一、样品在实验室里流转最怕的不是量大而是不知道到哪了我在第三方检测机构负责实验室信息管理。外人看实验室觉得最头疼的是检测精度——但真正在一线待过的人都知道样品流转过程的失控才是管理成本的隐形杀手。一个样品从送检登记到最终归档中间要经历至少 5 个阶段登记、待检测、检测中、待复核、归档。以前我们靠纸质流转单配合 Excel 表格来管样品少的时候还能应付一旦碰上批量送检比如食品厂每月的例行抽检问题就暴露了登记完的样品没人分配检测任务在角落放了一周也没人发现检测结果超标了没有自动标记审核员要在几十个样品里挨个翻想查某个样品现在在哪个人手里、卡在哪个环节至少要问三个人。简单说就是信息有但散在各个环节里没人能一眼看全。所以我想做的其实不是一个大而全的 LIMS实验室信息管理系统而是一个聚焦于样品流转可视化追踪的轻量面板——谁登记、谁检测、谁复核、异常在哪里一张页面说清楚。二、成品首秀从工作台一张图看清所有样品状态最终做出来的系统叫 LabTrack首页工作台长这样顶部四张统计卡片分别展示样品总数、待检测数、待复核数和异常样品数中间是一条横向样品生命线五个阶段一目了然每个节点旁边标有当前存量下方左侧是今日待办清单右侧是最新登记的样品列表。登录进去第一眼看到的就是这张图不用翻任何菜单就能知道今天要做什么、哪些卡住了、哪些有异常。侧边栏包含了 9 个核心功能入口工作台总览、样品登记、样品列表、检测看板、检测记录、复核管理、异常追踪、报告管理、统计分析。每个页面都承担了样品流转中的一个关键角色视角。三、把检测流程拆成五段每一段都是一个状态机动手写代码之前我先在纸上画了一下业务流转路径。实验室样品追踪的核心其实不复杂就是一条直线型状态机但这条线背后每个节点都有明确的职责分工和触发条件阶段负责人触发条件关键动作待登记样品管理员样品送达实验室录入信息、选择检测项目待检测样品管理员分配检测人员指派检测工程师、设定优先级检测中检测工程师开始检测填写检测结果、自动比对标准范围待复核质量审核员检测结果提交审核异常项、确认或退回已归档质量审核员复核通过生成检测报告、数据归档样品列表页实现了按状态、分类、关键字的多维筛选。每一行样品的状态用不同颜色的徽章标识——灰色待登记、蓝色待检测、橙色检测中、红色待复核、绿色已归档——看颜色就知道当前卡在哪。四、飞算 JavaAI 的智能引导帮我从想法到工程4.1 Prompt 输入说清楚业务就行我打开 IDEA 右侧的飞算 JavaAI 插件面板选择智能引导。输入的需求是没有刻意堆专业术语就是把我上面画的流程用自然语言描述了一遍。4.2 AI 确认需求提取角色和功能模块AI 读了我的需求之后很快梳理出了三个核心角色和对应的功能域样品管理员样品登记、检测任务分配、样品信息管理检测工程师检测任务看板、检测结果录入、仪器数据关联质量审核员复核管理、异常处理、报告签发这个阶段最让我惊喜的是AI 主动问了一句样品是否需要区分加急和常规这个细节我第一次没写进去但确实在真实场景中很关键。4.3 接口与模型设计实体关系和 API 契约AI 生成了样品Sample、检测项目TestItem、检测结果TestResult、用户User等核心实体以及它们之间的关联关系。最关键的是它自动设计了一套状态枚举和状态转换约束保证了流转不能跳阶段比如不能从待登记直接到待复核。API 接口也一并生成了样品 CRUD、状态更新接口、检测结果录入、复核审核、统计查询等RESTful 风格路径命名干净。4.4 表结构设计DDL 和关联关系生成的表结构包含了外键约束、索引设计和状态字段的枚举定义。样品表用status字段 status_label来兼顾机器判断和前端展示检测结果表用ref_range和is_out_of_range字段来支持自动比对——这些都是我在 Prompt 里没有明写但 AI 根据自动比对标准范围这个意图推断出来的。4.5 生成计划和源码生成AI 把整个工程分成了前端 Vue 3 项目和后端 Spring Boot 项目并列出了完整的目录结构页面组件、路由配置、数据层、API 层。生成完成之后我直接导出了前后端两个工程。前端是 Vue 3 Pinia Vue Router后端是 Spring Boot MyBatis-Plus MySQL。骨架部分基本没修改直接跑起来了。五、核心页面设计意图不只是把数据列出来5.1 检测看板 — 拖拽流转的核心交互这是我最满意的一个页面。五个竖列对应五个样品状态每张卡片是一份样品卡片左上角显示编号、右上角显示紧急程度、底部显示负责人员和异常标记。卡片可以直接在同列拖拽调整顺序也可以跨列拖拽改变状态——比如检测员做完检测后直接把卡片从检测中拖到待复核。异常样品在卡片左侧有一条红色边框标记进入看板第一眼就能看到。5.2 复核管理 — 异常处理的工作流入口审核员在这里看到所有待复核的样品。点击复核按钮后弹出操作弹窗弹窗里逐项列出该样品的所有检测结果超出标准范围的项目用红色高亮。审核员可以选择复核通过并归档对于异常样品还可以选择退回重检——退回后样品状态回到待检测检测员会重新收到任务。5.3 异常追踪 — 专项管理超标样品这张表专门列出所有包含超标检测项的样品每条记录左侧用红色边框标记超标的具体项目和数值直接展示在列表中。点击处理按钮直接跳转到复核页面不需要记住编号再翻回去找。5.4 统计分析 — 数据可视化辅助决策统计页面用纯 CSS 实现了状态分布条形图、分类分布图、近 7 日检测趋势柱状图和一个 SVG 环形图。不用额外引入 ECharts 等图表库数据全部来自 Mock 层但布局和数据口径已经对齐真实业务——比如异常率的定义是有超标项的样品占总样品的比例。六、技术栈与职责对照这个项目虽然是一个 Demo 级的前端原型但整体的技术选型已经对齐了企业级的前后端分离架构层级技术组件在这个项目里解决什么问题前端框架Vue 3 Composition API组件化构建 10 个页面Composition API 让状态管理逻辑更集中路由Vue Router 49 个菜单页面的路由守卫、懒加载、嵌套路由布局状态管理Pinia跨页面的样品数据共享避免 props 层层传递构建工具Vite 5开发热更新、生产构建优化Mock 数据层自定义 mock-data.js模拟完整的后端 API32 条样品数据覆盖 5 种状态样式方案纯 CSS 自定义变量Ice Blue Tech 风格不依赖任何 UI 框架后端骨架Spring Boot MyBatis-PlusAI 生成的 API 层和 Mapper 层预留了真实数据库接入点我的原则是骨架由 AI 生成灵魂由开发者注入。AI 帮我把 80% 的工程化脚手架和样板代码写好了——路由配置、Store 定义、组件模板、Mock 数据格式——但我自己动手调整了状态流转的边界条件比如退回重检后不能直接归档、异常标记的触发逻辑、以及每个页面的排版布局和信息优先级。七、总结AI 加速了从想法到原型但业务判断还是得人来做这次做 LabTrack最大的感受是飞算 JavaAI 的智能引导在需求结构化上确实帮了大忙。以前做类似的项目我得先花半天搭工程脚手架、写路由、配 Store然后才敢开始想业务页面。现在 Prompt 写完、对话确认完需求工程骨架和接口定义已经自动生成好了我可以直接进入修改微调环节。但有几个地方 AI 做不到或者说做得不够好状态机的边界规则AI 知道样品有 5 个状态但退回重检后样品应该回到待检测还是检测中这种业务决策它不会替我做。页面信息优先级AI 生成的列表页把所有字段都展示出来了但实际使用中当前负责人和进入当前阶段的时间比送检方重要得多——这需要人对操作场景的理解来调整。异常处理的分支逻辑检测结果超标后是直接标记不合格还是要走一个异常评估流程不同实验室规则不同AI 只能给出通用方案。AI 负责把工程冷启动的成本降到最低但产品细节和业务逻辑的打磨还是得真正懂业务的人来把控。这话听起来像套话但做完了这个项目之后我是真的这么觉得的。本文参与「飞算 JavaAI 炫技赛」分享。由 JavaAI 免费版9.9 元/月提供代码生成支持。如果你对 AI 辅助开发或者 Java 项目提效感兴趣也可以试试飞算 JavaAI 的专家 Agent 工具支持多 Agent 面板和智能引导——你的下一个项目可能就从一次对话开始。#飞算JavaAI炫技赛 #AI编程 #Java开发 #Vue3 #实验室管理 #样品追踪 #技术分享