小編精選 - 技術文章翻譯 · 05月24日

我用 AI 把公司 10 萬行程式碼屎山重構了，CTO 看了程式碼後說：你提前轉正

我用 AI 把公司 10 萬行程式碼屎山重構了，CTO 看完程式碼後說：你提前轉正

> 入職第一天，主管指著專案說：「這個訂單模組跑了五年，沒人敢大動。你試用期能加個小功能就行，別動別的。」 我不信邪，花了兩個月，用 AI 把這堆屎山一點一點鏟平了。程式碼行數砍了 40%，圈複雜度從 45 降到 8，上線一個月零 bug。CTO 在技術會上說：「這個模組過去是雷區，現在是示範區。」 他提前兩個月讓我轉正，還加了薪。

前言

每個程式設計師職業生涯中都會遇到一座「屎山」。可能是前任留下的，可能是一群實習生堆的，也可能是三年前的自己寫的（別不承認）。

我遇到的這座山，是一個老牌電商的後台訂單模組。檔案平均 1500 行，函式平均 200 行，縮排有的用空格有的用 Tab，註解全是「// fix」「// todo」「// 別動」。最經典的一個函式叫 doSomething()，裡面 switch-case 寫了 12 層，處理 12 種訂單狀態，每種狀態裡還有巢狀 if-else。

我想加一個新狀態，加了三天，改一處崩三處。第四天我崩潰了：這程式碼不是人寫的，是人挖的坑。

然後我決定：用 AI，把這堆屎山一點一點鏟平。

一、屎山有多毒？我列了張清單

開始之前，我先給這座山做了「體檢」：

指標	重構前	業界參考	嚴重程度
平均函式行數	187 行	< 30 行	🔴 嚴重
最大圈複雜度	45	< 10	🔴 嚴重
重複程式碼率	23%	< 5%	🟡 中等
註解覆蓋率	3%	> 20%	🔴 嚴重
單元測試覆蓋率	0%	> 70%	🔴 致命

沒有人敢動它，因為沒有人完全理解它。一個訂單狀態的修改，可能在 12 個 case 分支裡產生蝴蝶效應。

金句：屎山的可怕不在於它爛，而在於沒人敢承認它爛，更沒人敢碰它。

二、我的 AI 重構三步法

我沒有一次性推倒重來——那會死得很慘。我用 AI 分三步，每一步都確保功能不變，只改結構。

第一步：用 AI 補註解 + 生成文件

我選了一個最複雜的檔案 orderHandler.js（2200 行），整個丟給 Cursor 的 Composer，提示詞：

分析這個檔案，為每個函式生成 JSDoc 註解（包括參數、返回值、副作用說明），然後生成一個 README，畫出主要函式的呼叫關係圖。

AI 十幾秒後輸出：

每個函式前加了 @param、@returns、@throws
辨識出三個沒有被任何地方呼叫的「殭屍函式」
畫了一張 Mermaid 流程圖，清楚顯示了訂單狀態的流轉路徑

我拿著這張圖，第一次看懂了這座山的「地圖」。

第二步：用 AI 拆分長函式

最長的那個 processOrder 函式，400 行。我用 Cursor 選中它，輸入：

將這個函式按單一職責拆分成多個小函式，每個函式不超過 30 行。保持原有邏輯完全不變，不要改變外部介面。

AI 生成了 8 個小函式：validateOrder、calculateDiscount、checkInventory、createPaymentRecord……每個都帶清楚命名和註解。

我手動跑了回歸測試，全過。這一步，函式平均行數從 187 降到了 42。

第三步：用 AI 消除重複程式碼 + 抽象公共邏輯

AI 發現三處完全一樣的「價格計算」邏輯散落在不同檔案裡。我用重構工具提取成一個共享函式，AI 幫我自動改了所有呼叫處。

重複程式碼率從 23% 降到了 4%。

金句：AI 幫你寫程式不稀奇，AI 幫你刪程式才是真本事。

三、真實案例：一個隱藏了三年的 bug 被 AI 揪出來了

重構過程中，AI 注意到一段程式碼：

js 体驗AI代碼助手 代碼解讀複製代碼if (order.status === 'paid') {
  sendEmail(user);
  updateInventory(product);
}

但上面幾行還有一個 if (order.paid === true) 的判斷，兩個條件不完全等價。AI 在註解裡標註：

⚠️ 可疑：order.status 和 order.paid 似乎表示同一件事，但有兩個不同欄位。建議確認是否資料不一致導致 bug。

我查了歷史紀錄，果然三年前有人加了 paid 欄位，但舊程式碼還在用 status。偶爾因為非同步更新不同步，會出現「已付款但未出貨」的投訴。這個 bug 一直沒定位到，被 AI 一眼看出來了。

四、重構成果：數據不會騙人

指標	重構前	重構後	變化
總程式碼行數	10.2 萬	6.1 萬	↓ 40%
平均函式行數	187	32	↓ 83%
圈複雜度（最高）	45	8	↓ 82%
重複程式碼率	23%	4%	↓ 83%
單元測試覆蓋率	0%	68%	-
線上故障數（月均）	4.2	0.3	↓ 93%