代码复杂度可能吞噬智能体提效收益
Adam Tornhill 主张通过改善代码健康度、智能体辅助重构和自动化护栏,提升 AI 开发的持续收益,并称健康代码可减少40%至45%的令牌消耗。他援引千余个开源项目的研究指出,早期速度收益可能随复杂度上升在两个月后消失。
AI 深度解读
代码越乱,AI 写代码可能越费 token,也越难把后续修改做对。Adam Tornhill 在 GOTO Copenhagen 演讲及 InfoQ 采访中提出:健康的代码库完成任务时,可以少消耗 40% 到 45% 的 token,但原文没有交代这项数据的完整实验条件。
对使用 AI 编程的团队,更有用的是他给出的工作方法:先测量代码质量,用可靠测试兜底,再让代理根据客观反馈持续重构。第一版交付得快,只是收益的起点。
为什么快两三倍,收益却可能两个月后消失
Tornhill 表示,AI 代理可以让任务完成速度提高到原来的两到三倍,还能减少阻塞和协调需求。但他引用的一项覆盖超过一千个开源项目的研究显示,最初几周观察到的速度收益,在两个月后消失了,伴随这一过程的是代码复杂度上升。
这两个说法并不矛盾。完成一次修改很快,不代表下一次修改仍然容易。代理生成的代码,也可能复杂到它自己无法可靠维护。
他把「代码健康度」定义为理解、修改和维护代码的难易程度。此前针对人类开发者的研究显示,健康代码可以让开发速度最高提升到十倍、缺陷风险降低十五倍、代码审查速度提升到两倍。这些数据研究的是人类开发,不能直接当作 AI 代理的效果证明。
Tornhill 还提出,软件项目 95% 的成本发生在首个版本之后。原文没有给出这一比例的统计口径,但它指向的问题很明确:评估 AI 编程,只看首次交付速度,会漏掉维护阶段的大量工作。
代码健康度不能只看格式和 lint
Tornhill 建议同时观察三个层次:
- 模块层面看职责是否内聚,也就是放在一起的代码是否围绕同一件事工作。
- 函数层面看代码块的设计,以及 API 是否清晰。
- 实现层面看是否存在偶然复杂度、过深嵌套和过量重复。所谓偶然复杂度,就是业务并不要求、却被实现方式额外引入的麻烦。
这些问题会影响理解代码需要跨越多少上下文,也会影响一次修改可能牵动多大范围。格式统一能让代码更整齐,却不能证明模块职责合理。
他报告,所分析代码库的平均健康度得分为 5.15,而适合 AI 工作的代码应从 9.5 起步。不过,原文没有说明评分量表、样本构成和阈值的验证方法。团队可以参考这些检查维度,暂时不宜把 9.5 当成通用验收线。
怎样让代理重构获得可验证的反馈
Tornhill 提出的流程,是先测量代码库并建立基线,再用可靠测试搭建安全网,随后把质量和结果反馈交给代理,反复迭代。
安全网包括 linting、测试覆盖率、变异测试和健康度指标。变异测试会刻意改动代码,检查测试能否发现这些变化,用来判断测试是否真的有识别错误的能力。这些工具可以通过本地 MCP 服务器或命令行提供给代理。
代理需要的是可检查的质量反馈,而不只是「请把代码写好」的要求。
在他描述的研究中,代理还被要求逐步积累适合当前代码库的重构 playbook,也就是把有效的重构模式沉淀成可复用指南。
相关结果颇有启发:Claude 在质量较差的代码库中,能够修复约一半的健康度问题;当代码健康度改善后,正确修复率反而降至 20%。接入通过 MCP 提供的健康度数据后,他报告所评估流程的修复率达到 90% 到 100%。
这些数字支持「反馈可能有帮助」,但还不足以单独证明 MCP 带来了提升。原文没有说明 Claude 的具体版本、任务数量,以及接入前后的任务和判断标准是否一致。
我的判断
我认可把质量检查接进代理工作流。它让团队有机会回答两个不同的问题:功能有没有被改坏,代码是否变得更容易维护。只检查测试通过,未必能回答后一个问题。
但 40% 到 45% 的 token 节省,以及 90% 到 100% 的修复率,都应保留实验边界。原文没有给出足够的对照数据,无法判断这些结果能否推广到一般团队。更少的 token 也不能直接等同于同等比例的总费用下降。
相比一次性让 AI 大规模重构,本文描述的迭代流程更便于检查结果;相比现有的 CI、测试和代码审查,它增加的是让代理主动读取反馈、据此继续修改的环节。MCP 是提供反馈的渠道,原文也明确允许使用命令行,团队不必为了实践这套方法先搭建 MCP。
另外,作者承认,模块质量的自动化检查进一步延伸到设计和架构层面,仍然是挑战。局部指标改善,不能替代架构判断。
能拿来做什么
- 在前端或 Node 项目中,先选一个经常修改、职责混杂的模块建立质量基线,再安排代理小步重构,逐次检查行为和结构变化。
- 把已有 lint、测试和质量报告的执行命令交给代理,并要求它读取失败原因后继续处理,让检查结果真正进入修改流程。
- 对关键逻辑补充可靠测试,必要时用变异测试检查测试的识错能力,再授权代理调整结构。
- 记录同类任务的 token 消耗、完成时间和返工情况,用自己代码库的数据判断重构是否改善了 AI 编程收益。