重构的经济效益
内容提要
该文探讨了AI代理编写代码时重构的经济效益。作者用Claude Code构建了一个15万行Rust应用，发现数据访问层文件膨胀至17,155行，导致后续修改消耗大量输入令牌。通过重构，同一任务的令牌消耗从159,564降至27,360，节省83%。实验表明，重构虽耗时约8小时，但能显著降低未来开发成本，且需人工引导AI进行有效重构。
延伸解读
重构的长期收益
实验表明，重构虽然耗时约8小时，但能显著降低后续开发的令牌消耗。同一任务的输入令牌从159,564降至27,360，节省83%。这种节省并非一次性，而是每次修改数据访问层时都会体现。因此，重构的投入可以在未来多次开发中持续回报，具有长期经济效益。
AI重构的局限性
作者发现，Claude在重构方面表现不佳，无法自主识别合适的重构方案，需要人工引导。此外，AI在应用重构时也常出错，例如跳过关键步骤或混淆缩进。这表明，尽管AI能编写代码，但在重构这类需要全局理解和规划的任务上，仍依赖人类的专业判断和干预。
重构节省的机制
令牌消耗的降低并非因为代码总量减少，而是因为AI代理能更精准地读取相关代码片段。重构后，文件被拆分为更小的模块，代理在修改时只需读取必要的部分，从而减少输入令牌。这提示我们，重构的目标不仅是减少代码行数，更是优化代码结构，使AI能高效定位和理解所需信息。
Q&A
为什么重构能带来经济效益？
重构能降低未来开发中AI代理读取代码所需的输入令牌数量，从而节省成本。文章中的实验显示，重构后同一任务的输入令牌从159,564降至27,360，节省了83%。
文章中提到的实验是如何设计的？
作者使用Claude Code构建了一个15万行Rust应用，发现数据访问层文件膨胀至17,155行。然后对文件进行逐步重构，每次重构后使用相同的提示词让AI代理执行相同的功能添加任务，测量输入令牌消耗。由于AI代理不会从之前的步骤中学习，实验可以准确比较重构前后的成本。
重构后令牌消耗减少了多少？
重构后，同一任务的输入令牌从159,564降至27,360，减少了132,204个令牌，节省了83%。
重构过程中AI的表现如何？
AI在重构方面表现不佳，需要人工引导。Claude Code无法自主识别合适的重构，而Claude.ai能提出更好的重构计划。此外，AI在应用重构时也容易出错，例如跳过关键步骤，需要人工干预。
重构花了多长时间？
整个实验耗时约8小时，大部分时间无需人工干预，但有一次在6小时40分钟时发现AI跳过了关键步骤，需要人工重定向。
重构的成本是多少？
文章没有给出精确的重构成本，但估计上限为500万令牌，包括制定重构计划、设计实验等。作者建议未来工作应更精确地计算重构消耗的令牌。
重构为什么能节省令牌？
重构后，AI代理能够更准确地识别需要读取的最小文件子集，从而减少读取的代码量。虽然总代码量变化不大，但文件被拆分成更小的模块，AI无需读取整个大文件，因此输入令牌大幅下降。
文章对未来的研究提出了哪些方向？
文章建议未来研究更复杂的变更、更广泛的重构、持续重构，以及不同重构方法的相对价值。此外，还应更精确地计算重构消耗的令牌。
