我让AI重构2000行屎山代码，咖啡没泡好它干完了

上周二下午三点多，我在终端里敲了 claude "帮我重构这个 2000 行的 Python 脚本"，然后起身去厨房搞了杯手冲。咖啡还没滤完，回来一看，它已经搞完了——重构、单元测试、还顺手修了个隐藏了三个月的边界条件 bug。

我端着杯子愣了几秒。

真变了。

先交代下：我用 Claude Code 大概三周，主要是日常搬砖用，偶尔周末拿它搭点 side project。不是什么"AI 取代程序员"的危言耸听，就是一个天天跟黑窗口打交道的人，对这种 agent 式编程的真实感受。

它到底是个啥

说白了，就是终端里的 AI 编程助手。没 UI，没侧边栏，就你熟悉的那个黑窗口，敲命令，它干活。

跟 Copilot 那种"你写着写着它帮你补下一行"的思路完全不同。Claude Code 是 agent 模式——你扔给它一个任务，它自己读文件、写代码、跑命令、看报错、改、再跑，循环到搞定。你就看着终端刷刷刷地输出，跟有个老练的同事在旁边 pair programming 似的。

我一开始挺怀疑的。之前用过几个 AI 编程工具，demo 看着贼炫，实际用起来连 import 路径都能搞错。但 Claude Code 第一个任务就把我震了。

案例一：七层 if-else 屎山

我手里有个祖传数据清洗脚本，1800 多行，核心逻辑嵌套了七层 if-else。每次改需求我都得先做心理建设，改完还得烧香。

在项目目录下敲了：

claude "重构 src/data_cleaner.py，把嵌套条件拆成策略模式，保持功能完全一致"

它先自己读了文件（终端里能看到它在跑 cat 和 grep），然后咔咔开写。大概三分钟后停下来，跟我说：原始逻辑里有个分支永远不会被触发，因为上层条件已经覆盖了，问我要不要干掉。

我当时就傻了。这段死代码躺了两年，我每次看到都隐隐觉得不对，但从没认真验证过。它自己发现了，还附上了逻辑推导。

最终输出：策略模式拆成 7 个类，每个类不超过 40 行，带完整单元测试。我跑了一遍，全绿。又用生产数据跑了 diff，输出完全一致。

说实话，我自己手写这套重构大概要一整天。它用了五分钟。

案例二：翻车——它偷偷改了我的 webpack 配置

当然不是每次都这么顺。第二周我让它给一个 Next.js 项目加暗色模式。

任务本身很简单，就加个主题切换。它改完组件、加好 context provider 之后，我习惯性 git diff 看了一眼——卧槽，它把我 next.config.js 里一段自定义 webpack 配置给改了。

等等，这里我要更正一下——不是"改"，是直接"优化"掉了。那段配置是我半年前为了兼容一个上古依赖库加的，注释里用大写英文写着 // DO NOT TOUCH - LEGACY DEPENDENCY。显然，Claude Code 不理解人类这种绝望的求生信号。

结果那个老依赖直接炸了，页面白屏。我花了一个多小时排查，最后 git bisect 才定位到是它这个改动。

教训：让它干活之前，一定先 git commit。它的"主动性"是双刃剑——能帮你发现隐藏 bug，也能在你不知情的情况下搞一些"它觉得对"的事。现在养成习惯了，每次让它干大事之前先提交，干完仔细 review diff。不提交就让它干活，等于把车钥匙给陌生人。

案例三：跨文件连锁改动

第三个场景让我真觉得这种 agent 模式有点东西。

我让它"把所有 API 路由的错误处理统一成新的 ErrorResponse 格式"。涉及 14 个路由文件，每个文件的错误处理写法还不太一样。

传统做法是我一个个文件打开改，边改边骂当初为什么不统一。或者写个脚本批量处理，但正则很难覆盖所有变体——有的用 res.status(500).json()，有的用 throw new Error()，有的自己封装了个错误处理函数，五花八门。

Claude Code 的做法：先 grep 出所有相关文件，逐个读，识别不同的错误处理模式，然后针对每种模式写替换逻辑，逐一改过去。改完自己跑了一遍 lint 和 type check。

有个文件里混了 GraphQL 和 REST 的错误处理，它居然识别出来了，只改了 REST 部分，GraphQL 的保持原样。这种上下文理解程度，我觉得比我预期的好不少。当然也可能是我预期太低了，毕竟之前被各种 AI 工具毒打过。

无界面的好与坏

好处很明显：快，轻，完全融入工作流。不用切浏览器、不用摸鼠标，就在终端里说完需求，切到别的窗口继续干活。它跑完了叫我一声。这种体验跟 IDE 插件完全不一样——它不打扰你，你不需要盯着它一行行写代码。

而且因为它是 agent 模式，会自己跑命令看结果。写完代码自己跑测试，测试挂了看报错、定位、修正、再跑。这个"自己检查自己"的闭环，让最终输出质量高了一大截。据我了解，它底层用的是 Claude 4 Sonnet（2025 年 5 月那个版本），代码能力确实比之前的版本强不少。

坏处也有：没有 diff 预览，至少目前版本没有。你只能事后 git diff 看它改了什么。有时候它一口气改太多文件，review 起来也挺累的。还有就是前面说的，偶尔会过度自信做一些不必要的改动。嗯...这个怎么说呢，有点像带了个技术很强但不太懂人情世故的 junior，得盯着点。

跟 Cursor / Copilot 的体验差异

三个我都用过，简单说下感受：

• **Copilot**：补全很溜，写代码时加速明显，但不会帮你做架构决策。适合"我知道要写什么，帮我快点写出来"的场景
• **Cursor**：交互式 AI 编程体验好，适合边写边问，UI 友好。我认识不少刚入行的朋友更喜欢这个
• **Claude Code**：适合"扔个任务然后走开"，终端原生，agent 能力强。但门槛高一点，得习惯命令行

我现在是组合用：日常写代码开着 Copilot 补全，需要大范围改动或探索性任务时切到 Claude Code。两者不冲突，各有所长。大概就是"加速器"和"副驾驶"的区别。

什么人适合用

如果你符合下面几条，大概率会喜欢：

• 每天大量时间泡在终端里
• 经常需要重构或跨文件改动
• 想省掉那些"知道怎么改但懒得动手"的重复劳动
• 不介意事后 review diff（甚至享受 code review 的过程）

如果你是刚入门的新手，可能 Cursor 那种带 UI 的交互方式更友好。毕竟 Claude Code 目前还是个命令行工具，有一定的使用门槛。而且说实话，如果你不太习惯看 diff、不太清楚它改了什么，可能会踩坑。

最后说两句

三周下来，Claude Code 已经进了我工具箱前三。它不是魔法，有时候会犯蠢，有时候会"过度优化"，但它在理解任务意图和自主闭环执行这两件事上的表现，让我愿意忍受那些小毛病。

AI 编程工具这一年进化太快了。从 2024 年初的代码补全，到年中 Cursor 那种对话式辅助，再到现在这种 agent 式执行——每次迭代都在重新定义"程序员的工作流"。2025 年 Anthropic 和 OpenAI 在这块的竞争也白热化了，对我们来说倒是好事。

我现在的感觉是：那些重复性的、机械的、不需要太多判断的编码工作，以后大概率会越来越依赖这类工具。但理解业务、做架构决策、review AI 产出的代码——这些事情反而变得更重要了。

真要说有什么遗憾的话，大概就是它还不能帮我写周报吧。

你试过 Claude Code 或者类似的 agent 编程工具吗？体验怎么样？有没有踩过什么有意思的坑？评论区聊聊，我泡好咖啡等着看。☕

#claudecode #ai编程 #开发工具 #效率提升 #程序员日常