当系统开始面对不确定输入、不确定协作对象、不确定业务演化速度时，
结构化消息 + 强耦合领域模型已经不再适合 AI 时代。
本文提出一种面向 AI 时代的领域驱动设计范式：DAD（Domain Actor Design），其核心系统单元是AI Actor。
一、从 Actor 模型说起：为什么领域需要 Actor
1️⃣ 经典 Actor 模型解决了什么
Actor 模型的基本原则很简单：
Actor 是独立执行单元
只通过消息通信
内部状态对外不可见
消息进入邮箱（Mailbox），串行处理
它解决的是两个老问题：
并发下的共享状态复杂性
组件之间的直接方法调用耦合
Actor 不关心“谁调用我”，
只关心“我收到了什么消息”。
2️⃣ 传统 DDD + 消息的问题并没有真正消失
在现实系统中，即便你引入了消息：
消息仍然是强结构化的 DTO
接收方必须精确知道结构
发送方必须知道对方能处理什么结构
结果是：
领域对象之间的耦合，从方法调用，转移成了消息结构耦合
这在系统规模变大后，会产生三个致命问题：
消息结构成了隐形契约
跨领域演化成本极高
系统无法容忍“不完美消息”
二、DAD 的核心单元：AI Actor
在 DAD 中，领域的最小自治单元不是 Aggregate，而是 AI Actor。
AI Actor =Agent + MCP 领域服务
这不是概念拆分，而是职责强制隔离。
三、AI Actor 的两个组成部分
1️⃣ Agent：语义层、边界层、对话层
Agent不做领域业务，只做三件事：
✅ 1. 语义解析与校验（前置）
接收外部消息（通常是 JSON）
判断：
对方想干什么
信息是否语义完整
是否符合当前 Actor 的能力边界
消息“结构正确”≠“语义合法”
如果不合法：
直接返回语义化错误
不会进入邮箱
不会污染领域状态
👉 这一步的意义非常关键：
Mailbox 里只能放“可以被处理的意图”
✅ 2. 意图映射为领域命令
通过 Agent：
将模糊或多样的请求
→ 映射为Actor 内部可识别的领域命令
此时才进入 Actor 的Mailbox 排队处理。
✅ 3. 结果语义化与对外表达（后置）
当领域处理完成后：
MCP 只返回领域结果
Agent 负责：
翻译结果
解释状态变化
构造对外的语义响应消息
MCP 不知道“对方是谁”
Agent 决定“如何把结果讲清楚”
2️⃣ MCP 领域服务：确定性、可追溯、可演化
MCP（Model Context Protocol）领域服务的特点是：
只处理确定的领域命令
不解析语义
不做 IO 协议适配
不关心消息来源
它只关注三件事：
当前状态
输入命令
状态如何变化
四、为什么 MCP 必须配合事件溯源存储
1️⃣ 传统 DDD 存储的问题
传统做法是：
聚合根 → ORM → 表
状态是“当前快照”
问题在 AI 时代被放大了：
无法解释“为什么会变成现在这样”
无法回放 Agent 决策上下文
无法支持模型迭代后的再推演
2️⃣ 事件溯源是 AI Actor 的天然存储方式
在 DAD 中：
状态 = 事件序列的结果
每一次 MCP 执行：
消费一个命令
产生一组领域事件
事件记录的是：
发生了什么
在什么上下文下发生
Actor 的状态如何演进
👉 这带来三个直接收益：
完整决策可追溯
支持 AI 逻辑重放 / 校正
代码与数据逐步融合
五、AI Actor 的完整消息处理流程（重点）
下面是完整、闭环、不缺角色的流程。
🔁 AI Actor 消息处理生命周期
① 消息到达 Actor 边界
来自用户 Actor
来自其他领域 Actor
来自外部系统
形式可能是 JSON，但不是结构校验阶段
② Agent 进行语义解析与校验（前置关卡）
Agent 判断：
意图是否明确
参数是否语义完整
是否在当前 Actor 的职责范围内
❌ 不合格：
直接返回语义错误
说明：
缺什么
错在哪里
应该如何修正
✅ 合格：
生成标准化领域命令
③ 命令进入 Mailbox 排队
此时进入的是：
“已被理解、已被验证的意图”
Mailbox 保证：
串行
可持久化
Actor 重启不丢失
④ MCP 领域服务执行命令
读取当前状态（由事件还原）
执行业务规则
产生新的领域事件
⑤ 事件持久化（事件溯源）
事件写入存储
Actor 状态更新
⑥ MCP 返回执行结果给 Agent
这里只是领域结果，不包含对外语义。
⑦ Agent 语义化结果并返回消息
Agent：
将结果转换为对方能理解的语义消息
可以是：
成功解释
状态变化说明
后续建议操作
六、DAD 的本质变化
| 传统 DDD | DAD |
|---|---|
| 方法调用 | 语义消息 |
| DTO 耦合 | 意图解耦 |
| 聚合根为中心 | Actor 为中心 |
| 状态快照 | 事件溯源 |
| 应用层编排 | Actor 自治 |
七、总结一句话
AI Actor 并不是“加了 AI 的 Actor”，
而是让“理解”成为系统的一等公民。
Agent 负责理解、校验、表达
MCP 负责确定性领域演化
事件溯源负责记忆与可追溯性
这，才是AI 时代的领域驱动设计：DAD。
)
