ARTICLE · 人工智能
从胡言乱语到精准改代码：我是如何让 AI 读懂老项目的
一语总结本文分享作者在重构历史债务沉重的老项目时，如何通过 AGENTS.md 上下文工程与五步治理法，让 AI 从频繁误判变为能精准定位问题、主导方案的高效协作者。
文章分享作者在重构一个背负沉重历史债务的小程序教育平台时，如何通过「AI 上下文工程」让 AI 从频繁胡言乱语转变为能精准定位问题、主导技术方案的实践过程。作者认为 AI 与开发者的差距本质在于上下文知识不足，包括业务背景、历史文档、真实运行链路与架构设计意图。实践分为五步：清理不再起作用的代码、做减法简化过度设计架构、定规范约束边界、建设自动化测试工程（单测/E2E/视觉回归/MR 流水线）、将债务治理常态化。文章以真实项目为例，给出 OT 协同下线、WebIDE 架构遗留等问题案例，并附多期重构中 AI 角色的演进对比，最后强调落地执行、沟通提效、记录沉淀可交给 AI，唯独思考不可以。
- AI 在老项目表现差的核心原因是上下文不足，而非模型能力不够。
AI 与新加入的开发者面临同样困境：缺乏业务背景、运行现状、架构意图等上下文。给项目补充上下文信息，是让 AI 在历史债务项目中提效的关键转折点。
- 重构不仅是治理债务，更是把项目建设成 AI 可维护项目的过程。
在重构中逐步为 AI 沉淀足量上下文，使其能参与日常排障、功能迭代和架构优化，从而降低人与 AI 的协作成本。
- AI 上下文知识应就近落盘，根目录只保留索引。
通过根目录 AGENTS.md/CLAUDE.md 做知识索引，将可复用规则和结论就近沉淀到对应模块，并同步更新索引，做到同样的事只需跟 AI 强调一遍。
- 好的架构立足于现在，过度设计会积累难以清理的历史包袱。
以未落地的 OT 协同和 WebIDE 消息通信为例，为追求复杂度而增加的架构经过几轮不彻底重构后层层叠加成债务，需要主动做减法。
- 用自动化测试和 MR 的 AI 评审，让债务治理常态化。
单测/E2E/视觉回归流水线加上 MR 中的 AI 评审，确保已有功能不被改坏、新增功能遵循规范，把集中式专项改造变为日常开发的常规动作。
从胡言乱语到精准改代码：我是如何让 AI 读懂老项目的
文章分享作者在重构一个背负沉重历史债务的小程序教育平台时，如何通过「AI 上下文工程」让 AI 从频繁胡言乱语转变为能精准定位问题、主导技术方案的实践过程。作者认为 AI 与开发者的差距本质在于上下文知识不足，包括业务背景、历史文档、真实运行链路与架构设计意图。实践分为五步：清理不再起作用的代码、做减法简化过度设计架构、定规范约束边界、建设自动化测试工程（单测/E2E/视觉回归/MR 流水线）、将债务治理常态化。文章以真实项目为例，给出 OT 协同下线、WebIDE 架构遗留等问题案例，并附多期重构中 AI 角色的演进对比，最后强调落地执行、沟通提效、记录沉淀可交给 AI，唯独思考不可以。
文章金句
"落地执行、沟通提效、记录沉淀都可以交给 AI，唯独思考不可以
"架构设计之所以重要，不是因为它看起来高级，而是因为它能把复杂度压下来。
"同样的事情，应该只需要跟 AI 强调一遍即可
"好的架构必然是立足于现在，随着业务变动而调整的。