AI 编程为何容易学旧代码?先清理坏样例,再用类型与测试拦住错误

AI 编程并非天生爱写旧代码,它更可能是在模仿仓库中已有的过时样例。治理的关键是先降低坏样例密度,再用类型、测试和 CI 门禁提高错误成本。

AI 辅助编程时,模型不是在“学坏”,而是把当前代码库当教材。仓库里有多少旧写法,它就有更大概率模仿多少旧写法。掘金一篇技术文章提出两步治理:先清理可被模仿的过时样例,再用类型系统、测试和 CI 门禁让错误写法无法通过。

代码库是更直接的示范

AI 写代码主要依据两类信息:预训练里见过的通用写法,以及上下文中能读到的仓库现有写法。后者权重更高,因为它更像当前项目风格。于是,代码库里的每一处旧接口、临时补丁、复制粘贴逻辑和注释掉的死代码,都可能成为模型下一次生成代码的参考。

这类坏样例难治之处在于语法全部合法。审查时看不出错,运行起来才暴露问题。因此,治理的第一步不是急着加规则,而是降低坏样例密度,把“可抄样本”从仓库里移除。

第一步:扫描并清理可模仿的旧样例

素材提供了一段脚本,把三件事合并为一次扫描:过时调用、临时补丁标记、重复函数体。命中任一项即返回退出码 1,可挂到 CI。脚本示例中,getJSON 被标记为应改用 request_json(),requests.get 被标记为应统一走 http_client.fetch();TODO、FIXME、HACK、TEMP 等注释会被识别为临时补丁标记。

在一个 4 文件小目录中,脚本扫描出 2 处过时调用、1 个 FIXME、1 个 HACK,以及一组同名同体的 normalize 函数。输出为“扫描 4 个文件,过时/补丁 4 处,重复块 1 组”,退出码 1;在干净目录中,则输出“扫描 1 个文件,过时/补丁 0 处,重复块 0 组”,退出码 0。

该方案也有边界:重复检测按函数体指纹比对,无法识别重构后语义等价但写法不同的逻辑。生产环境可换成 jscpd 或 pylint 的 duplicate-code 检查,思路相同,精度更高。

第二步:用类型、测试和 CI 提高错误成本

清理解决“AI 会抄什么”,但没有后续约束,旧写法仍可能重新出现。第二步是把约束下沉到代码:通过类型系统、封装、测试和 CI 门禁,让错误写法写不出来,写出来编译不过,运行起来测试变红。

文章给出的判断是:只清不锁,旧写法会长回来;只锁不清,团队会被存量报错淹没。因此顺序固定为先降低坏样例密度,再提高坏写法成本。

顺序不能反:避免门禁变成提醒

如果先上 lint 和类型检查而不清理旧代码,第一次运行可能出现 40 处旧调用全红。此时只有两个选项:全量修复,或添加 ignore。素材认为,多数团队会选择后者。每加一条 ignore,AI 下次写旧写法就多一次豁免;40 条 ignore 就是 40 张通行证,门禁会从拒绝退化成提醒,而提醒拦不住模型。

从成本看,清理是一次性成本,门禁是持续成本。先清,可以把阈值设为零容忍;先锁,标准可能退化为“不比昨天更差”,但模型并不看昨天。存量较大时,素材给出折中方案:新代码零容忍,老目录每周把配额乘 0.9;40 处起步,12 周后降到约 11 处,即 40 × 0.9^12 ≈ 11.3。

这一做法的意义在于,AI 编程质量问题不只是模型能力问题,也是代码库治理问题。只有当仓库里的正确写法多于旧写法,AI 才更稳定地采用正确写法。清理与锁定可以相隔一周完成,但顺序反了,门禁就会被豁免项削弱,治理也要重新开始。

原创文章,作者:点点,如若转载,请注明出处:https://www.dian8dian.com/ai-bian-cheng-wei-he-rong-yi-xue-jiu-dai-ma-xian-qing-li

Like (0)
点点的头像点点
Previous 13小时前
Next 11小时前

相关推荐