Claude Code 在 Java 项目中的 AI 结对编程最佳实践

如果只用 GitHub Copilot CLI 或 OpenCode CLI，可分别执行：

make install-copilot # 安装到 GitHub Copilot CLI
make install-opencode # 安装到 OpenCode CLI
make install-codex # 安装到 Codex CLI

Makefile 还提供了状态查看、备份与卸载能力：

make status # 查看安装状态
make backup # 安装前创建备份
make uninstall # 卸载所有 Developer Kit 安装

2. 安装到具体的 Java 项目（重点）

对「AI 结对编程」来说，更关键的是把技能和命令直接装进某个 Java 项目，并随着代码一起版本管理。

Developer Kit 提供了一个交互式安装流程：

git clone https://github.com/giuseppe-trisciuoglio/developer-kit.git
cd developer-kit-claude-code

# 启动交互式安装到 Claude Code 环境
make install-claude

交互过程会引导你：

• 指定项目路径（例如 ~/projects/my-spring-project）。
• 选择技能类别（如 Spring Boot Skills、JUnit Test Skills、LangChain4J Skills）。
• 选择要安装的 agents（如 java-security-expert, java-documentation-specialist）。
• 是否安装全部 commands。

完成后，项目中会多出一个 .claude 目录：

my-spring-project/
├── src/
├── pom.xml
└── .claude/
    ├── skills/
    │   ├── spring-boot-actuator/
    │   ├── spring-boot-crud-patterns/
    │   └── ...
    ├── agents/
    │   ├── java-documentation-specialist.md
    │   ├── spring-boot-code-review-expert.md
    │   └── ...
    └── commands/
        ├── devkit.java.code-review.md
        ├── devkit.java.write-unit-tests.md
        └── ...

把 .claude 加入 Git 后，整个团队打开这个项目时，Claude Code 就会自动拥有同样的一套技能与命令。

三、日常开发：Claude 作为 Java 结对编程伙伴

下面以几个典型场景为例，展示如何用 Claude Code + Developer Kit 做 AI 结对编程。

1. 从领域模型到完整 CRUD（API + Service + Repository）

Developer Kit 提供了一个非常实用的命令：/devkit.java.generate-crud。

使用场景：你已经设计好了一个领域类（例如 User），希望快速生成：

• REST Controller（带分页、错误处理）。
• Service 层（包含业务逻辑骨架）。
• Repository 接口（基于 Spring Data JPA）。
• DTO / Mapper。

在 Claude Code 中打开你的项目，选中或粘贴你的领域类定义，然后调用：

/devkit.java.generate-crud

命令会利用 spring-boot-crud-patterns 等技能：

• 按约定的 REST 标准生成接口（路径、HTTP 动词、分页参数等）。
• 使用 DDD 风格的结构（比如 feature-based 目录布局）。
• 搭配 JUnit 测试技能，为生成的代码添加基础测试用例。

你可以把它理解为：把项目的 CRUD 模式教给 Claude，让它按统一套路批量生成。

2. 自动化单元测试与集成测试

Testing 是 AI 结对编程的高频场景，尤其在 Java / Spring 项目中。Developer Kit 在 JUnit 部分提供了一整套 Skill 与 Command 组合。

常用命令包括：

• /devkit.java.write-unit-tests：为选中的 Java 类生成 JUnit5 单元测试（配合 Mockito、AssertJ）。
• /devkit.java.write-integration-tests：基于 Spring Boot + Testcontainers 生成集成测试。

典型用法：

1. 在 Claude Code 中打开你的 Service 类，例如 OrderService。
2. 选中文件内容或指定文件路径。

运行：

/devkit.java.write-unit-tests

命令会利用一系列 unit-test-* skill，例如 unit-test-service-layer, unit-test-security-authorization, unit-test-caching 等，对应不同层面和功能的测试模式。

生成的测试通常会包含：

• 合理的 Arrange / Act / Assert 结构。
• 对异常场景和边界条件的覆盖。
• 使用 Mock 对外部依赖进行隔离。

你可以在此基础上进行人工审查和微调，把 Claude 当作一个「很熟悉测试模式的结对伙伴」。

3. 代码审查与架构评审

在日常 Code Review 中，Claude 可以扮演一个「永不疲惫的高级 Reviewer」。Developer Kit 为 Java / Spring Boot 准备了多个专门的 agent 与命令。

常见组合：

• Agent：spring-boot-code-review-expert, java-software-architect-review, java-security-expert。
• 命令：/devkit.java.code-review, /devkit.java.security-review, /devkit.java.architect-review。

使用方式：

1. 在 Claude Code 里打开你想审查的文件 / 目录。
2. 如果是 GitHub PR，也可以用 /devkit.github.review-pr 直接审查 Pull Request（包括安全、性能、架构、测试等维度）。

运行：

/devkit.java.code-review

Claude 会基于技能中定义的模式（例如 Spring Boot REST 标准、Resilience4j 断路、JWT 安全配置）进行系统化审查，并给出：

• 问题列表（例如资源泄露、错误的事务边界、不一致的错误处理）。
• 建议修改方案或完整补丁。

团队可以把这一套当作「第一轮自动 Code Review」，再由人类 Reviewer 做第二轮把关。

4. 安全审计与依赖升级

安全和依赖管理也是适合 AI 帮忙的场景。Developer Kit 专门提供了安全相关命令：

• /devkit.java.security-review：针对 Java / Spring Boot 的安全审计（包括 OWASP、配置风险等）。
• /devkit.java.dependency-audit：扫描依赖漏洞、许可证问题，并给出升级建议。
• /devkit.java.upgrade-dependencies：生成安全升级方案（包含兼容性测试和回滚策略）。

使用方式类似代码审查：在 Claude Code 中打开 pom.xml 及关键配置文件，然后执行对应命令，让 Claude 给出报告和步骤。

四、让 Claude 真正融入团队：共享 .claude 与长任务管理

1. 团队共享：把 AI 习惯写进仓库

Developer Kit 设计了一个非常关键的机制：本地项目安装 + Git 共享 .claude 目录。

团队落地建议：

• 在项目根目录执行一次 make install-claude，选择项目需要的技能和代理。
• 确保 .claude 被纳入版本控制（不要忽略掉）。
• 在团队 Onboarding 文档中，明确要求开发者在项目目录下启动 Claude Code。

这样，新成员只要：

git clone your-repo
cd your-repo
# 打开 Claude Code

就会拥有：

• 同样的 Spring Boot / 测试 / LangChain4J 等技能配置。
• 一致的 /devkit.java.* 命令集合。
• 相同的 code review 和架构评审标准。

这相当于给团队配了一套「AI 开发规范」：Claude 不再是个人的 ad-hoc 助手，而是整个团队共享的一套工程化能力。

2. 长任务与版本演进：LRA 工作流

实际项目中，很多任务是跨多天、多次会话完成的。Developer Kit 引入了 Long-Running Agent (LRA) 命令集，用于管理跨会话的长期开发任务。

关键命令包括：

• /devkit.lra.init：初始化 LRA 环境（特性列表、进度追踪、初始化脚本等）。
• /devkit.lra.start-session：每次编码会话开始时，从现有状态恢复上下文、选择下一待办特性。
• /devkit.lra.add-feature / mark-feature：在开发过程中不断更新需求与完成状态。
• /devkit.lra.checkpoint：会话结束时做一次「检查点」，整理变更、更新日志、确保仓库处于干净状态。

配合 Spec Kit 命令（如 /speckit.tasks, /speckit.check-integration, /speckit.verify），可以让 Claude 扮演「项目执行协调者」而不是仅仅写代码的小助手。

五、在 Java 项目中落地的推荐步骤

如果你想系统地在 Java 团队中引入 Claude 结对编程，可以考虑按以下步骤推进：

1. 试点仓库
   • 选择一个中等规模的 Spring Boot 项目作为试点。
   • 安装 Developer Kit 到项目根目录（make install-claude），只勾选 Spring Boot + JUnit + LangChain4J 相关技能。
2. 定义使用场景
   • 约定几类优先使用 AI 的任务：
     • CRUD 生成；
     • 单元/集成测试生成；
     • Code Review 初筛；
     • 安全审计与依赖检查。
3. 规范化命令与 Agent 使用
   • 在团队文档中列出常用命令及推荐用法（例如：提交 PR 前必须至少跑一次 /devkit.java.code-review）。
   • 指定推荐的 agent（如 spring-boot-code-review-expert, java-security-expert）。
4. 建立反馈与改进循环
   • 在 Code Review 中记录 Claude 输出的问题与不足，逐步调整技能与提示。
   • 结合 /devkit.verify-skill 命令，编写团队自定义技能（如项目特定的 API 规范、日志规范等）。
5. 扩展到更多领域
   • 当 Java 侧稳定后，可以继续启用 React、NestJS、AWS Java 等技能，让 Claude 覆盖全栈场景。

六、小结

单纯的「让大模型帮我写点 Java 代码」已经不能满足工程团队的需求。真正有价值的 AI 结对编程，必须满足几个条件：

• 懂技术栈的最佳实践，懂项目自身的结构与团队约定。
• 行为可被配置、可被复用、可被团队协作。

Claude Code + Developer Kit 的组合，正是把这三点整合在一起：

• 用丰富的 Skills 建模技术和领域知识。
• 用 Agents 抽象不同角色的 AI 专家。
• 用 Commands 和 LRA/Spec Kit 管理完整的开发流程与长任务。

如果你正在做 Java / Spring Boot 项目，不妨从给自己的仓库装上 .claude 开始，让 Claude 逐步从「聪明的聊天助手」成长为「真正懂你项目的 AI 结对程序员」。