對應程式碼的圖表
Eraser 和 Whimsical 只能畫出漂亮的方框;你的工程師最後還是會做出符合截止日期的東西。Bob 的圖會真正變成 Alex 在程式碼庫中使用的檔案結構與模組邊界。
Bob·ArchitectBob 畫出系統、選定技術堆疊,並將架構交給 Alex,讓你的架構成為程式碼庫本身,而不是被遺忘的文件。
映射到程式碼的圖表,而不是漂亮的圖片。
Eraser 和 Whimsical 能畫出漂亮的方塊與箭頭,但你的工程師最後還是會做出趕得上截止日期的版本。Bob 的圖表會成為 Alex 實際採用的檔案結構與模組邊界。
「我們選 Mongo,因為它很紅。」Bob 會說明為什麼選 Postgres 而不是 Mongo、為什麼用 queue 而不是 direct calls、以及為什麼選 Redis 而不是 Memcached。這些推理都會被寫下來,讓你可以提出質疑。
wiki 上的圖表還停留在 sprint 1,程式碼卻已經來到 sprint 14。沒有人會更新任何一方讓兩者一致。Bob 會審查目前的系統,並更新架構文件,以反映實際已交付的內容。
效能、安全性與可觀測性,往往要等到第一次故障後才開始補救。Bob 會在設計階段就納入這些考量,結合 Emma 的規模需求,以及你的資料模型需要支援的存取模式。
從你的第一個提示詞到交付成果——這就是 Bob 的實際運作方式。
在編輯器中產生的服務、資料流與整合圖,而不是在另一個獨立工具中製作。
根據你的限制條件來論證堆疊選擇,而不是依流行趨勢或熟悉度決定。
根據產品實際的存取模式設計結構描述與關聯。
在設計階段就處理效能、安全性與可觀測性,而不是等到上線後才處理。
將架構決策及其理由記錄下來,讓未來的你可以再次檢視。
圖表可對應到 Alex 建置時使用的檔案結構與模組邊界。
Bob 可以審查現有系統,並以清楚的理由提出變更建議。
手動打造的工作流程緩慢、仰賴人工且工具繁雜。將滑鼠懸停在任一卡片上,查看為何每項提升都很重要。
正從 Eraser AI 轉來?以下就是 Bob 更勝一籌的地方。
Eraser 和 Whimsical 只能畫出漂亮的方框;你的工程師最後還是會做出符合截止日期的東西。Bob 的圖會真正變成 Alex 在程式碼庫中使用的檔案結構與模組邊界。
ChatGPT 會推薦它在訓練資料中最常見的框架。Bob 會解釋為什麼選 Postgres 而不是 Mongo,為什麼用佇列而不是直接呼叫,為什麼選 Redis 而不是 Memcached——並提供你可以質疑的理由,以及你可以重新檢視的決策。
Wiki 裡的圖表到了第 3 個衝刺週期就過時了。Bob 會審查實際程式碼,並根據已交付的內容更新架構——這樣文件就永遠不是虛構的,新工程師入職上手只需一天,而不是一個月。
| 功能 | Atoms 推薦 | Eraser AI |
|---|---|---|
| 輸出 | 可映射到程式碼的架構 | Wiki 中的圖表 |
| 有理有據的技術棧選擇 | 書面的權衡取捨 | 泛泛的建議 |
| 隨著程式碼交付保持同步 | 已根據程式碼庫更新 | 到第 3 個衝刺週期就過時了 |
| 連接到工程團隊 | 移交給 Alex | 透過匯出移交 |
| 圖表創作 | 自動產生 | 自動產生 |
Bob 並不是單獨工作。以下是你與完整團隊協作建置時,各項交接如何落地。
Bob 產出的具體架構工作,可對應到實際程式碼。
@Bob 為一個多租戶 SaaS 設計架構,需支援用量計費、預期 10k 個租戶,以及 Stripe Connect 付款分潤。請選擇技術堆疊、繪製服務架構圖,並將檔案結構交給 Alex。
@Bob 我們正在為新產品於 Postgres + Prisma 與 PlanetScale + Drizzle 之間做選擇。請根據我們的限制條件(多區域讀取、單一工程師、100ms p95)進行比較,並明確說明取捨後推薦其一。
@Bob 審查我們目前的 API 層。我們在 dashboard endpoint 上觀察到 800ms p95,並且希望將流量擴展到 10 倍。請找出瓶頸、提出變更方案,並為 Alex 撰寫遷移計畫。
@Bob 為 Emma 的 PRD 中的推薦計畫設計 schema。請針對我們實際會執行的查詢,整理實體、關聯與索引。並將 schema 與遷移計畫交給 Alex。
沒有任何一個智能體是單獨工作的。點選任一隊友,即可查看他們如何處理您產品中的那一部分。
受到來自以下地區客戶的信賴
別再畫那些沒人實作的圖表。讓 Bob 設計你的 AI Team 在 Atoms 內建置並持續同步的系統。