从“算法”到“架构”：AI时代软件设计师的范式转移

# 设计模式：策略模式+工厂模式，让LLM可替换、可Mock
from abc import ABC, abstractmethod

class ReasoningEngine(ABC):
    @abstractmethod
    def infer(self, input: dict) -> dict:
        pass

class OpenAIImpl(ReasoningEngine):
    def infer(self, input: dict) -> dict:
        # 调用GPT-4
        pass

class MockImpl(ReasoningEngine):
    def infer(self, input: dict) -> dict:
        # 用于单元测试，返回确定性结果
        return {"result": "mocked"}

# 业务逻辑层仅依赖抽象接口，不依赖具体模型
class OrderService:
    def __init__(self, engine: ReasoningEngine):
        self.engine = engine

# Saga模式在AI任务中的应用：每一步都定义补偿操作
class OrderSaga:
    def create_order(self, order):
        try:
            step1 = self.reserve_inventory(order)      # 正向操作
            step2 = self.call_ai_risk_check(order)     # 概率性操作，可能超时
        except AITimeoutError:
            self.compensate_inventory(step1)           # 补偿：释放库存
            raise UserFriendlyError("风控审核超时，请稍后重试")

# 设计抽象：所有数据源统一为Connector接口
class DataConnector(ABC):
    @abstractmethod
    def fetch_updates(self, since: datetime) -> list[Document]:
        pass
    
    @abstractmethod
    def to_embeddable(self, doc: Document) -> list[Chunk]:
        pass

# 实现：MySQL连接器、Confluence连接器、S3连接器...
# 上层索引服务仅依赖此接口，新增数据源无需修改核心逻辑

# 装饰器模式：为所有Agent调用自动注入追踪
@trace(service="risk_agent", extract_params=["user_id", "amount"])
def call_risk_agent(context):
    # 自动记录：入参、耗时、Token消耗、模型版本、输出概要
    pass