利用大模型进行代码重构的实践经验

为什么要重构

学情追踪系统最初是在某个低代码平台上搭建的。功能能跑，但问题很多：

能跑 ≠ 能维护，能维护 ≠ 能扩展。 当系统需要独立部署时，重构就不可避免了。

把代码交给 AI，给它明确的指令：”检查所有 API 路由，列出缺少认证检查的接口，给出修改方案。”

AI 很快定位到：31 个 API 路由中，有 28 个完全没有认证校验。它帮我创建了统一的认证代理层（proxy.ts），把所有认证逻辑集中管理，而不是每个路由各写一套。

原始代码中 coze-coding-dev-sdk 在至少 5 个文件中被直接引用。我让 AI 分析所有引用点，然后逐个替换为独立的模块：

每个模块替换后立即测试，确保功能不受影响。

470 行的仪表盘组件 → 拆分为 4 个独立子组件。460 行的考试分析 API → 提取出通用的 LLM 调用辅助函数。

AI 做这种机械性的拆分非常高效——它会自动处理 props 传递、导入路径更新这些容易出错的细节。

给 AI 明确的约束条件。 不要说”优化这段代码”，而要说”把这个 470 行的组件按功能拆分成 4 个独立组件，每个不超过 150 行，保持所有现有功能不变。”

越具体，AI 的输出越靠谱。