背景：这一年多个人和公司的项目基本全用 AI CLI agent （ Claude Code / Codex 这类）写，单次会话的质量还行，但项目时间一长，腐化问题非常明显： 结构腐化：agent 倾向"就地新增"，几乎每个会话都可能造一份新的 utils / helpers / adapters ，重复实现越攒越多，到后期没人敢删； 文档腐化：README 、DESIGN 、总结类 markdown 越写越多，大量内容互相矛盾或早已过期，而且 AI 还喜欢每次再生成一份新的； 元数据腐化： AGENTS.md / CLAUDE.md 越来越长，规则开始互相打架，agent 反而不遵守； 一次性产物散落：调试脚本、测试输出、临时报告混进源码目录。 我自己试过的： 规则层： AGENTS.md 里写死 Quality Pipeline （ Review → Verify → Simplify 三关全过才许 commit ）+ "不做超出任务需要的重构"。对单次会话有效，挡不住长期漂移； 流程层：装了 Matt Pocock 的 grill → to-spec → to-tickets → implement 主链，靠"先 spec 再动手"从源头减少乱长。有改善，但 spec / tickets 本身又开始堆积成新的混乱源； skill 层：code-review / clean-code / simplify / improve-codebase-architecture 这类清理和审查 skill 。能发现问题，但执行还是靠 agent 自觉； 工具层：JS/TS 用 Knip 、Python 用 Vulture 检测死代码，agent 验证后再删。这条最稳，但只解决 code clean ，解决不了结构 / 文档层面的腐化。 也读过 Anthropic 的 AI-native SDLC playbook （ intent → spec → plan → diff → PR 工件链 + skill/hook/eval 三层控制），思路很好，但明显是给有平台工程团队的组织设计的，个人开发者照抄成本太高。 想请教： 长期跑 AI 编码的项目，结构 / 文档腐化你们是怎么治的？有没有固定的"项目定期体检"流程？ 有没有好用的产品开发 / 工程治理方向的 skill （ project clean / code clean ）推荐？ Claude Code 或通用 agent 的 skill 生态里有什么值得装的？ 文档生命周期管理有没有好方案？比如 spec / docs 过期自动归档、跟随代码同步更新之类。

  • 情报分类：技术学习与提效
  • 分类依据：内容涉及技术、AI、软件工具或工程实践
  • 信息来源：服务器 / V2EX
  • 发布时间：2026/10/10 11:26:06