【Java+AI零花钱项目实战五M4~GA】AI交互集成（IDEA+ClaudeCode+ccSwitch+DeepSeek-V4-Pro+doubao-seed-evolving+SpringAI）

豆花清海

33人浏览 · 2026-09-02 16:20:05

豆花清海 · 2026-09-02 16:20:05 发布

一、前言：

1、经过前面四个姐妹篇的实战摸索，探察出了VibeCoding的最佳实践方案是：不降级ClaudeCode的能力 + 便宜的DeepSeek大模型 + Spec-Driven开发模式。本章将记录完整的M5~GA的过程。

二、M4~GA实现

2.1、开发质量影响点

在使用过程中发现火山方舟的CodingPlan 使用豆包的大模型，比使用deepseek的大模型更经用，查了下，发现是相同次数情况下，使用豆包大模型是一比一，使用deepseek大模型可能是1:2.5。而且就这种普通编码而言，豆包大模型和deepseek-v4-pro并未发现明显差距。
实际上，从目前体验过的 qwen3-coder-plus、qwen3.8-max、DeepSeek-V4-Pro、doubao-seed-evolving 就普通编码而言，并未发现有明显能力差别。如果硬要排个序，我个人感觉DeepSeek-V4-Pro更胜一筹。
但是ClaudeCode使用推理为高级别的和推理为中低级别，产出的结果质量差异会较大；且建议让ClaudeCode将编码、测试、验证工作都完成，不要试图让ClaudeCode只编码，自己去验证及测试，那样可能会付出更多的时间及token成本。
Spec-Driven的开发模式，非常适合VibeCoding。其实这种模式在实际的古法编程中，也是非常规范的存在。

2.2、M4~GA开发过程及结果

在M5~GA开发过程中，交错使用火山方舟的CodingPlan（选择了豆包 doubao-seed-evolving）+ 阿里云百炼TokenPlan（选择 qwen3.8-max）+ 按量计费的DeepSeek（选择 DeepSeek-V4-Pro）。
遵从Spec-Driven的模式，全程借助 IDEA+ClaudeCode+CCSwitch+国产大模型，按序开发M4、M5、M6、M7、GA。每个里程碑实现，都复用上一篇的实现模式。详情见姐妹篇：【Java+AI零花钱项目实战四M3】成本优化实战：零降级ClaudeCode高阶用法与AI编程Token极致省耗全方案
M4中 AI交互集成，采用SpringAI2.0对接DeepSeek-V4-Pro进行实现，全程AI编写相关实现代码，看到这里，我更深的体会到，AI时代，我们主要做选型规划，而不是下场编码实现了
整个开发过程，大概耗时在2天左右。如果不考虑token约束，同时多agent进行开发，耗时将会更低。
开发过程中，会因为火山方舟的每5小时重置一次额度，而出现半夜11点蹲守额度重置后进行AI编码、凌晨5点蹲守额度重置后进行AI编码的主动选择非正常时间编码的现象。
最后发现还是DeepSeek按量计算便宜后，就改为了早上9点前编码、中午午休编码、下午6点后编码的非正常时间编码的现象。
最后在自己本机安装了Docker-Desktop后，AI甚至能够自动打包部署到本地docker中，全程不用自己动手，AI自己打通打包到部署的全链路，真的是让我非常吃惊。
在GA这个里程碑的时候，AI还生成了全套的交付相关文档，让我感叹AI的规范的同时再次为AI能力而折服。当然这里在实际企业应用的时候，肯定会修改为企业的相关文档模版，又或者说企业的相关文档模版会因为AI时代的到了，而变成AI的更标准化的模版也不说好，就看哪个对企业而言效率更高、准确率更高了~

在这里插入图片描述

到了GA时，AI自动打包部署到本地
在这里插入图片描述

在这里插入图片描述

2.3、开发经验总结

2.3.1、cc-Switch在配置大模型的时候，最好取消应用通用配置的勾选。

在这里插入图片描述

否则就会出现，明明手敲的是DeepSeek-V4-Pro的大模型，但是实际保存后变味了qwen3.8-max，而火山方舟的CodingPlan中是不支持qwen3.8-max，就会出现下图的报错
在这里插入图片描述

2.3.2、火山方舟的Lite套餐，看宣传的调用次数很多，但是实际根本不够用

在将火山方舟的大模型配置为DeepSeek-V4-Pro的时候，5个小时的额度还不够生成一个里程碑的详细设计文档。
在这里插入图片描述

改为豆包的编码大模型 doubao-seed-evolving 相对而言要好很多

2.3.3、不同套餐token对比

通过实战使用，发现DeepSeek的按量计费才是真正的性价比之王。其他的阿里云百炼的TokenPlan、火山方舟的CodingPlan宣传上的点数、次数很容易给第一次购买的人员一种很划算的错觉，但是最终你用过后，就会发现，TokenPlan、CodingPlan就好比是双十一的各种满减优惠活动，而DeepSeek则直接是给出最低价。
所以后续再使用大模型，优选DeepSeek的按量计费，不过最好是在闲时使用哦~因为闲时半折。这也是为什么出现了夜猫子AI程序员的原因之一。

2.5、IDEA+ClaudeCode+国产大模型+Spec-Driven开发模式实战总结

2.5.1、实现全自动化

全程除了CLAUDE.md/code-style-guide.md根据需要进行编写
整体功能规划、技术选型，由我作为提示词输送给AI,由AI生成高层级的 mission.md、tech-stack.md、roadmap.md 文档，人只负责审核关键决策
根据roadmap.md规划的里程碑，给AI下达提示，逐个里程碑的进行详细设计文档输出、里程碑能力实现。
高层级文档、详细设计文档、业务代码、配置文件、测试用例、测试验证、打包部署到本地docker、相关交付文档输出均由AI实现。真正达到了产品经理 + 系统架构师 + AIAgent + 大模型 = 项目交付
全程虽然走了AI化，但是实际项目交付流程还是与人工时基本一致，只是AI遵从度更好、效率更高。

2.5.2、未来畅想

当前我们的代码依然还是选择某个编程语言（Java）、选择某些开源技术组件、规划整体功能，最终指导AI，由总到分的，逐渐实现应用功能并最终部署。这个过程实际上是在仿真人类的交付过程。
曾经看过一个设想：既然AI已经这么强大了，AI是机器，程序也是机器，那AI没必要仿真人类的交付过程进行功能实现，直接去创造0101的原始能力进行最终功能实现即可。其实这个说法很可笑，因为AI虽然强大，但是如果全部从01开始构建，那个工程量可不是几天的事情。而基于人类几十年来全世界程序员实现的技术基础上，进行更高层级的应用搭建，才是更高效的实现方案。
未来的AI编程，一定是需要人去沟通人的需求，将需求、技术选型、功能拆分基本敲定后，再使用AI这个工具来高效实现。就好比曾经的低代码平台，各个公司对外宣传的都是拖拉拽就能实现功能，但是实际使用的时候，依然需要具有一定专业能力的人才能真正驾驭使用它。

2.5.3、实现从M0~GA的完整的零花钱后端服务，token花费情况

阿里云百炼的TokenPlan的Standard套餐，139元包月，使用了2周。还剩2周额度可用。
阿里云按量计费token套餐，20元抵40元，外加部分100万的免费额度使用；外加偶尔超量导致累计的7元花费。
火山方舟的CodingPlan的Lite套餐，新用户9.9首月，次月40元。整体额度使用了 67%，剩余 33%
DeepSeek的按量计费，花费48元

2.5.6、整个后端服务功能及花费情况

花费大约为：139 / 2 + 20 + 7 + 9.9 + 48 = 154元
实际开发时长：总计为 7天 = 1天需求规划+技术选型 + 1天IDEA+ClaudeCode+ccSwitch+M0实现 + 0.5天M1 + 1天M2 + 0.5天M3 + 两天M4~M7 + 1天GA。
后端服务接口量为：48个接口
后端服务代码量为：生产 Java 约 1.83 万行（有效代码 9 千行）、测试 1.3 万行，共 407 个 Java 文件；配套数据库迁移 394 行 SQL、设计/运维文档约 7,500 行。

效率提升：如果按照古法编程，50行有效代码一天计算（包括编码、测试、文档所有损耗在内），9000/50 = 180天。而AI实际损耗为7天，效率提升25倍。
这个还只是单个AIAgent开发，如果多个AIAgent同时并发编码，效率能提升到 180/2 = 90倍

在这里插入图片描述