用仓库证据判断模块该改还是该重写
用 AI 从代码和 Git 历史提取模块职责、调用关系、行为测试、变更记录和架构违规。稳定且测试充分的模块可以保留,局部冗余可小步清理,拟重写的模块先用测试锁定行为。
AI 深度解读
一个模块经常出 bug,文件也越写越长,该顺手清理、分步重构,还是干脆重写?作者给出的办法是先把决策范围缩到单个模块,查清它负责什么、谁在用、测试保住了哪些行为,以及过去 90 天的修改里有多少是在修 bug。
这套办法适合用在接手老代码或让 AI 参与改造之前。先看证据,再定改动幅度。真要重写,也要先用能跑通的测试锁住现有行为,把替换范围控制在一个模块内。
动手之前,先查清谁会被改动波及
作者团队用一套免费的 AI starter kit,把单个模块的六类信息放到一屏里。先读模块和调用方的代码,用两句话说清它的职责。再看模块有多大、对外暴露什么、依赖谁、哪些文件又依赖它。一个内部工具函数和一个被多个业务入口调用的共享模块,即使代码一样长,改错后的影响也可能差很多。
接下来查测试和 Git 历史。测试这边要看哪些用例覆盖了模块、测的是外部行为还是内部实现,以及大致覆盖了多少。历史这边统计过去 90 天改过多少次、其中多少次是修 bug、都有谁动过。修改频繁可能只是需求多,修复记录才更值得追进去看。
最后查架构规则和代码异味。认证、支付属于作者列出的高风险区域。循环导入、无人使用的导出、重复逻辑、超过 500 行的文件、嵌套很深的函数,都可以当作继续调查的线索。500 行是原文举的排查信号,单凭行数还定不了改造方案。
高风险模块缺测试,先把今天的行为跑一遍
作者要求先为现有行为补测试,并在旧实现上逐条跑通。这个顺序很重要。假如改完才补用例,测试容易跟着新实现写。即使用例全绿,也难以确认调用方依赖的旧行为有没有变。先在旧代码上通过,同一批测试才能给接下来的改动提供可比较的基线。
拿到这些信息后,可以先不动,也可以做局部清理,或在测试保护下逐步重构。作者把重写留给少数情况:模块多处违反架构规则、持续出 bug,而且已经有测试能验证必须保留的行为。整应用重写容易漏掉藏在旧实现里的历史修复。一次只替换一个模块,其余应用可以在替换过程中继续运行。
我的判断
我认同先查调用方、再决定改多大的顺序。常见做法是拿覆盖率和代码行数挑重构对象,做初筛很快。真要动共享模块,调用方和行为测试更能回答两个具体问题:哪些入口会受影响,哪些结果必须保持一致。旧行为里如果有已知缺陷,也应先明确这次是否要修,免得测试把它一并固定下来。
作者称 AI 能在几分钟内整理依赖关系、变更频率、修复提交和测试覆盖情况。这是经验之谈。原文没给仓库规模、识别准确率或人工对照数据,也没说明工具怎样预判改动会破坏什么。团队若习惯把修复和功能混在一次提交里,AI 归类出的修复次数就需要回看。动态加载或框架隐式注册的入口,也值得对照实际调用路径确认。
能拿来做什么
- 让 AI 先为准备改动的前端共享模块或 Node 模块整理一份单页报告,列出调用方、现有测试和过去 90 天的修复记录,并附上对应文件或提交,方便核对。
- 如果准备改动的模块涉及认证或支付,先挑调用方依赖的正常结果和失败分支补行为测试,在旧实现上逐条跑通,再开始修改。
- 如果最终选择重写,把本次范围限定为一个模块,让新实现跑同一批行为测试,再沿调用方核对这次替换的影响。