摘要
让 AI 重构老代码，最怕的不是它改错，是它"改对了但行为变了"——测试全绿，上线才发现。实测最稳的打法不是让 AI 更小心，而是重构前先写特征测试（characterization test）把当前行为锁死，再让 AI 动手。本文给出五步可复现清单、三个坑和一个反方观点。## 为什么 AI 重构老代码忽然变"敢想"了老代码的问题是"不敢动"。几千行没人敢碰，手写特征测试要几周，重构收益遥遥无期。AI 把这个账算过来了：- snowmanlabs 实测（2026-08）：特征测试让 AI 读代码、列分支、生成用例，几小时干完原来几周的活- VSCode 官方文档《Refactor code without changing behavior》（2026-10-07）：先确认测试命令、记录变更前测试结果，覆盖不足先补测试再改## 翻车证据：AI 重构的"安全"是幻觉arXiv 2411.04444（180 个真实重构任务）：| 指标 | 数值 ||—|—|| ChatGPT 自主识别重构机会 | 28/180 = 15.6% || 明确子类提示后成功率 | 86.7% || 方案质量可比/优于人类 | 63.6% || unsafe 比例（改功能/语法错误） | 7.4%（13/176），Gemini 6.6% |arXiv 2605.21537《Articulate but Wrong》：LLM 代码现代化自审，语义漂移39.7%、语法漂移 12.7%。它自己 review 自己，错的地方看不出来。arXiv 2608.00924（RefactorAssist）：9.7% 语法/结构错误（括号配对不齐），13.7% 是"顺手加功能"——它觉得该加个变量就加了。结论：AI 重构不是不会错，是错的姿势你防不住。最阴的是语义漂移：行为悄悄变了，没人发现。## 反转：安全网是"先锁死它要改的东西"反常识操作：改老代码之前，先写测试把"当前行为"锁死——哪怕这个行为是 bug。特征测试（characterization test）由 Michael Feathers 20 年前提出：不验证"代码应该做什么"，只记录"代码现在做什么"。断言现状，不是正确性。为什么 AI 时代它最有用？因为 AI 不需要"理解"代码，只需要"观察"代码——读一遍、列分支、造输入、抓输出。这恰恰是特征测试的做法，是 LLM 最擅长的事。社区套路：-Behavior-Pinning Test Before Agent Edit：改之前先跑老代码，输出存成 golden fixtures，测试不过就不许 agent 再动-cutler.sg（2026-05）：AI 生成特征测试 + mutation testing 验锁，变异分数 80% 以上才解锁让 agent 改代码## 五步照着做（给数字，不给形容词）01 圈定范围。一次只让 AI 改一个 seam（接口/函数边界），别一次扫 20 个文件。Cline 做 64 文件清理靠逐文件确认防漂移（aicoderscope，2026）；Aider 在 20+ 文件仓库级重构最强（repository map），但改动越大越要先锁行为。02 锁行为。让 AI 生成特征测试。输入清单照 VSCode 官方指南：默认值、边界值、非法输入、每个受影响调用方的可观察结果。核心提示词：text生成特征测试，断言这段代码【现在】的行为，不假设它应该怎样。03 验锁。mutation testing 打一遍，变异分数 <80% 就回去补测试，别急着重构。04 差分重构。让 AI 分小步改，每步一个 git 提交（Aider 默认自动 commit，天然可回滚），配--auto-test/--test-cmd每改完跑一遍测试。先问它打算怎么改，批准了再动。05 对比。重构完特征测试必须全绿。人工抽查：diff 里有没有"顺手加的优化"；关键调用方输入输出是否和之前一模一样。一个函数跑通大概 1-2 小时。## 三个坑（亲测）1.别 mock 掉太多。外部依赖（DB、网络、文件）mock 到最小，不然锁的是"你想象的行为"，不是真实行为。2.别让 AI"顺便优化"。prompt 明确写：只做结构变换，禁止修改任何逻辑、常量、返回值。不加这句就是递刀（13.7% 的概率）。3.别让 AI 自己验收。自审漂移 39.7% 摆在那。验收走特征测试 + 你本人抽查，不是"AI 说全绿"。## 反方：全自动重构派怎么说"我让 AI 重构就是为了省事，你还让我先写测试？“有道理：代码年轻、回归覆盖厚，特征测试是多余动作，靠现有测试兜底就行。特征测试的价值集中在老代码、覆盖薄的地方。更根本的质疑：特征测试锁的是现状，而现状可能本来就是错的。它防"行为变化”，不防"行为本来就坏"。想借重构顺手修 bug，特征测试会拦着你——你得主动决定"这次允许修哪些差异"。边界：这五步是给"行为必须不变"的重构用的（重命名、拆函数、改结构）。要改行为（加功能、修 bug）走另一条路，别混。## 小结AI 重构老代码，最怕的不是改错，是"改对了但行为变了"。特征测试不验证代码对不对，它验证代码没变。让 AI 自己验收 AI 的重构，等于让考生给自己改分。你让 AI 重构过老代码吗？遇到"测试全绿、上线翻车"了吗？评论区聊聊。—内容验真- arXiv 2411.04444：ChatGPT 识别重构机会 28/180（15.6%），细化提示 86.7%；63.6% 可比/优于人类；13/176（7.4%）unsafe，Gemini 9/137（6.6%）- arXiv 2605.21537：semantic drift 39.7%、syntactic drift 12.7%- arXiv 2608.00924：9.7% 语法/结构错误，13.7% 添加新功能或变量- VSCode 官方《Refactor code without changing behavior》2026-10-07- snowmanlabs 2026-08：特征测试 AI 数小时 vs 手写数周- cutler.sg 2026-05：mutation score 80% 门槛- aicoderscope 2026-05：Cline 64 文件逐文件确认
