Desain sistem dimulai dengan tujuan, tetapi jalur dari ide umum ke spesifikasi yang formal dan aman sering kali lambat dan mendetail. Studi kasus ini menunjukkan bagaimana seorang pengembang menggunakan Visual Paradigm Chatbot AIdengan cara iteratif dan dialogis untuk menghindari pekerjaan manual yang membosankan. Kami memulai dengan tujuan tingkat tinggi, memungkinkan AI menghasilkan struktur yang kuat, lalu menyempurnakan struktur tersebut menggunakan perintah bahasa alami yang sederhana.
Tujuan kami adalah memodelkan sebuah Proses Pendaftaran Pengguna.
Fase 1: Ide ke Inspirasi – Prompt Sederhana Awal
Pengembang memulai dengan pernyataan tujuan paling dasar, menggunakan tujuan tingkat tinggi sebagai prompt, hanya bermaksud mendapatkan struktur dasar untuk inspirasi.
Prompt AI Awal:
“Hasilkan Diagram Aktivitas UML untuk ‘Proses Pendaftaran Pengguna’.”
Chatbot AI segera merespons dengan struktur PlantUML yang sangat rinci, melampaui alur linier sederhana dengan mengintegrasikan kompleksitas dunia nyata yang penting:
- Pemeriksaan Bertingkat:Validasi berturut-turut dari Kompleksitas Kata Sandi, Keunikan Nama Pengguna, dan Format Email.
- Pengulangan Keamanan:Sebuah
ulangi sampaipengulangan yang memungkinkan pengulangan verifikasi tokentetapi dibatasi hingga< 3upaya.
- Logika Kunci: Jalur yang ditentukan menuju Kunci akun pengguna setelah kegagalan loop verifikasi.
Struktur yang kompleks dan siap produksi ini menghemat jam-jam kerja manual, mengubah ide dasar menjadi fondasi desain yang kuat secara instan.
Fase 2: Penyempurnaan Konversasional – Memperbarui Diagram dengan Bahasa Alami
Output awal yang kuat memberikan fondasi yang sempurna, tetapi pengembang memerlukan dua penyesuaian kecil terakhir untuk kejelasan dan kepatuhan. Dalam lingkungan pemodelan konversasional, ini berarti perintah teks sederhana, bukan menyeret bentuk.
Prompt Penyempurnaan:
- Menambahkan Langkah Keamanan Wajib: Untuk kepatuhan, pemrosesan kata sandi harus dimodelkan secara eksplisit sejak awal alur.
“Tambahkan tindakan baru segera setelah ‘Kumpulkan nama pengguna, email, kata sandi’ bernama ‘Hash dan Garam Kata Sandi Secara Aman’.”
- Mengganti Nama Tindakan: Tindakan saat ini untuk menyimpan data, ‘Buat catatan pengguna tidak aktif’, terlalu spesifik untuk model proses tingkat tinggi.
“Ubah nama tindakan ‘Buat catatan pengguna tidak aktif’ menjadi ‘Tetapkan data pendaftaran yang tertunda’.”
Manfaat: Proses konversasional dan iteratif ini adalah ciri khas diagraming berbasis AI modern. Alih-alih berjuang dengan koneksi dan notasi, pengembang mengeluarkan perintah sederhana. AI memahami konteks, menyesuaikan kode PlantUML yang kompleks, dan menghasilkan model akhir yang akurat siap untuk tahap analisis berikutnya.
Fase 3: Analisis dan Dokumentasi – Memanfaatkan Diagram Akhir
Dengan diagram berkepadatan tinggi Diagram Aktivitas difinalisasi melalui perintah percakapan, langkah selanjutnya adalah memanfaatkan AI lagi untuk menghasilkan dokumentasi proyek yang kritisberdasarkan model visual.
A. Identifikasi Jalur Keamanan Formal untuk Audit
Logika rinci diagram, khususnya lingkaran keamanan, sangat penting untuk kepatuhan dan pengujian. AI diminta untuk secara formal melacak jalur kegagalan yang dimaksudkan.
Prompt Analisis:
“Berdasarkan Diagram Aktivitas, lacak dan dokumentasikan urutan tindakan dan kondisi yang tepat (the ‘Jalur Blokir’) yang langsung mengarah ke ‘Kunci akun pengguna’status. Ini diperlukan untuk pengujian mekanisme anti-brute-force.”
Manfaat: AI secara otomatis mengekstrak urutan kejadian yang tepat untuk pengujian keamanan: Tiga iterasi dari (Token tidak valid → Tampilkan kesalahan → Tingkatkan percobaan) mengarah ke keluaran kondisional akhir [Percobaan verifikasi < 3? adalah (tidak)] → Kunci akun pengguna.
B. Menghasilkan Dokumentasi Transisi Status untuk Backend
Proses pendaftaran didefinisikan oleh perubahan statusnya (misalnya, Tidak Aktif, Aktif, Terkunci). Diagram membuat transisi ini jelas, memungkinkan AI untuk menghasilkan spesifikasi teknis untuk basis data.
Prompt Analisis:
“Menggunakan aktivitas dari diagram, susun bagian dokumen teknis yang menjelaskan tiga status akun pengguna utama (Tidak Aktif, Aktif, Terkunci) dan aktivitas khusus yang menyebabkan transisi antara mereka.”
Manfaat: Ini menggunakan model formal untuk secara otomatis menghasilkan Spesifikasi Transisi Status, yang sangat penting bagi pengembang backend untuk memastikan mereka menerapkan pembaruan status basis data yang benar (Buat catatan pengguna tidak aktif, Aktifkan akun pengguna, Kunci akun pengguna) pada titik-titik tepat yang ditentukan dalam alur yang telah disetujui. Ini meminimalkan kesalahan terjemahan antara desain dan kode yang diimplementasikan.
Untuk informasi lebih lanjut mengenai UML dan visualisasi berbasis AI, kunjungi kamiPusat sumber daya UML.
This post is also available in Deutsch, English, Español, فارسی, Français, 日本語, Polski, Portuguese, Ру́сский, Việt Nam, 简体中文 and 繁體中文.