1. 背景与结论

自从ChatGPT o1-preview放出来，在网上时不时看到介绍说这模型会思考，武力值爆棚。于是就试试。

结论：武力值的确是爆棚，起码理解设计意图，写代码，快速定位并解决问题的能力，远超一般程序员，起码超过我身边90%以上的中高级程序员。之所以限定中高级程序员，因为再往上还有架构能力我还无法测试验证，无法给出答案。

这个流程引擎适合处理支付业务，驱动完成类似下面这样的配置：

whenOrderState(CommonOrderState.INIT) // 初始条件：主单状态INIT
.onEvent(CommonEvent.CREATE) // 触发事件：创建
.transitionOrderStateTo(CommonOrderState.PROCESS) // 推进到：支付中
.request(CommonOperation.PAY) // 操作：外发银行
   .when("subOrder.currentState == SubOrderState.S") // 银行返回成功推进主单成功
      .transitionOrderStateTo(CommonOrderState.SUCCESS)
   .when("subOrder.currentState == SubOrderState.F") // 银行返回失败推进主单失败
      .transitionOrderStateTo(CommonOrderState.FAIL)
   .when("subOrder.currentState == SubOrderState.U && subOrder.webForm != null") // 推进发消息
      .notifyNode();

在知名的测试Mock框架Mockito中，我们这样使用：

when(mockedList.get(0)).thenReturn("first element");

在java的流式代码中，我们这样使用：

names.stream().filter(name -> name.startsWith("A"))
.collect(Collectors.toList());

在jQuery中，我们这样使用（很多年前我也写JQuery）：

$('#element').css('color', 'red').show() 
.click(function() { alert('Clicked!'); });

所有以上这些都有一个共同的特点：链式调用。

链式调用有个好处：非常接近自然语言，容易理解。如果扩展一下，专门针对支付领域定制几个专用的语法，既可减少出错可能性，又能提高效率。

为什么不使用像Activiti、jBPM、liteflow这样成熟的流程引擎框架?原因在后面有详细说明。

2. 效果

核心代码99%都是ChatGPT生成，基本没有动。运行报错就把错误信息扔给GPT，都是秒定位，秒修复。

如果需要生成的源代码，请参考“结束语”部分。

支付成功测试：

支付失败测试：

自动生成的JAVA代码：

自动生成的测试用例：

其中一个测试方法示例：

3. 提示词

提供一篇提示词，可直接用于ChatGPT生成所有流程引擎代码，生成内容包括：可直接运行的核心代码，测试代码，常用配置等。生成的代码规范性和可读性都非常高。

这篇文章最有价值的就是这篇提示词。我先做了N轮对话，在生成了完整的可运行代码并验证通过后，再让ChatGPT根据我和它的交互，由它生成一份提示词给我，再做了几次调整后，发起多轮新的独立对话（没有使用以前的上下文）验证基本可行。

需要留意一点：AI每次生成的都不一样，所以仍然可能需要调整，如何调整参考后面的调优说明。

完整提示词如下，有点长，基本就是用自然语言写一篇设计。

=============提示词开始=============

提示：

角色：你是一位支付领域的java技术专家，同时精通java，架构设计知识，领域驱动设计知识，设计模式知识，代码简洁之道知识，DSL，支付业务，与外部银行渠道的交互流程。

任务：请帮助我根据以下详细要求，生成一个流程引擎项目的完整Java代码。

任务概述：

详细要求：

流程引擎采用DSL设计思路。比如java的流式处理，或者Mockitor的测试条件处理等。

流程引擎脚本涉及的关键字：

流程引擎脚本配置：

groovy脚本支持：包、类、导入和代码规范：模型：枚举：FlowContext 和GatewayCallbackContext：AbstractConfig 和 配置实现类：处理节点：处理器和服务：日志：测试：代码质量：

注意： 请提供所有类的完整代码，包括包声明、导入语句、类定义、方法，以及任何必要的辅助类或接口。确保代码是自包含的，不依赖于标准Java库和常用框架（如Spring）之外的外部依赖，如果有，需要给出maven配置，比如groovy，junit等。

示例结构：

指示：

=============提示词结束=============

4. 调优

因为AI每次生成的东西都或多或少有一些不一样，所以需要调优，直到满足自己的设计意图为止。

好在调优不需要自己写代码，直接把想做的，想优化的，或者出错信息给ChatGPT，基本都是秒定位，秒解决。

还会给出思考过程，比如：

5. 为何重复造流程引擎的轮子

一是我乐意，可以学点新东西。二是这个轮子核心代码只有几百行，极其轻量级。三是在支付系统中，流程编排随处可见，比如调用外部的渠道进行支付。而市场上的流程引擎因为考虑通用性，配置都较为复杂。像Activiti、jBPM、liteflow都试用过。

Activiti和jBPM：配置文件非常繁琐。

liteflow：配置文件很简单，但是配置上只知道节点的流转，核心业务逻辑在代码里面，比如什么条件下推进到成功。

下面是一个支付流程编排图：

想要这样的配置：

whenOrderState(CommonOrderState.INIT) // 初始条件：主单状态INIT
.onEvent(CommonEvent.CREATE) // 触发事件：创建
.transitionOrderStateTo(CommonOrderState.PROCESS) // 推进到：支付中
.request(CommonOperation.PAY) // 操作：外发银行
   .when("subOrder.currentState == SubOrderState.S") // 银行返回成功推进主单成功
      .transitionOrderStateTo(CommonOrderState.SUCCESS)
   .when("subOrder.currentState == SubOrderState.F") // 银行返回失败推进主单失败
      .transitionOrderStateTo(CommonOrderState.FAIL)
   .when("subOrder.currentState == SubOrderState.U && subOrder.webForm != null") // 推进发消息
      .notifyNode();

通过这个配置，知道初始状态，触发条件，如何推进。

Activiti和jBPM类似，配置差不多长这样：

liteflow大概长这样：

配置简单，但是需要配合代码才知道怎么做了推进。无法在配置上看清楚，如何怎么推进到成功。

6. 结束语

如果要我说说感想，我只能说，AI的发展是“日新月异”。

我不知道AI后面会不会让我丢了工作，起码目前为止，我们需要好好利用AI来提高工作效率，多一些工作产出，倒是更现实一点。

最后想重复提一句，ChatGPT的o1-preview真是强到离谱，文章中涉及的代码99%都是AI生成的，我基本只描述需求，ChatGPT生成代码，我拿到代码去跑一下，跑不过就把错误信息抛给GPT，如果跑得过但是觉得设计不好，也再提需求。基本都是秒解决，还给出详细分析。

如果对GPT生成的源代码有兴趣，请留言或私信我。

这是《图解支付系统设计与实现》专栏系列文章中的番外第（2）篇。 欢迎关注公众号“ 隐墨星辰 ”，和我一起深入解码支付系统设计与实现的方方面面。