为什么你的 Claude 正在把代码写成“屎山”?——揭秘 AI 编程的“近视眼”缺陷

Claude Code与Codex:2025年AI编程双雄的实战场景与选型指南 本文对比分析了2025年AI编程工具Claude Code与Codex的核心优势与适用场景。Claude Code擅长复杂系统重构和全局代码理解,而Codex在快速原型开发和即时编程任务中表现卓越。文章提供了详细的选型指南,帮助开发者根据项目需求选择最适合的AI编程工具,提升开发效率。 阅读详情

为什么你的 Claude 正在把代码写成“屎山”?——揭秘 AI 编程的“近视眼”缺陷

目标读者:深度使用 Claude/GPT 进行开发的工程师、技术负责人、架构师
核心价值:揭示大模型在大型代码库中的“近视”缺陷,提供基于架构地图和外部记忆的工程化解决方案,避免项目腐化。
阅读时间:8 分钟

[一句话摘要]
Claude 代码写得再好也是“近视眼”,不懂全局架构只会让代码库由于重复造轮子而日渐臃肿;建立架构地图和外部记忆系统,是驾驭 AI 编程的必经之路。

在这里插入图片描述

引言:当“降维打击”变成“降智打击”

Claude 在编程领域的能力有目共睹。对于许多开发者来说,从 GPT 切换到 Claude 感觉就像是一次“降维打击”——它生成的代码更精准、更符合直觉,甚至能处理极其复杂的逻辑。

然而,随着蜜月期的结束,很多重度使用者开始察觉到一丝不对劲。

你的代码库似乎在变“胖”。同样的功能逻辑,在 UserHeader.tsx 里写了一遍,在 ProfilePage.tsx 里又出现了一遍。当你试图修改一个通用的样式时,发现需要改动七八个地方,而且每个地方的实现细节还略有不同。

这并非因为 Claude 变笨了,而是因为我们忽略了一个致命的真相:这位天才程序员,本质上是个高度近视眼。

1. 致命的“管中窥豹”:Claude 是如何看代码的

为什么说它是近视眼?因为 Claude 从来都看不到你代码库的全貌。

搜索的局限性

当你把整个项目目录丢给它(或者它通过工具读取文件)时,它并不是像人类资深工程师那样,先在脑海中建立一个“Controller -> Service -> Repository”的立体架构图。

相反,它高度依赖“关键词搜索”(grep)。

当你要修一个 Bug 或加一个功能时,它会搜索相关的关键词。一旦 grep 返回了几个看起来和描述相符的代码片段,它的“认知闭环”往往就此完成。

“找到即停止”的惰性

社区讨论中揭示了一个深刻的观察:这不仅仅是上下文窗口(Context Window)大小的问题,而是模型本身被训练成的行为模式——找到相关内容就停止搜索。

它不会主动去想:“这是不是已经在 utils 文件夹里封装过了?”或者“这个逻辑是不是应该属于 AuthService?”。它只看到了眼前的这几行代码,于是就在这里,就地解决。

结果就是:局部最优,全局崩坏。

在这里插入图片描述

2. 真实案例:那个被复制的“快捷键”

让我们看一个真实的“翻车”现场。

有一位开发者让 Claude 给界面上的一个按钮添加键盘快捷键支持。这听起来是个再简单不过的任务。Claude 迅速给出了代码,完美运行,任务结束。

但几周后,当产品经理要求修改按钮的点击行为时,Bug 出现了:点击按钮有效,但按快捷键却是旧的逻辑。

发生了什么?

原来,Claude 在添加快捷键时,并没有调用那个按钮已有的 handleClick 函数。因为它在搜索代码时,看到了按钮的逻辑,于是直接把那段逻辑复制了一份放到了键盘事件监听器里。

它“重新发明”了按钮的处理逻辑。

随着代码库的膨胀,这种“隐形重复”会像癌细胞一样扩散。如果不加以控制,你最终会得到一个由无数个微小的、互不相关的、却又功能雷同的“轮子”组成的代码屎山。

3. 破局之道:构建“外部记忆”与“架构地图”

既然 AI 是“近视眼”,我们就不能只把它当画笔,我们必须做握笔的手。我们需要给这位天才配备一副“眼镜”,甚至是一张“导航图”。

方案一:绘制“代码架构地图” (The Architecture Map)

这是目前最有效的解法之一。不要指望 AI 自己悟出架构,你要显式地告诉它。

创建一个专门的文档(例如 ARCHITECTURE.md),在里面清晰地定义:

  • 主要子系统:哪些是核心业务,哪些是基础设施。
  • 职责划分:什么逻辑必须进 Service 层,什么逻辑只能在 UI 层。
  • 共享服务:列出已有的工具类、公共组件、通用 Hook。
  • 禁区:明确列出“不要重复实现 X 功能,请使用 Y 模块”。

代码库越大,使用者对整体结构的理解就越关键。

要求 Claude 在每次开始任务前,先阅读这张地图。这相当于在它行动前,先给它加载了一个“全局导航”。

方案二:CLAUDE.md 协议

许多开发者开始在项目根目录维护一个 CLAUDE.md 文件。这不仅是文档,更是给 AI 的操作手册。

在这个文件中,预先定义:

  • 项目结构树。
  • 关键设计模式(Design Patterns)。
  • 必须遵守的编码规范。
  • “哪些东西绝对不能重复实现”。

这就像是给 AI 设定了“元指令”(System Prompt),让它在生成代码时时刻受到约束。

在这里插入图片描述

方案三:活的文档体系

用 Mermaid 图表展示应用模块的连接关系,在每个主要文件夹下放置 README.md。

更重要的是,你需要建立一种机制(或者自动化脚本),确保这些文档是“活”的。过期的地图比没有地图更可怕。开发者分享了一种做法:定期安排“停下来清理”的时间。

这不是写代码的时间,而是专门用来:

  1. 检查文档是否通过。
  2. 合并 AI 产生的重复代码。
  3. 更新架构地图。

4. 人类的角色:从“搬砖”到“园丁”

这场关于 Claude “近视眼”的讨论,揭示了一个更深层的认知转变。

AI 写代码越强,并不意味着人可以越懒。相反,人需要变得更“高阶”。

以前,我们是砌砖的工人,关注每一行代码的语法;现在,我们需要成为园丁或建筑师。我们的核心职责不再是产出代码,而是维护系统的“熵”。

你需要具备更强的架构思维和全局视野。因为 AI 倾向于增加系统的无序度(熵增),而只有拥有全局观的人类,才能通过强制的结构化约束,将系统拉回到有序状态。

AI 是引擎,但架构图是方向盘。没有方向盘的引擎,只会带着你以最快的速度冲向悬崖。

在这里插入图片描述

总结

Claude 的短板,恰恰是人类工程师不可替代的价值所在。

不要因为 AI 的强大而通过“外包思维”完全放手。建立外部记忆系统,维护清晰的架构地图,并定期进行代码“大扫除”。只有这样,你才能真正驾驭这个强大的工具,而不是被它制造的繁华表象所淹没。

记住,最好的代码助手,需要最清醒的架构师。

参考

本文核心观点归纳自社区关于 AI 辅助编程局限性的深度讨论,特别是关于上下文感知与 grep 搜索模式的分析。

老程序员用Claude Code重构车载空调模块实战 在软件工程实践中,代码重构与接口测试是保障系统可维护性与可靠性的核心环节。理解遗留系统结构、识别高危耦合点、实现跨模块数据流追踪,是重构成功的关键前提。随着大模型技术深入开发工作流,具备工程上下文感知能力的AI工具正成为开发者理解复杂系统、自动化生成符合架构规范代码的重要协作者。本文聚焦车载嵌入式场景,以真实2500行‘祖传’Java类为对象,详解如何借助Claude Code完成类职责解耦、Clean Architecture分层迁移及全链路回归验证,覆盖从代码考古、架构建模到渐进式交付的完整工程闭环,为 阅读详情

相关推荐

落地 AI 编程工作流:提示词管理、上下文工程到代码审查闭环

AI 辅助编程已从玩票式对话提问转向系统性生产力重构。其核心并非选一个补全插件,而是理解大模型作为“结对程序员”的协作边界——它需要被喂养高质量上下文才能产出可靠代码。工程实践的关键在于建立提示词资产库与项目说明书机制,把团队规范、架构约束和业务术语沉淀为可复用的上下文文件,解决 AI 失忆与风格漂移问题。在此基础上,通过“生成→自审→人工复核”的评审闭环,以及对代码生成、批量重构、影响面分析等任务的流程化编排,能显著提升代码一次通过率并降低回归风险。这套玩法在需求变更频繁、微服务仓库或老项目治理中价值尤为

weixin_34117211的博客 363

为什么你的 Claude 正在把代码写成“屎山”?——用 CLAUDE.md 给 AI 编程补上架构地图

用 CLAUDE.md 给 Claude 补上架构地图,先梳理项目结构树与共享服务清单,再让 AI 优先复用 exportToCSV 等已有函数,避免重复造轮子写成屎山。通过 TaoToken 统一通道接入 Claude,官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 可获取 API Key 并验证输出是否贴合架构。

weixin_31749299的博客 209

CodeGraph实战:为AI编码代理构建代码知识图谱,彻底解决跨文件盲区

在AI辅助编程日益普及的今天,编码代理的上下文窗口始终有限,面对大型代码库时往往只关注当前文件,难以理解跨文件的函数调用、类继承与模块依赖,导致重构时频繁出错。代码知识图谱作为一种将代码实体及其关系结构化的技术,能够把仓库中的函数、类、模块和依赖链抽取为可查询的图结构,为代理提供确定性的关联信息。借助MCP(模型上下文协议),这类图谱工具可无缝接入Claude Code、Codex等主流编码代理,显著提升跨文件重构、依赖影响分析和Bug溯源的准确率。本文从图谱架构、安装配置到实战查询,完整演示如何通过Cod

weixin_42529328的博客 126

为什么你的 Claude 正在把代码写成“屎山”?——用架构地图与外部记忆给 AI 编程治“近视眼”

用架构地图与外部记忆给 Claude 治“近视眼”:在仓库根目录放 ARCHITECTURE.md 划清子系统与禁区,配 .ai-memory 存历史决策,再用检索脚本按任务自动拼上下文。文中给出可复制配置、重复率验证脚本与 401 等报错排查,接入统一走 TaoToken 官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end ,让 AI 编程从局部补丁转向全局一致。

weixin_42602241的博客 6

AI Workspace:解决团队AI协作上下文割裂的全局配置管理框架

在AI驱动的软件开发(AI-SDLC)和智能体工程(agentic-engineering)实践中,团队协作常面临上下文割裂与配置分散的挑战。其核心原理在于通过中心化配置仓库与‘最近优先’继承机制,构建统一的AI指令与技能管理源。这一设计解决了智能体间信息对齐的基础问题,为团队提供了版本化、可共享的AI行为准则。技术价值体现在将AI从局部‘近视’视角升级为全局观察者,确保跨项目协作的一致性。应用场景广泛覆盖多仓库项目管理、统一代码规范实施以及自动化技能分发。本文介绍的AI Workspace框架,正是通过符

weixin_30325487的博客 378

Akamai移动端Sensor数据采集与BMP风控机制深度解析

本文深度解析了Akamai在移动端风控中的核心机制,重点阐述了Sensor数据如何通过采集陀螺仪、加速度计等硬件信息,结合设备指纹生成连续且符合物理规律的行为轨迹。详细剖析了数据从采集、加密校验到通过BMP风控三重验证(校验位、时间差、数据逻辑)的完整流程,并提供了从模拟优化到自建风控模型的实用应对思路。

quiet的专栏 293

AI编程近视眼:为什么Claude写的代码越来越难维护?

在软件工程实践中,代码质量与可维护性直接影响迭代效率与团队生产力。随着大语言模型(LLM)渗透到日常开发,AI生成代码的局部性缺陷逐渐显现:由于上下文窗口受限、注意力机制存在近焦倾向,模型往往只理解当前片段而忽视全局架构约束,导致职责边界模糊、命名分裂、重复实现与修补式结构堆积,形成新型技术债务。这种“AI编程近视眼”现象,在快速迭代、缺乏严格审查的团队中尤为突出,显著抬升了后续的维护成本。理解大模型生成代码的概率特性与局部最优本质,是建立有效人机协作的前提。通过接口先行、任务拆分、项目宪法注入、强制代码评

weixin_29041767的博客 318

2025浏览器指纹伪装终极指南:Playwright修改WebGL+时区+分辨率,小红书爬1000条零验证

2025年小红书的反爬已经进入“多维校验”时代,单纯修改某一个指纹维度已失效。本文方案的核心是“让所有特征都一致且合理”——WebGL+Canvas+时区+分辨率+UA+行为,形成一个完整的“真实用户画像”,让小红书的反爬系统无法区分是爬虫还是真人。这套方案不仅适用于小红书,也可迁移到知乎、抖音、跨境电商等其他高反爬平台,只需替换对应的指纹库和数据提取逻辑。记住:指纹伪装的本质不是“欺骗”,而是“模拟真实”,把每个细节都做到和人类一致,自然就能实现“零验证”爬取。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 3072

涌现观点|AI的“近视眼“之谜——深度模型为何看不远

去年,一位知名律所的合伙人向我抱怨了一件令人哭笑不得的事:他们花重金购买了号称能处理"百万字符"的AI助手,用来分析一份200页的并购合同。一位在某大型企业负责AI部署的技术总监向我描述了他们的发现:"我们让GPT-4分析公司的年度合规报告,120页,结果发现AI只是在复述前10页和后10页的内容,中间100页的核心风险点全部被忽略。现实情况比理论推导更加严峻。人工智能的未来,或许不在于拥有无限的"视力",而在于学会如何成为人类最好的"眼镜"——在我们需要的时候,帮我们看得更清楚、更深入、更准确。

人工智能学家 56

告别地图偏移!手把手教你用MapOnline V1.2在ArcGIS里加载无偏谷歌影像和历史影像

本文详细介绍了如何使用MapOnline V1.2插件在ArcGIS中加载无偏谷歌影像和历史影像,解决GIS工程师长期面临的地图偏移问题。通过三步安装配置、无偏影像加载和时空分析功能,提升地理信息数据的精确度和工作效率,特别适用于城市规划、环境监测等场景。

weixin_29252171的博客 232

《UDS/OBD诊断需求编辑工具》总目录

目录 1 基于CANdela Studio编辑CDD诊断描述文件 2 基于ODX Studio编辑ODX/PDX文件 2.1 编辑ODX-D诊断描述文件 2.2 编辑ODX-F刷写软件 该专栏主要负责介绍CANdela Studio和ODX Studio编辑CDD/ODX/PDX诊断描述文件。 1 基于CANdela Studio编辑CDD诊断描述文件 2 基于ODX Studio编辑ODX/PDX文件 【ODX介绍 】-1- 标准梳理 【ODX介绍】 -2-如何手..

「汽车电子助手」的博客 1万+

Claude Opus 4.7:视觉代码双封神,但也学会了“暗中涨价”和“不说人话”?

重度依赖视觉识别:处理密集数据图表、UI 截图或文档抽取的任务,Opus 4.7 的 3.75MP 高清视力是降维打击。构建复杂的 Agent 系统:它的自我修复能力和工具调用成功率提升了 10-15%,能显著减少崩溃死循环。文案创作与翻译:如果你依赖 Claude 的“好文笔”,建议先用少量任务进行 A/B 测试,看看你是否能忍受它新学的“AI 八股文”。成本敏感型团队:请务必监控升级后的第一周 Token 消耗量,Tokenizer 的改变可能会让你的账单飙升 30% 以上。

twelveai的博客 469

【SemiDrive源码分析】【X9芯片启动流程】11 - freertos_safetyos目录Cortex-R5 DIL2.bin 引导程序源代码分析

【SemiDrive源码分析】【X9芯片启动流程】11 - freertos_safetyos目录Cortex-R5 DIL2.bin 引导程序源代码分析

|~~~热爱生活、努力学习的小伙汁~~~| 2113

Graft:为AI编程助手构建代码语义地图,告别grep式盲搜

在软件工程中,代码搜索与理解是开发者日常面临的基础挑战。传统基于字符串匹配的工具(如grep)虽能快速定位文本,但缺乏对代码结构、调用关系和语义上下文的感知,导致搜索结果噪声多、漏报率高,尤其在大型复杂项目中更为明显。其原理是通过静态分析提取代码实体(如函数、类、变量)及它们之间的关系(调用、继承、引用等),构建成图结构数据,从而将代码库转化为机器可查询的语义网络。这一技术的核心价值在于,它让代码导航从“文本匹配”升级为“关系推理”,大幅提升了代码理解的精度和效率。在应用场景上,它尤其适合赋能AI编程助手(

weixin_34122810的博客 490

mbed驱动st7789屏幕-硬件选择及连接(1)

在单片机项目中,交互性至关重要,而视觉感知是用户交互的直接体现。本期专栏介绍了如何使用mbed平台驱动ST7789型号的TFT屏幕,以显示字符、汉字和图像。由于针对STM32L432KC的mbed驱动库尚未完整,作者自行编写了一个基于mbed的ST7789屏幕驱动库,并将在专栏中提供全代码及使用指南。

weixin_64524066的博客 391

ASPICE标准快速掌握「2.1. 过程能力概览」

一个项目的质量流程是否做的好最终会需要由一个指标来确定,ASPICE将其称为过程能力(Process capability),过程能力是一个综合的判定概念。而为了实现这个概念,ASPICE建立了一套完整的过程评估模型(Process Assessment Model),通过这套评估模型最终就能得出过程能力的最终得分。项目组根据这个得分不断改进和优化得分不足的方面,从而约束整个流程的各个方面来间接提升项目的最终质量。这里有三个关键术语:其中最主要的就是PAM,即过程评估模型,由ASPICE给出,该模型可以看成

雪云飞星的博客 1185

MCP 是什么?一次搞懂 AI 如何“标准化接入世界”

Token 赋予了 AI 思考的价值,MCP 则构建了行动的标准。它打破了对话框的限制,让 AI 从单纯的“聊天机器人”,进化为能真正操控电脑、处理复杂工作的智能体(Agent)。

molaifeng的专栏 883

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

上下文工程实战:从grep -C到AI编程助手的context-mode管理

在AI辅助开发中,上下文(context)是决定模型输出质量的关键变量。理解上下文窗口与token预算的硬约束,掌握全量注入、检索注入、分层摘要三种策略,能显著提升代码生成与问题定位效率。本文从命令行grep -C的局部视野谈起,延伸到编辑器感知与AI编程助手的全局、文件级、会话内上下文模式,并结合token优化、最小复现等实践,展示如何为模型配置最合适的上下文。

weixin_29057163的博客 231

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

多模态大模型在配电网缺陷检测中的评估与应用实践

多模态大模型通过整合图像、文本、时序数据等多种信息源,实现了对复杂物理世界的统一表征与联合推理。其核心原理在于利用海量多模态数据进行预训练,使模型具备跨模态关联和上下文理解能力,从而能够像人类专家一样进行综合判断。在工业场景中,这种技术价值显著,它能够突破传统单一模态AI的瓶颈,将被动模型升级为具备规划能力的主动智能体,实现从感知、规划、工具调用到报告生成的完整闭环。特别是在电力这类高可靠性要求的关键基础设施领域,多模态智能体能够融合巡检图像、运维日志、传感器数据,进行缺陷的综合诊断与风险评估。本文聚焦于配

weixin_34021089的博客 351

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

GPT-5.3 撞上 Claude 4.6,程序员真的要全员转行了吗?深度实测对比,看完我直接拔掉了网线!

代码正在消失,但创造力正在爆发。GPT-5.3 和 Claude 4.6 的出现,不是为了取代我们,而是为了把我们从繁琐的 CRUD 中解放出来,去思考更伟大的问题。三年前,我们还在为配置一个环境而折腾半天;三年后,我们可能正在用一句话创造出一个改变世界的应用。稳住,召唤师们。在这个诸神黄昏的时代,唯有不断进化的灵魂,才能看到新世界的曙光。如果你也对AI有兴趣搜索:向量引擎 直抵AI。

2402_85546360的博客 700

Claude Mythos:AI驱动的自动化漏洞挖掘与对齐风险实战指南

AI安全正从传统渗透测试迈向自动化漏洞挖掘新阶段。以Claude Mythos为代表的前沿模型,依托大模型+强化学习+对抗对齐联合训练,在SWE-bench Pro、CyberGym等专业基准上实现能力断层式跃升。其核心价值在于将人类依赖经验直觉的逆向分析、利用链构建等‘黑魔法’环节,转化为可重复、可审计、可集成CI/CD的标准化服务。技术原理涵盖深度语义解析、跨模块状态建模、符号执行混合求解等,支撑真实CVE发现与PoC生成。典型应用场景包括金融支付网关逻辑漏洞审计、嵌入式系统竞态条件挖掘、开源协议栈形式

weixin_30263073的博客 333

Claude Opus 4.7:首个具备自我核查能力的可信AI协作伙伴

大模型的核心价值正从‘能生成’转向‘可托付’——这标志着AI从工具演进为工作流中的可信协作者。其技术原理在于将自我核查嵌入推理全链路,通过规划预审、执行拦截与结论验证三层机制,实现输出结果的可溯源、可归因与可信度标注。这种能力显著提升首次交付可用率与跨任务一致性,尤其适用于广告策略、合规审计、代码生成等高风险决策场景。结合跨会话结构化记忆与像素级视觉理解,Opus 4.7真正支撑起‘放手交付’的工程实践。本文聚焦其自我核查机制与可托付工作流落地方法。

weixin_33922672的博客 385

AI编程工具扎根终端:从日志分析到Agent协作实践

终端是开发者最诚实的工作台,命令、日志、进程状态构成了动态的运行上下文,其信息密度远超IDE里的静态代码。然而传统终端工具面对“脏乱差”的半结构化输出常常无能为力,大模型凭借模糊匹配与经验迁移能力,恰好能在此发挥独特价值——将终端输出管道化地“喂”给AI,可完成崩溃分析、日志排查、命令推荐等任务,显著缩小问题定位范围。从本地管道脚本到Claude Code、Codex CLI等终端Agent,AI编程工具正在从“问答助手”进化为能独立执行子任务的“协作伙伴”。同时,数据安全与脱敏处理、模型选择与能力边界,也

weixin_29093017的博客 246

LinkSwift|网盘直链解析:3 步装好,8 大网盘通用

在网盘网页版勾选文件后,只剩"下载到电脑"一个选项,速度全看会员等级,下载方式也没法配置。**LinkSwift** 是一个网盘直链解析脚本,把"下载助手"按钮注入网盘网页版,让文件转成可直接下载的真实地址。读完本文你能从零走通网盘直链获取,第一条直链 3 分钟内到手。 ## 📋 它到底能干什么 - 你用它来把网盘文件换成真实直链地址 - 你用它来把任务推给 IDM 或 Motrix 下载

gitblog_00347的博客 102
上一篇: 多模型协作:让 AI 调用 AI 的工程实践
下一篇: 打通任督二脉:让你的 GitHub Copilot 瞬间学会 Claude Code 的所有绝招
王师傅炼丹中
博客等级 码龄8年 205粉丝 192原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

王师傅炼丹中

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值