AI智能体Pink实战：基于Plan-Execute-Observe循环的Spring Boot认证模块自动化开发

如果你最近关注AI编程助手可能会发现一个现象很多开发者开始讨论一个名为“Pink”的新工具。它不是又一个简单的代码补全插件也不是一个需要复杂配置的AI模型。相反它试图解决一个更根本的问题如何让AI真正理解并融入你现有的、复杂的开发工作流而不是让你去适应AI的交互方式。过去我们使用AI编程助手无论是Copilot还是Cursor核心模式依然是“提问-回答”或“注释-补全”。你需要在IDE里写注释或者在聊天框里用自然语言描述需求。这种方式对于生成独立函数或解释代码片段很有效但当任务涉及多个文件、需要查阅项目上下文、调用外部API甚至执行一系列Git操作时就会显得笨拙和割裂。你不得不频繁切换上下文手动拼接AI的输出。Pink的出现代表了一种不同的思路。它将自己定位为一个“AI原生的工作空间协调器”。简单来说它不是一个在你IDE里运行的助手而是一个以你的项目目录为基地能够自主协调多种工具包括你的IDE、终端、浏览器甚至其他AI模型来完成复杂任务的智能体Agent。这篇文章将为你彻底拆解Pink。我们不会停留在概念鼓吹而是深入其核心架构并通过一个完整的实战示例展示如何用它自动化一个真实的开发任务为一个Spring Boot项目添加完整的用户认证模块包括实体、Repository、Service、Controller及安全配置。你会看到Pink如何理解项目结构如何规划任务步骤如何编写和修改代码以及如何与开发者交互确认。更重要的是我们会分析它背后的“规划-执行-观察”循环Plan-Execute-Observe原理探讨它适合什么场景不适合什么场景以及在实际使用中可能遇到的“坑”。对于中高级开发者而言理解Pink不仅仅是学习一个新工具更是观察“AI智能体如何与复杂开发生态集成”的一次绝佳实践。它可能不会取代你的编程能力但极有可能改变你管理复杂工程任务的方式。1. Pink 要解决的核心痛点超越单轮对话的复杂任务编排在深入技术细节之前我们必须先厘清Pink瞄准的靶心。当前的AI编程工具在“单点突破”上做得很好但在“多点串联”上非常薄弱。痛点一上下文碎片化。假设你要为一个已有项目添加Redis缓存。你需要1在pom.xml添加依赖2配置application.yml3修改UserService4编写一个CacheConfig。使用传统AI助手你很可能需要发起四次独立的对话“帮我写一段Redis配置”、“帮我写一个缓存注解的使用例子”……每次对话AI都看不到你上一步做了什么你也需要不断把新生成的代码粘贴到正确位置。整个过程是断裂的。痛点二工具链割裂。开发不仅仅是写代码。它还涉及运行测试、查看日志、使用Git、查阅文档。一个复杂的任务可能需要交替进行这些操作。现有的AI助手大多被困在代码编辑器里无法直接操作终端或浏览器迫使开发者成为“AI的手和脚”。痛点三缺乏任务级规划与回溯。AI对于复杂任务缺乏宏观视野和步骤分解能力。如果它生成的代码导致编译错误它通常只能基于最新的错误信息进行补救而很难回溯到最初的任务规划调整整体方案。Pink的核心理念是将整个项目目录作为一个可观察、可交互的“环境”让AI智能体在这个环境中进行多步骤、多工具的规划与执行并持续观察结果以调整后续行动。它试图成为你项目中的“虚拟技术主管”负责拆解任务、调用工具、检查进度并向你人类开发者汇报关键决策点。2. Pink 的核心架构智能体、技能与工作空间理解Pink需要掌握三个核心概念智能体Agent、技能Skill和工作空间Workspace。这与我们熟知的“框架-插件-项目”模式有本质区别。2.1 智能体Agent拥有记忆和规划能力的大脑Pink中的智能体不是一次性的聊天机器人。它是一个具有持久化记忆和任务规划能力的实体。当你给智能体下达一个指令如“添加用户认证”它会理解指令分析你的自然语言描述。评估环境扫描当前工作空间的文件结构理解项目类型是Spring Boot还是React应用。制定计划将宏观任务分解为一系列具体的、可执行的子任务Plan。例如“1. 检查pom.xml中Spring Security依赖2. 创建User实体类3. 创建UserRepository接口……”执行与观察按顺序执行计划中的每一步Execute每执行一步都会观察结果Observe比如文件是否创建成功代码是否有编译错误。这个“规划-执行-观察”循环是Pink智能体的核心工作模式。2.2 技能Skill智能体可以调用的工具手智能体本身不能直接修改文件或运行命令。它通过调用技能来实现这些操作。技能是对底层能力的封装例如read_file读取指定文件内容。write_file创建或修改文件。run_command在项目根目录执行Shell命令如运行mvn compile、npm install。ask_human在关键节点暂停向用户提问或请求确认。你可以把技能看作智能体“手”和“眼”的延伸。一个强大的智能体背后是一个丰富且可靠的技能库。Pink内置了开发中最常用的基础技能。2.3 工作空间Workspace智能体活动的沙盒工作空间就是你本地的一个项目目录。Pink智能体所有的操作都被限定在这个目录内。这既是能力的边界防止智能体乱改系统文件也是上下文的来源智能体通过读取工作空间内的文件来理解项目状态。这三者的关系可以类比为工作空间是一个建筑工地你的项目。智能体是项目经理拥有蓝图和决策权。技能是项目经理可以指挥的工人和设备瓦工、电工、起重机。传统AI编程助手就像一个路过工地的“专家”你问他一个问题他给你一个答案然后离开。而Pink的智能体是常驻工地的项目经理他会持续跟进项目协调资源直到任务完成。3. 环境准备安装与初始化PinkPink是一个基于Python的工具因此你需要先准备好Python环境。以下步骤在macOS/Linux和WSL下的Windows环境中通用。3.1 基础环境要求Python 3.10这是运行Pink的前提。可以通过python3 --version检查。pipPython包管理工具通常随Python安装。Git用于克隆示例仓库和管理项目。一个可用的AI模型API密钥Pink本身不提供AI模型它需要连接后端大语言模型LLM来驱动智能体。它默认支持OpenAI的GPT系列模型也支持兼容OpenAI API格式的其他模型如Ollama本地模型、DeepSeek等。3.2 安装Pink安装过程非常简单通过pip即可完成。建议使用虚拟环境以隔离依赖。# 1. 创建并进入一个专门的目录 mkdir pink-demo cd pink-demo # 2. 可选但推荐创建Python虚拟环境 python3 -m venv venv # 3. 激活虚拟环境 # macOS/Linux: source venv/bin/activate # Windows (cmd): # venv\Scripts\activate.bat # Windows (PowerShell): # venv\Scripts\Activate.ps1 # 4. 安装Pink pip install pink-agent安装成功后可以通过pink --version检查是否安装正确。3.3 配置AI模型API密钥Pink需要一个LLM来提供“思考”能力。你需要设置环境变量来配置API密钥和基础URL。这里以OpenAI GPT-4为例。# 将你的OpenAI API Key设置为环境变量 # macOS/Linux: export OPENAI_API_KEYsk-your-actual-api-key-here # Windows (cmd): # set OPENAI_API_KEYsk-your-actual-api-key-here # Windows (PowerShell): # $env:OPENAI_API_KEYsk-your-actual-api-key-here # 如果你使用的是其他兼容OpenAI API的模型如本地部署的Ollama还需要设置基础URL # 例如使用Ollama本地模型 export OPENAI_API_BASEhttp://localhost:11434/v1 export OPENAI_API_KEYollama # Ollama的API Key可以是任意非空字符串重要安全提示永远不要将API密钥硬编码在代码中或提交到版本控制系统。使用环境变量是安全的最佳实践。4. 实战演练用Pink为Spring Boot项目添加完整认证模块现在让我们进入最核心的实战部分。我们将指挥一个Pink智能体为一个基础的Spring Boot Web项目自动化添加一套完整的基于Spring Security和JWT的用户认证与授权模块。4.1 准备目标项目首先我们需要一个“干净”的Spring Boot项目作为智能体的操作对象。我们使用Spring Initializr快速生成一个。# 1. 使用curl从start.spring.io生成一个基础项目 curl https://start.spring.io/starter.zip \ -d typemaven-project \ -d languagejava \ -d bootVersion3.2.5 \ -d baseDirauth-demo \ -d groupIdcom.example \ -d artifactIdauth-demo \ -d nameauth-demo \ -d descriptionDemo project for Pink Agent \ -d packageNamecom.example.authdemo \ -d packagingjar \ -d javaVersion17 \ -d dependenciesweb,data-jpa,h2 \ -o auth-demo.zip # 2. 解压项目并进入目录 unzip auth-demo.zip -d . cd auth-demo # 3. 验证项目结构 ls -la你应该能看到标准的Maven项目结构pom.xml,src/main/java,src/main/resources等。4.2 启动Pink智能体并下达任务现在我们在这个项目目录中启动Pink智能体并给它下达第一个指令。# 确保你在 auth-demo 项目根目录下 # 启动Pink智能体交互模式 pink run执行pink run后你会进入一个交互式会话。智能体会先问候你并等待指令。此时你可以输入我们的复杂任务描述我需要你为这个Spring Boot项目添加一个完整的用户认证与授权系统。要求如下 1. 使用Spring Security和JWTJSON Web Token进行认证。 2. 实现用户注册和登录API端点。 3. 用户实体应包含至少id自增主键、username唯一、email、password加密存储、roles角色集合。 4. 密码存储必须使用BCrypt加密。 5. 实现一个JWT工具类用于生成和验证Token。 6. 配置Spring Security使登录接口公开其他API接口需要携带有效的JWT Token才能访问。 7. 创建一个简单的测试控制器包含一个受保护端点和一个公开端点用于验证配置是否生效。 请逐步执行并在进行重大修改如修改pom.xml前向我确认。输入指令后按下回车。智能体便开始工作了。你会在终端看到它的“思考”过程和执行日志。4.3 观察智能体的规划与执行过程关键代码示例智能体接收到任务后不会立刻开始写代码。它会先制定一个计划。你可能会在日志中看到类似这样的输出[Agent] 正在分析任务为Spring Boot项目添加认证系统。 [Agent] 扫描工作空间... 发现这是一个基于Maven的Spring Boot项目包含web, data-jpa, h2依赖。 [Agent] 制定计划 步骤1检查并添加必要的Maven依赖spring-boot-starter-security, jjwt-api, jjwt-impl, jjwt-jackson。 步骤2创建User实体类及其JPA Repository。 步骤3创建Spring Security配置类配置JWT过滤器和密码编码器。 步骤4创建JWT工具类JwtUtil。 步骤5创建AuthenticationService处理注册和登录逻辑。 步骤6创建AuthController暴露注册和登录API。 步骤7创建测试用的TestController包含受保护和公开的端点。 步骤8更新application.properties配置JWT密钥和H2数据库控制台访问。 步骤9运行Maven编译验证代码无误。 [Agent] 开始执行步骤1... [Agent] 正在读取文件pom.xml [Agent] 计划向pom.xml添加依赖。是否确认(yes/no):此时智能体通过ask_human技能暂停等待你的确认。输入yes后它将继续。让我们来看几个智能体生成的关键文件内容。请注意以下代码是智能体在任务执行过程中可能生成的内容示例用于展示其能力。1. 修改后的pom.xml依赖部分!-- 文件路径auth-demo/pom.xml -- dependencies !-- ... 原有的 web,>// 文件路径src/main/java/com/example/authdemo/entity/User.java package com.example.authdemo.entity; import jakarta.persistence.*; import lombok.Data; import org.springframework.security.core.GrantedAuthority; import org.springframework.security.core.authority.SimpleGrantedAuthority; import org.springframework.security.core.userdetails.UserDetails; import java.util.Collection; import java.util.List; import java.util.stream.Collectors; Entity Table(name users) Data public class User implements UserDetails { Id GeneratedValue(strategy GenerationType.IDENTITY) private Long id; Column(unique true, nullable false) private String username; Column(unique true, nullable false) private String email; Column(nullable false) private String password; ElementCollection(fetch FetchType.EAGER) private ListString roles; Override public Collection? extends GrantedAuthority getAuthorities() { return roles.stream() .map(SimpleGrantedAuthority::new) .collect(Collectors.toList()); } Override public boolean isAccountNonExpired() { return true; } Override public boolean isAccountNonLocked() { return true; } Override public boolean isCredentialsNonExpired() { return true; } Override public boolean isEnabled() { return true; } }3. 生成的JWT工具类JwtUtil// 文件路径src/main/java/com/example/authdemo/util/JwtUtil.java package com.example.authdemo.util; import io.jsonwebtoken.Claims; import io.jsonwebtoken.Jwts; import io.jsonwebtoken.SignatureAlgorithm; import io.jsonwebtoken.security.Keys; import org.springframework.beans.factory.annotation.Value; import org.springframework.security.core.userdetails.UserDetails; import org.springframework.stereotype.Component; import javax.crypto.SecretKey; import java.util.Date; import java.util.HashMap; import java.util.Map; import java.util.function.Function; Component public class JwtUtil { Value(${jwt.secret}) private String secret; Value(${jwt.expiration}) private Long expiration; private SecretKey getSigningKey() { return Keys.hmacShaKeyFor(secret.getBytes()); } public String generateToken(UserDetails userDetails) { MapString, Object claims new HashMap(); claims.put(roles, userDetails.getAuthorities()); return createToken(claims, userDetails.getUsername()); } private String createToken(MapString, Object claims, String subject) { return Jwts.builder() .setClaims(claims) .setSubject(subject) .setIssuedAt(new Date(System.currentTimeMillis())) .setExpiration(new Date(System.currentTimeMillis() expiration)) .signWith(getSigningKey(), SignatureAlgorithm.HS256) .compact(); } public Boolean validateToken(String token, UserDetails userDetails) { final String username extractUsername(token); return (username.equals(userDetails.getUsername()) !isTokenExpired(token)); } public String extractUsername(String token) { return extractClaim(token, Claims::getSubject); } public Date extractExpiration(String token) { return extractClaim(token, Claims::getExpiration); } private T T extractClaim(String token, FunctionClaims, T claimsResolver) { final Claims claims extractAllClaims(token); return claimsResolver.apply(claims); } private Claims extractAllClaims(String token) { return Jwts.parserBuilder() .setSigningKey(getSigningKey()) .build() .parseClaimsJws(token) .getBody(); } private Boolean isTokenExpired(String token) { return extractExpiration(token).before(new Date()); } }在整个过程中智能体会依次创建或修改多个文件。每完成一个关键步骤如创建完所有Controller它可能会自动运行mvn compile来检查语法错误。如果编译失败它会读取错误日志分析问题并尝试修复代码。这就是“执行-观察”循环在起作用。4.4 任务完成与验证当所有计划步骤执行完毕智能体会给出总结。此时你可以手动运行项目来验证成果。# 在项目根目录下运行Spring Boot应用 mvn spring-boot:run应用启动后你可以使用curl或Postman进行测试测试公开端点GET http://localhost:8080/api/public应该可以访问。用户注册POST http://localhost:8080/api/auth/register携带JSON body{username:test,email:testexample.com,password:123456,roles:[USER]}。用户登录POST http://localhost:8080/api/auth/login携带{username:test,password:123456}响应中应包含JWT token。测试受保护端点GET http://localhost:8080/api/protected需要在Header中携带Authorization: Bearer 你的JWT token才能成功访问。通过这一系列操作你可以直观地感受到Pink智能体不仅仅生成了代码片段而是交付了一个可运行、功能连贯的完整模块。5. Pink 的工作机制深度解析Plan-Execute-Observe 循环通过上面的实战我们看到了Pink智能体的外在表现。现在我们来剖析其内在的驱动引擎Plan-Execute-Observe (PEO) 循环。这是Pink区别于单轮对话AI的核心。Plan (规划)输入用户指令 工作空间当前状态通过read_file等技能感知。过程智能体调用LLM基于其对项目结构的理解和任务目标生成一个结构化的行动计划。这个计划通常是一个步骤列表每个步骤都对应一个或多个技能的调用。输出一个具体的、顺序的或可并行的任务列表。例如[“step1: add_dependencies”, “step2: create_entity”, “step3: create_repository”...]。Execute (执行)智能体按照规划依次调用相应的技能来执行具体操作。例如对于“add_dependencies”步骤它会调用read_file读取pom.xml分析现有依赖再调用write_file写入新的依赖项。Observe (观察)执行完一个或一组步骤后智能体不会盲目进入下一步。它会主动“观察”环境的变化。观察什么文件内容是否按预期改变执行的命令如mvn compile是否成功控制台输出是否有错误信息如何观察通过再次调用read_file查看修改后的文件或调用run_command执行验证命令并捕获其输出。观察的结果会被反馈给智能体的“记忆”中成为下一步决策的上下文。循环与调整如果观察结果符合预期如编译成功智能体则继续执行下一个规划步骤。如果观察结果不符合预期如编译报错、文件未找到智能体会将错误信息作为新的输入重新进行规划Re-plan从而调整后续步骤。例如发现缺少某个类它会规划创建这个类发现依赖冲突它会规划调整版本。这个循环的关键价值在于“闭环反馈”。传统的AI代码生成是开环的你给指令它出代码至于代码能不能用它不管。而Pink通过“观察”将执行结果反馈回决策系统使其具备了自我验证和纠错的潜力。虽然当前能力有限但这一架构方向是正确的。6. 优势、局限与适用场景分析经过实战和原理分析我们可以对Pink做出更清晰的判断。6.1 核心优势任务级自动化能够处理涉及多文件、多步骤的复杂开发任务将开发者从繁琐的上下文切换和手工拼接中解放出来。上下文感知以整个项目目录为工作空间能基于现有代码结构进行决策生成代码的融合度更高。工具链集成通过技能机制可以无缝集成开发环境中的各种工具编译器、包管理器、版本控制等实现真正的“动手”操作。交互式协作通过ask_human技能可以在关键决策点如修改核心配置、进行破坏性操作请求人工确认平衡自动化与可控性。6.2 当前局限与“坑”模型依赖与成本智能体的“智商”完全取决于后端LLM的能力如GPT-4。复杂的任务会产生大量的提示词Prompt交互API调用成本不容忽视。使用性能较弱的模型可能导致规划不合理或代码质量低下。执行效率PEO循环意味着大量的LLM调用和文件IO。对于一个中等复杂度的任务完成时间可能是手动编写的数倍甚至数十倍。它更适合作为“加速器”而非“实时编码工具”。可靠性风险“幻觉”仍在LLM可能生成不存在的API或错误的语法。操作风险虽然会询问确认但智能体仍有误删或错误覆盖文件的理论风险。务必在Git管理的项目中使用确保所有更改可追溯、可回滚。复杂逻辑处理弱对于高度定制、涉及复杂业务逻辑或算法的问题智能体很难一次性生成正确方案可能需要多次人工干预和调试。学习与配置成本要高效使用Pink你需要学会如何给它下达清晰、准确的指令。模糊的指令会导致低效甚至错误的规划。6.3 最佳适用场景基于以上分析Pink目前最适合以下几类场景项目脚手架与模块初始化快速为一个新项目或新模块搭建基础结构如初始化用户系统、订单模块、配置中心客户端等。重复性样板代码生成生成符合项目规范的CRUD代码、DTO、Mapper等。依赖升级与迁移辅助分析现有代码辅助完成框架版本升级、依赖替换等涉及多文件修改的任务。探索与原型构建当你需要快速验证一个新技术或新想法时可以让Pink帮你快速搭建出可运行的原型。代码重构辅助例如将分散的常量提取到配置类或按照新的规范重命名一批文件。6.4 应避免或谨慎使用的场景核心业务逻辑开发涉及复杂状态机、分布式事务、高性能算法的核心代码。对稳定性要求极高的生产代码直接修改。没有版本控制Git的项目。网络或API不稳定的环境。7. 常见问题与排查指南在实际使用Pink时你可能会遇到以下问题。这里提供一份快速排查清单。问题现象可能原因排查步骤解决方案运行pink run时报错ModuleNotFoundError: No module named pinkPink未正确安装或虚拟环境未激活。1. 确认当前终端是否在Python虚拟环境中命令行提示符前是否有(venv)。2. 运行pip list | grep pink检查是否安装。1. 激活虚拟环境source venv/bin/activate。2. 重新安装pip install pink-agent。智能体执行命令如mvn compile失败但手动执行相同命令成功。1. 智能体未在正确的项目根目录下执行命令。2. 环境变量如JAVA_HOME在智能体会话中未设置。1. 检查智能体启动时的初始路径。2. 在智能体执行命令前通过ask_human让它先打印当前目录pwd。1. 确保在项目根目录启动pink run。2. 在启动Pink前在终端中正确设置所有必要的环境变量。智能体生成的代码编译通不过陷入死循环。1. LLM“幻觉”生成了错误语法或不存在的方法。2. 项目依赖缺失或版本冲突。1. 观察智能体的“观察”阶段看它捕获到的具体错误信息是什么。2. 检查它修改或创建的文件内容。1.人工干预直接输入指令让它停止当前循环或手动修复错误文件。2.细化指令在初始指令中明确要求使用特定版本依赖或语法规范。3.分步进行将大任务拆成几个小任务逐个验证。智能体似乎“卡住”了长时间没有输出。1. 正在等待LLM API响应可能网络超时或模型负载高。2. 陷入了复杂的规划循环。1. 等待几分钟观察是否有超时错误。2. 按CtrlC中断当前操作。1. 检查网络连接和API密钥状态。2. 尝试使用响应更快的模型如GPT-3.5-Turbo进行简单任务。3. 重启pink run会话。智能体想要执行危险操作如rm -rf。指令模糊或LLM做出了错误决策。在智能体使用ask_human请求确认时务必仔细阅读其计划。永远不要对不明确的危险操作说“yes”。可以输入“no”并给出更安全的替代指令。8. 最佳实践与工程建议要让Pink成为你得力的“副驾驶”而不仅仅是玩具请遵循以下实践建议始于Git在任何实质性操作前确保你的项目已初始化Git仓库并且当前更改已提交git commit。这是最重要的安全网。Pink的所有修改都可以通过git diff查看并通过git restore .一键回滚。指令清晰化明确范围指定要修改的文件或目录。例如“在src/main/java/com/example/service/目录下创建...”指定技术栈明确框架、库的版本和名称。例如“使用Spring Security 6.1.5 和 jjwt 0.11.5”。定义验收条件告诉智能体如何验证成功。例如“创建完成后请运行mvn test确保所有测试通过。”采用“分阶段、先验证”策略不要一开始就让它执行“重构整个项目”这种巨型任务。将大任务分解为有明确产出和验证点的小阶段。例如第一阶段只添加依赖和基础配置验证项目能启动第二阶段再生成实体和Repository。在每个阶段结束后手动运行一下编译或测试确认基础稳固后再继续。善用交互确认不要关闭ask_human功能。对于修改核心配置文件如application.yml、pom.xml、删除文件、运行安装脚本等操作让智能体停下来等你确认。这是防止“失控”的关键。管理API成本对于探索性任务可以先使用更经济的模型如GPT-3.5-Turbo进行初步规划和代码生成。对于最终需要高质量代码的任务再切换到GPT-4。关注Pink运行时的Token消耗日志如果提供了解成本分布。将其定位为“高级代码生成器执行器”调整你的预期。Pink不是AGI通用人工智能它是一个强大的自动化脚本工具其上限受限于背后的LLM和预设的技能。用它来放大你的效率而不是替代你的思考。最终的架构设计、代码审查和业务逻辑把关仍然需要你亲自完成。Pink所代表的“AI智能体协调复杂任务”范式已经清晰地展示了未来AI融入开发工作流的一种可能形态不再是简单的问答而是深度的、上下文感知的、具备一定自主行动能力的协作。它目前虽然还不成熟存在效率、成本和可靠性上的挑战但其架构方向具有启发性。对于开发者而言现在正是学习和体验这类工具的好时机。你不必急于将其应用于核心生产流程但完全可以将其用于项目初始化、生成样板代码、完成重复性重构等场景亲身感受其优势与边界。通过实践你不仅能掌握一个新工具更能培养出一种与AI智能体协同工作的新思维模式——如何清晰地定义任务、如何设置安全边界、如何有效地进行人机交互。这种能力或许比工具本身更为重要。建议你将本文作为一份实践手册收藏。当你下次面临一个繁琐但结构清晰的开发任务时不妨打开终端启动Pink给它一个清晰的指令观察它如何为你工作。你可能会惊喜地发现一些枯燥的“体力活”正在被悄然接管。