在软件开发领域,如果说有什么务实的系统设计理念值得长期坚持,领域驱动设计(Domain-Driven Design,简称 DDD)无疑是其中之一。作为一个拥有二十多年研发经验的工程师,我更倾向于将 DDD 视为一种解决复杂业务系统结构设计的实用工具。它最核心的价值在于“收敛”——通过划分限界上下文,逼着团队将精力聚焦在特定业务边界内的对象特性与行为上。用合理的工程成本满足当前业务的需求。从本质上看,传统信息化时代我们所做的绝大多数信息系统,其实都是在这种“领域描述”的设计模式下,去解决某个特定边界内的局部应用问题。
强模式与单一领域的“舒适区”
面向特定领域开发的系统,其内部的领域对象通常有着明确的属性定义和行为。在技术落地时,我们天然习惯于使用支持强模式(Strong Schema)的关系型数据库来承载这些数据。在开发期就将字段、表结构和约束条件盖棺定论。这种确定性不仅能有效降低系统的开发难度,也能带来符合预期的并发性能和业务落地效果。
然而,这种长期的舒适,建立在一个常常被忽略的底层事实之上:我们在“领域描述”里精心构建的对象,往往只是那个客观实体在特定场景下的一个切面。真实世界中的核心业务概念,是随着企业技术手段和业务需求的提升,不断增加认知维度的。
概念本身通常保持稳定,但刻画它的维度却在随着业务演进而无限变化。
在常规的企业架构中,不同的职能部门各司其职,每个子系统都专注于其特定的“领域”。同一个业务实体,在不同的“领域描述”下会呈现出完全不同的切面:
- 人力资源系统在进行领域建模时,抽取的是“薪酬、绩效、工龄”等管理维度,组成了“员工”这个强模式对象;
- 医疗系统则需要抽取“血型、病史、过敏源”等生物维度,组成了“患者”这个强模式对象。
这种“领域描述”模式的合理性,在于它允许我们在特定的业务边界内,切断对其他无关维度的纠缠,只锁定当前业务关心的那几个字段,从而最大程度地降低开发和存储的复杂度。在过去,靠着系统和数据库的边界隔离,大家各管各的维度,互不干扰。
AI 时代的破局:跨系统多维数据的全局需求
然而,随着企业数字化走向深水区,特别是大语言模型引入后,企业跨系统应用 AI 的需求已经变成了现实的强刚需。
今天,单系统的局部优化(如用 AI 帮前台客服写个摘要、自动填个单据)已经无法带来更多的架构红利。企业真正迫切需要的能力,是让 AI 参与跨系统的全局复杂决策。
例如,AI 想要分析一个产品的全生命周期成本,系统需要同时调阅研发系统的设计维度、供应链系统的库存维度、以及财务系统的预算维度。
这时候,原本依靠边界隔离的舒适状态被打破,“领域描述”模式面临一个系统级的难题:散落在各个孤岛系统中的业务表,各自攥着同一个概念的不同维度,我们应该如何优雅地将这些跨系统、跨时代的维度整合在一起,提供给上层 AI 进行准确的全局推理?
如果此时系统设计依然沿用老路,仅仅关起门来在某个单一系统的代码里去打补丁,那它在跨系统 AI 面前,依然只是一个更时髦的、孤立的语义烟囱。
跨系统多维整合的三种常见技术局限
为了缝合这些散落在各个独立系统中的数据维度,…