Projektowanie systemu zaczyna się od celu, ale droga od ogólnego pomysłu do zformalizowanej, bezpiecznej specyfikacji często jest powolna i szczegółowa. Ten przypadek ilustruje, jak programista wykorzystujeVisual Paradigm Chatbot AI w sposób iteracyjny i rozmawiający, aby ominąć męczące prace ręczne. Zaczynamy od celu najwyższego poziomu, pozwalając AI na wygenerowanie solidnej struktury, a następnie doskonalimy tę strukturę za pomocą prostych poleceń w języku naturalnym.
Naszym celem jest modelowanie bezpiecznegoProcesu rejestracji użytkownika.
Faza 1: Od pomysłu do inspiracji – Pierwszy prosty prompt
Programista rozpoczął od najprostszej deklaracji intencji, używając celu najwyższego poziomu jako promptu, mając na celu uzyskanie podstawowej struktury jako inspiracji.
Pierwszy prompt AI:
„Wygeneruj diagram aktywności UML dla procesu rejestracji użytkownika.”
Chatbot AI natychmiast odpowiedział strukturąbardzo szczegółową strukturą PlantUML, idąc dalej niż prosty przepływ liniowy, uwzględniając kluczową złożoność rzeczywistego świata:
- Warstwowe sprawdzenia wstępne:Sekwencyjna weryfikacjaZłożoności hasła, Unikalności nazwy użytkownika, orazFormatu e-maila.
- Pętla bezpieczeństwa:Pętla
powtarzaj dopókipozwalająca naponowne sprawdzenie tokenuale ograniczona do< 3próby.
- Logika blokady: Zdefiniowany przepływ prowadzący do Zablokuj konto użytkownika po niepowodzeniu pętli weryfikacji.
Ten skomplikowany, gotowy do produkcji struktura oszczędził godzin ręcznej pracy, przekształcając podstawową ideę w solidne podstawy projektowe od razu.
Faza 2: Rozmowa o dopracowaniu – aktualizacja diagramu za pomocą języka naturalnego
Potężny początkowy wynik zapewnił idealną podstawę, ale programista potrzebował dwóch małych, końcowych dostosowań dla przejrzystości i zgodności. W środowisku modelowania opartego na rozmowie oznacza to proste polecenia tekstowe, a nie przeciąganie kształtów.
Zaproszenia do dopracowania:
- Dodanie obowiązkowego kroku bezpieczeństwa: W celu zgodności, przetwarzanie hasła musi być jawnie zamodelowane na wczesnym etapie przepływu.
„Dodaj nową czynność od razu po „Zbierz nazwę użytkownika, e-mail, hasło” o nazwie „Bezpiecznie skróć i posoli hasło”.”
- Zmiana nazwy czynności: Obecna czynność zapisywania danych, „Utwórz nieaktywny rekord użytkownika”, jest zbyt szczegółowa dla modelu procesu najwyższego poziomu.
„Zmień nazwę czynności „Utwórz nieaktywny rekord użytkownika” na „Zachowaj dane oczekującego rejestracji”.”
Zalety: Ten rozmowy, iteracyjny proces to charakterystyczny znak nowoczesnego diagramowania z wykorzystaniem AI. Zamiast zmagać się z połączeniami i notacją, programista wydaje proste polecenia. AI rozumie kontekst, dostosowuje skomplikowany kod PlantUML i dostarcza zakończony, dokładny model gotowy do kolejnej fazy analizy.
Faza 3: Analiza i dokumentacja – wykorzystanie zakończonego diagramu
Z wysoką wiernością Diagram aktywności zakończone za pomocą poleceń rozmowy, kolejnym krokiem jest ponowne wykorzystanie AI w celu wygenerowania kluczowa dokumentacja projektu na podstawie modelu wizualnego.
A. Formalne identyfikowanie ścieżki bezpieczeństwa w celu audytu
Szczegółowa logika diagramu, a w szczególności pętla bezpieczeństwa, jest kluczowa dla zgodności i testowania. AI jest proszone o formalne śledzenie zamierzonej ścieżki awarii.
Zaproszenie do analizy:
„Na podstawie diagramu działań, śledź i zapisz dokładną sekwencję działań i warunków („ścieżka blokady”) prowadzącą bezpośrednio do „blokady konta użytkownika” stanu. Jest to wymagane w celu testowania mechanizmu ochrony przed atakami brute force.”
Zalety: AI automatycznie wyodrębnia dokładną sekwencję zdarzeń do testowania bezpieczeństwa: trzy iteracje (token nieprawidłowy → wyświetl błąd → zwiększ licznik prób) prowadzą do końcowego warunkowego wyjścia [Liczba prób weryfikacji < 3? to (nie)] → Zablokuj konto użytkownika.
B. Generowanie dokumentacji przejść stanów dla backendu
Proces rejestracji jest definiowany przez zmiany stanów (np. nieaktywny, aktywny, zablokowany). Diagram jasno przedstawia te przejścia, umożliwiając AI wygenerowanie specyfikacji technicznych bazy danych.
Zaproszenie do analizy:
„Wykorzystując działania z diagramu, przygotuj sekcję dokumentu technicznego opisującą trzy główne stany konta użytkownika (nieaktywny, aktywny, zablokowany) oraz konkretne działanie, które powoduje przejście między nimi.”
Zalety: Wykorzystuje model formalny do automatycznego generowania Specyfikacji przejść stanów, która jest kluczowa dla programistów backendu, aby upewnić się, że implementują poprawne aktualizacje stanów bazy danych (Utwórz rekord nieaktywnego użytkownika, Aktywuj konto użytkownika, Zablokuj konto użytkownika) w dokładnie tych punktach, które zostały zdefiniowane w zaakceptowanym przepływie. To minimalizuje błędy tłumaczenia między projektem a zaimplementowanym kodem.
Aby uzyskać więcej informacji na temat UML i wizualizacji wspomaganej AI, odwiedź naszcentrum zasobów UML.
Ten post dostępny jest również w Deutsch, English, Español, فارسی, Français, Bahasa Indonesia, 日本語, Portuguese, Ру́сский, Việt Nam, 简体中文 and 繁體中文