后端工程师

本skill指导如何理解产品需求，实现后端服务功能，构建业务领域和数据处理逻辑。

何时使用本Skill

当后端工程师需要实现后端功能时使用，例如：

• "我是后端工程师，需要实现后端功能..."

• "我需要设计数据库和API..."

• "请帮我实现这个后端服务..."

核心职责

1. 需求理解

• 理解产品需求和功能规格

• 理解业务领域

• 理解业务流程

2. 业务实体识别

• 识别业务实体

• 分析实体关系

• 建立数据模型

3. 领域构建

• 构建业务领域模型

• 设计领域服务

• 设计领域事件

4. 后端服务实现

• 实现API接口

• 实现业务逻辑

• 实现数据处理

5. 数据持久化

• 设计数据库表结构

• 实现数据访问层

• 实现数据缓存

关键技能

后端技术

• 后端编程语言（Java/Python/Go/Node.js）

• 框架（Spring Boot/Django/Express）

• 数据库（MySQL/PostgreSQL/MongoDB）

业务建模能力

• 业务实体识别

• 业务领域建模

• 数据建模

架构能力

• 分层架构

• 领域驱动设计（DDD）

• 六边形架构

优化能力

• 性能优化

• 数据库优化

• 缓存优化

输入物

• 产品功能清单

• 功能规格说明

• 数据模型图

• API文档

交付物

• 后端服务代码

• API文档

• 数据库设计文档

• 后端文档

质量标准

• ✅ 功能实现完整

• ✅ 代码质量高

• ✅ 性能良好

• ✅ 符合架构要求

工作流程

• 需求接收：接收产品功能清单、功能规格说明、数据模型图

• 需求理解：深入理解产品需求和业务流程

• 业务分析：识别业务实体，建立数据模型

• 领域构建：构建业务领域模型

• 接口设计：设计API接口

• 服务实现：实现后端服务

• 数据持久化：设计数据库，实现数据访问层

• 性能优化：优化性能

• 测试验证：进行单元测试和集成测试

• 代码提交：提交代码，进行代码评审

工作流程图

graph LR A[功能规格] -->|需求理解| B[业务分析] B -->|实体识别| C[业务模型] C -->|DDD建模| D[领域驱动设计] D -->|API设计| E[API规格说明] E -->|服务实现| F[业务逻辑实现] F -->|数据库设计| G[表结构设计] G -->|数据访问层| H[ORM实现] H -->|缓存优化| I[缓存层] I -->|性能优化| J[查询优化] J -->|单元测试| K[测试覆盖] K -->|集成测试| L{通过?} L -->|是| M[代码评审] L -->|否| N[修复问题] N -->|调整| F M -->|合并| O[提交到测试]

协作关系

• 向上对接：产品专家、技术架构师

• 平行对接：前端工程师、测试人员

后端开发方法论

方法1: 领域驱动设计（DDD）

• 识别领域和子域

• 建立领域模型

• 设计聚合和实体

• 设计领域服务和事件

核心概念：

• 聚合：一致性边界，保证数据一致性

• 实体：有唯一标识的对象

• 值对象：无唯一标识的对象

• 领域服务：不属于特定实体或值对象的业务逻辑

• 领域事件：表示领域内发生的重要事件

方法2: 六边形架构

• 分离领域层和应用层

• 使用端口和适配器

• 解耦业务逻辑和外部依赖

层次结构：

• 领域层：业务逻辑、实体、值对象、领域服务

• 应用层：应用服务、用例、领域事件

• 适配器层：接口适配、持久化适配、消息适配

• 基础设施层：外部依赖、框架、工具

依赖方向：外部依赖 → 适配器层 → 应用层 → 领域层

方法3: RESTful API设计

• 使用RESTful风格

• 设计合理的资源路径

• 设计标准的HTTP方法

• 设计清晰的错误处理

HTTP方法：

• GET：获取资源

• POST：创建资源

• PUT：更新整个资源

• PATCH：部分更新资源

• DELETE：删除资源

数据库设计

数据库选择

• 关系型数据库（MySQL/PostgreSQL）：适合结构化数据、事务要求高的场景

• 文档型数据库（MongoDB）：适合非结构化数据、灵活schema的场景

• 缓存数据库（Redis）：适合缓存、会话存储的场景

表设计原则

• 规范化：遵循第三范式，避免数据冗余

• 索引：为查询字段创建索引

• 分表分库：大数据量时考虑分表分库

• 软删除：使用标记字段表示删除

常见误区

❌ 误区1: 只关注技术实现，不关注业务逻辑 ✅ 正确: 技术和业务并重，优先考虑业务逻辑

❌ 误区2: 不考虑性能，只关注功能实现 ✅ 正确: 在实现功能的同时考虑性能优化

❌ 误区3: 不考虑扩展性，只关注当前需求 ✅ 正确: 在设计时考虑系统的扩展性

成功案例

案例1: 报表导出功能后端实现

功能需求: 导出销售数据为Excel

实现步骤:

业务实体识别:

• 销售记录（SalesRecord）

• 产品（Product）

• 客户（Customer）

• 销售员（Salesperson）

领域构建:

• SalesRecord聚合（包含销售明细）

• ReportService（导出报表服务）

• ExportJob（导出任务）

API设计:

• POST /api/reports/export - 创建导出任务

• GET /api/reports/export/{jobId} - 查询导出任务状态

• GET /api/reports/export/{jobId}/download - 下载导出文件

服务实现:

• ReportService.exportSalesData() - 导出销售数据

• 导出参数验证（日期范围、产品分类、地区）

• 数据查询和过滤

• 数据转换为Excel

• 保存到文件服务器

异步处理:

• 使用消息队列处理导出任务

• 实现导出进度跟踪

• 实现导出完成通知

技术实现:

• 使用Java + Spring Boot

• 使用JPA进行数据访问

• 使用Apache POI生成Excel

• 使用RabbitMQ处理异步任务

• 使用Redis缓存查询结果

案例2: 搜索功能后端实现

功能需求: 产品搜索功能

实现步骤:

业务实体识别:

• 产品（Product）

• 产品分类（ProductCategory）

• 品牌（Brand）

领域构建:

• Product聚合

• SearchService（搜索服务）

• SuggestionService（搜索建议服务）

API设计:

• GET /api/search?q=keyword - 搜索产品

• GET /api/search/suggestions?q=keyword - 搜索建议

• GET /api/search/popular - 热门搜索

服务实现:

• SearchService.search() - 搜索产品

• 支持精准搜索和模糊搜索

• 支持多字段搜索（名称、SKU、规格）

• 支持排序和分页

性能优化:

• 使用Elasticsearch搜索引擎

• 实现搜索结果缓存

• 实现热门搜索缓存

技术实现:

• 使用Python + Django

• 使用Django ORM进行数据访问

• 使用Elasticsearch进行搜索

• 使用Redis缓存查询结果

• 使用Celery处理异步任务

使用指南

当用户说"我是后端工程师，需要实现后端功能..."时，按照以下步骤引导：

• 需求接收：接收产品功能清单、功能规格说明、数据模型图

• 需求理解：深入理解产品需求和业务流程

• 业务分析：识别业务实体，建立数据模型

• 领域构建：使用DDD方法构建业务领域模型

• 接口设计：设计RESTful API接口

• 服务实现：实现后端服务和业务逻辑

• 数据持久化：设计数据库，实现数据访问层

• 性能优化：优化数据库查询、实现缓存

• 测试验证：进行单元测试和集成测试

• 代码提交：提交代码，进行代码评审

输出质量检查清单

在提交后端代码之前，检查以下项目：

• 功能实现完整

• 代码质量高（遵循代码规范）

• 业务逻辑正确

• 数据库设计合理

• API设计规范

• 性能良好（查询优化、缓存）

• 错误处理完善

• 安全性考虑（SQL注入、XSS等）

• 单元测试覆盖率高