看优秀学生的程序，总是让人心情激动。

我班上的叶佳诚同学，在AI的辅助下，半个月撸了约1万4千行Java代码，参考Wireshark，写了一个网络流量监控App（名为NetPulseFX），集底层报文捕获、进程级流量追踪与生成式 AI 智能诊断于一体。

这个程序，功能实用，界面美观，交互方便，性能卓越。

以下摘自他写的文档：
===============================
6 本项目中AI技术及工具应用情况的介绍

AI不仅是本项目开发过程中提升开发效率、攻克技术难点的关键驱动力，更是软件核心功能的一部分。

（1） 开发过程中的 AI 辅助（生产力层面）

在代码编写与系统调试阶段，我深度应用了 Prompt Engineering（提示词工程），合理使用Gemini3+Cursor的组合，有效解决了多个复杂工程问题：

攻克“依赖地狱”：在处理 Apache POI 与 Pcap4j 的运行时冲突时，我向 Gemini3 提供了详细的 mvn dependency:tree 输出，其迅速定位了核心问题，并协助我制定了基于 Maven Shade Relocation 的“虚包”解决方案，并给出了专业的prompt供cursor执行，成功规避了类路径冲突。

复杂算法实现与优化：在实现“抓包即关联进程”的高性能映射算法时，Gemini3提供了基于 ConcurrentHashMap 的线程安全缓存方案，并协助我完成了对 netstat 指令跨平台输出的正则表达式解析逻辑。

自动化文档与注释：cursor 对 26 个 Java 类进行了自动化的 Javadoc 提取，协助我撰写了项目根目录下的多份 .md 格式技术文档，并通过Gemini3的润色，显著提升了项目的可读性和维护性。

（2） 软件功能中的 AI 集成（产品层面）

本程序将大语言模型（LLM）深度集成到网络数据分析中，实现了从“原始数据”到“自然语言情报”的跨越：

多模型策略架构：系统通过 AIService 实现了对 DeepSeek V3、Gemini 2.5 Pro 以及本地 Ollama (Llama 3) 的统一适配。用户可以根据使用环境和需求（如内网环境使用本地模型，云端分析使用高性能模型）灵活切换。

智能流量诊断算法：AI 组件接收由 TrafficMonitorTask 提取的流量特征。并通过预设的系统提示词（System Prompt）向用户指定的模型提问，判定是否存在 DDoS 攻击、端口扫描或隐蔽通道通信等风险。

Markdown 自动化报告渲染：AI 生成的诊断结论以标准的 Markdown 格式输出，系统利用内置的 Flexmark 引擎进行实时文本渲染，并支持一键导出为 PDF 。

（3） 对 AI 辅助编程的感悟与程序员未来思考

经历本项目的开发，我深刻领悟到了AI技术对于编程领域的强大变革，对 AI 与程序员的关系有了全新的认识：

AI 的辅助极大地缩短了程序员查阅文档和编写样板代码的时间。这是编程生产力的极大飞跃，推动着程序员的编程重心从“如何写代码”向“如何设计架构”和“如何精准描述问题（Prompting）”转变。例如，在解决版本依赖冲突问题时，Gemini3可以迅速定位问题核心并提出可行的解决方案，其效率是传统的搜索引擎查找解决方案的模式无法企及的，这极大的提升了小白解决复杂问题的能力。

目前大模型的训练模式仍存在一定的系统性问题，这使得AI 回答提供的内容并非完全准确（如本项目推荐的某些过时 API和AI版本，回答有时候无法切中问题的核心要害）。这要求程序员必须具备深厚的计算机基础知识（如 TCP/IP 协议栈、OS 线程模型），才能有效甄别AI的“幻觉”，在AI提供的多种方案中筛选出最稳定、最高效的路径。

一方面来说，AI 不会替代有创意的程序员。无论AI的回答多么精妙，它也始终无法超越工具的范畴，只是一种“高效率的工具”，是用来帮助程序员提高编程效率的；反之，当程序员失去了自身的创意，无论什么都离不开AI时，那就沦落为了AI的“奴隶”，被取代就是必然的。

另一方面来说，善用 AI 的程序员将替代不使用 AI 的程序员。AI之于程序员正如机器之于工人，AI对于编程效率有着几何级数般的提升，合理利用AI编写代码对于开发周期缩短比例不是5%，10%，而是200%，500%。

正如本项目的万行代码，若是在十年前，编写+排错对于开发小白来说可能要半年甚至更多，但在当下的AI时代仅需半个月。
============================
【教师】以下是他对整个项目完成之后的“复盘”
============================
8 个人小结及建议

经过前11周对 Java 编程理论的系统学习，以及后5周高强度的课程设计实践。我在一个学期的Java课程学习与实践中收获颇丰，这不仅是对我编程动手能力的全方位提升，还是对于心态的锤炼，也是我一次对于对AI时代编程新方式的探索。

在课堂上，多线程、JNI 调用和数据库是独立的知识点。但在项目实践中，我必须将 Java 21 的异步任务流（Task）、Pcap4j 的底层驱动调用以及 H2 数据库 的主从表关联有机结合。这不仅要求我对于各个知识点都有深刻的理解，还要求我有一定的调试能力，以及面对一行行报错时的“抗压能力”。

第7部分提到过本项目是第二选择，开发时间仅有半个月，这使得我的开发过程对于效率的极高要求使得我必须合理运用 AI 进行辅助开发。

看着AI“一秒十行”的输出能力和格式规范标准的代码，我感悟到，在 LLM 时代，程序员的核心竞争力已不再是枯燥的语法记忆，而是更高层次的思想创造力。

打个比方，在军事中，“将才”需要有优秀的战术和战役能力，但“帅才”则需要统筹全局的战略眼光，相交于前者，战略眼光更像是站在一个很高的地方俯瞰全局。而对于编程领域来说，AI可以是一个全能的“兵王”，是最优秀的将才，但只要程序员能够培养自己的战略眼光，成为一名“帅才”，那么无论如何也不会被AI替代，这里的战略眼光就是对于程序总体框架和功能的创造力与思维能力。

从结果来说，我在本次开发过程中犯过最大的错误就是草率地确定开发主题，这浪费了我半个月的宝贵时间，其中暴露出来的核心问题就是“战略眼光不足”，思考不够全面。此外，在后半个月里我几乎榨干了当下最新大模型的性能，这极大地丰富了我设计prompt的经验，也加强了我对于AI使用方式的正确认识。这一切使得我有信心能够去面对未来AI编程时代的一切挑战。

最后，感谢金老师开设的这门Java课程，不仅可以学到许多有用的编程知识，也可以好好地锻炼编程能力；感谢王邦源同学对于我选题和文档编写的帮助，使得我不再是“摸着石头过河”；当然，我也要感谢我自己，在遇到一次又一次报错时没有心灰意冷，而是一步一个脚印脚踏实地的实现了预想中的功能。

关于课程建议，AI对于编程的帮助是巨大的，我认为现在的大一学生已经有了学习本门课程的能力，那么是否可以考虑将课程推进到面向大一学生？这是我一点小小的思考。

=======================
教师点评：
没啥好说的。青出于蓝而胜于蓝。现在的年轻人，比我等老家伙强多了。