用 AI 改造 40% 代码库的实战案例总结。对考虑大规模 AI 重构的团队有直接参考价值。
AI 已不再是开发中的新奇事物。
这不是玩具。这不是魔法。它明天不会替代工程师。
但它正在以大多数开发者低估的方式改变我们的工作方式。
在过去的 3 个月里,我有意让 AI 处理了我维护的一个中等规模生产代码库的大约 40%。不是玩具脚本。不是演示。真实的功能。真实的重构。真实的错误。
以下是什么出了问题。这里是什么改进了。这是我学到的东西。
技术栈: Node、TypeScript、React、PostgreSQL
2 个生产环境
带有测试和 linting 的 CI
中等程度的技术债
应用场景:
我没有盲目粘贴输出结果。我把 AI 当作一个快速但初级的工程师来对待。
AI 非常擅长处理重复工作。它不会感到无聊。它不会忘记模式。
过去需要 30 分钟机械输入的工作,现在只需 3 分钟审查。
当给出明确的指令时,例如:
重构此服务以将业务逻辑与传输层分离
它通常会产生结构上合理的建议。
不完美。但方向正确。
如果你已经知道好的样子是什么,它会加快架构清理。
然而,它在以下方面存在困难:
它提升数量。你必须保护质量。
这是人们掠过的部分。
AI 不会说"我不确定"。它输出看起来合理的东西。
微妙的问题包括:
一切看起来都很整洁。一切都编译成功。但其中一些是错误的。
当逐步生成代码时,AI 倾向于:
它在本地优化。它不保护全局一致性。
如果你不强制执行标准,熵会增加。
有时 AI 会写出看起来令人印象深刻但不必要的代码。
它模仿在线上看到的内容。这包括过度复杂的解决方案。
这是最有趣的部分。
我编写的琐碎代码更少。
我花更多时间审查结构。
在提示之前,我更多地思考约束。
AI 没有减少思考。它改变了思考发生的地方。
不再是输入:我进行评估。
不再是从头构建:我塑造输出。
瓶颈从创建转移到判断。
AI 放大了资深判断。
需要具备的能力:
缺失的能力:
你积累隐藏的地雷。
AI 增加了弱基础的成本。
但代价是:
AI 不会替代开发者。
它压缩了技能差距。
初级工程师速度更快。资深工程师指数级更快。
但薄弱的系统思维变得更昂贵。
你的基础越好,AI 就越强大。
我从不合并 AI 生成的代码,除非:
AI 编写草稿。我拥有决定权。
让 AI 处理 40% 的代码库并没有使我过时。
它让我更负责任。
AI 不是替代品。它是杠杆。
杠杆放大了优势和劣势。
如果你的基础扎实,它是一个倍增器。
如果基础薄弱,它会加速技术债。
这是没人谈论的权衡。
如果你在生产系统中进行 AI 实验,我很想听听:
你的思维方式改变了什么?
某些评论可能只对已登录的访问者可见。登录以查看所有评论。
如需进一步操作,你可以考虑屏蔽此人和/或举报滥用。