---
title: AI Coding 时代，好的编程习惯仍然重要
date: '2026-04-27 21:32:11'
draft: false
summary: 人觉得简单的重构，对 Agent 不一定简单。清晰的代码结构不只是方便人读，也是在降低 Coding Agent 的任务复杂度。
slug: ai-coding-good-programming-habits
syndication:
- platform: Weibo
  url: https://weibo.com/1648815335/QCN2dssTt
- platform: X / Twitter
  url: https://x.com/jolestar/status/2048777820047118806
tags:
- ai
- coding-agent
- software-engineering
topics:
- ai
- software-engineering
type: post
---

最近做一个 Agent benchmark，发现不能简单地用开发者视角来评估一个编程任务对 AI 的复杂度。

比如一个重构任务：把一个几千行的大文件，按功能拆成十多个小模块。

这个任务对开发者来说其实不算难，主要工作就是移动代码、整理 imports、编译验证，新手也能搞定。

所以想着用一个简单的任务来做一下 benchmark，结果却出乎意料。

Claude Code 判断这个任务比较大，尝试拆了一部分，提了个 PR 写了 Future work 打算分步来。

我自己的 Agent 是“硬上”，往完整拆分的方向推进了更多，但代价也很明显：Token 消耗是 Claude 的几十倍，后面大量时间都花在反复读文件、修编译错误、再读文件、再修错误上。

这让我意识到，人觉得简单的任务，对 Agent 不一定简单。

对人来说，这类重构很多时候就是“把这一段挪过去”。但对 Agent 来说，它要先分批读大文件，记住哪些函数和哪些测试有关，再生成一堆跨文件修改，最后通过编译错误一点点补洞。看起来像机械活，实际变成了一个高 Token、高状态管理成本的任务。

前一段时间看到有人说，AI Coding 时代，拆分模块这些编程原则没那么重要了，反正人也不看代码。现在看，我不太同意。模块边界清楚、文件粒度合适、依赖关系简单，不只是方便人读，也是在帮 Agent 降低任务复杂度。

从另一个角度看，现在 Agent 的读文件和改文件工具，对这种重构也不太顺手。

Coding Agent 改文件，主要还是文本替换。比如 Claude Code 常见的是 `old_string` / `new_string` 模式：先给出一段旧文本，再替换成新文本。Codex 常用的是 `apply_patch`：生成一个类似 git diff 的 patch，表达把旧的内容替换成新的。它们都适合小范围修改，但如果要删除一大段旧代码，或者把一批函数挪到别的文件，模型往往还是要先把原始内容读进上下文，再生成一大段替换或 diff。

所以我后来给 Agent 一个提示，让它先用脚本、sed、perl 这类工具把大文件粗拆开，直接把旧内容删掉，写到新文件中，然后再逐个慢慢修，它的完成度确实高了许多。Agent 默认不会这样做，主要是因为系统提示词里会强烈要求 Agent 用内置工具修改文件，而不是命令行工具。

再往前想一步，Coding Agent 可能还需要更高级的编辑工具。不是只给它一个“替换文本”的接口，而是先通过 parser、LSP 或 compiler 建立代码结构，让 Agent 可以像 IDE 一样做重构：移动函数，删除 impl block，整理 imports。不知道是否有朋友做这方面的尝试。

总的来说，即便是 AI Coding 时代，好的编程习惯还是有价值的。尽量在早期通过 harness engineering，把好的编程习惯变成 Agent 的默认工作方式，比后来再重构的成本要小很多。