType.AUTO)
    private UUID id;

    @Column(nullable = false, unique = true)
    private String username;
    @Column(nullable = false)
    private String password;
    private String mobileNumber;
    private String address;
    private UserRole role; // CUSTOMER, ADMIN
}

我为特许经营、订单和队列实体重复了这个过程。

第二天：实施业务逻辑

第四步：订单放置逻辑

一旦基本API和实体设置完毕，我便开始着手实施下单的业务逻辑。这是服务的关键部分，因为它需要处理来自菜单的多个项目，并管理排队位置。

提示：

实现下订单的逻辑，其中每个商品都链接到连锁店特定的菜单。

结果：ChatGPT引导我设计一个OrderService来处理这个问题。以下是部分实现：

public Order createOrder(UUID customerId, UUID franchiseId, List<OrderItemDTO> items) {
    Order order = new Order();
    order.setCustomer(userRepository.findById(customerId).orElseThrow());
    order.setFranchise(franchiseRepository.findById(franchiseId).orElseThrow());

    List<OrderItem> orderItems = items.stream()
        .map(itemDto -> new OrderItem(menuItemRepository.findById(itemDto.getMenuItemId()), itemDto.getQuantity()))
        .collect(Collectors.toList());
    order.setItems(orderItems);
    order.setQueuePosition(findQueuePositionForFranchise(franchiseId));
    return orderRepository.save(order);
}

步骤五：队列管理

接下来，我请ChatGPT帮助我设计将客户放入队列并追踪其位置的逻辑。

提示:

在咖啡连锁系统中，我如何计算订单的排队位置和等待时间？

结果：ChatGPT建议创建一个QueueService，用来跟踪订单并根据时间戳为它们分配位置。我按照以下方式实现了它：

public int findQueuePositionForFranchise(UUID franchiseId) {
    List<CustomerQueue> queue = customerQueueRepository.findAllByFranchiseId(franchiseId);
    return queue.size() + 1;
}

它还提供了根据平均订单处理时间来估算等待时间的指导。

第六步：订单取消

最后，我实现了允许客户取消订单并退出队列的逻辑。

public void cancelOrder(UUID orderId) {
    Order order = orderRepository.findById(orderId).orElseThrow();
    queueService.removeFromQueue(order.getQueue().getId(), order.getId());
    orderRepository.delete(order);
}

完成项目

第二天结束时，我已经拥有了一个完全功能的服务，允许客户：

使用他们的手机号码和地址注册。
查看附近的加盟店。
从菜单中选择多个项目下订单。
检查他们的队列位置和等待时间。
随时取消他们的订单。

关键要点

利用人工智能进行日常任务：ChatGPT 加速了重复性任务，如设计 API、生成样板代码和实现常见的业务逻辑模式。
分而治之：通过将项目拆分为小而可管理的任务（如用户注册、队列管理和订单录入），我能够按顺序实现每个功能。
AI辅助学习：虽然ChatGPT提供了很多代码，但我仍然需要理解其中的逻辑并调整以满足我的项目需求，这是一次很好的学习经验。
实时调试：ChatGPT通过引导我解决实时问题，在实施过程中遇到的错误和异常，将项目保持在正确的轨道上。

我还有几个步骤要完成文档的创建，使用liquidbase，并让chatGPT生成示例数据以便更轻松地进行测试。

结论

在2天内为咖啡店构建一个订单处理系统可能听起来令人生畏，但借助人工智能的帮助，这是可以实现的。ChatGPT就像一个编码助手，帮助我快速将抽象的需求转化为一个可运行的系统。虽然人工智能可以提供基础，但优化和定制研究代码仍然是一项必不可少的技能。这个项目教会了我如何最大限度地发挥人工智能工具的价值，同时不失去对开发过程的控制。

通过跟随我所采取的步骤，您可以加快自己的项目进展并专注于更高层次的问题解决，将例行的代码生成和指导交给人工智能。

完整源代码：https://github.com/jackynote/springboot-orders-process-service.git