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。

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。

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。

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:
- 检查文档是否通过。
- 合并 AI 产生的重复代码。
- 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。

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。
363



被折叠的 条评论
为什么被折叠?



