我用 AI 工具重构了 3 个老项目,效率提升 300%适用读者:全栈开发、技术 Leader、对 AI 编程感兴趣的工程师技术栈:Python 3.11 / FastAPI / Cursor / Claude / Copilot阅读时长:约 15 分钟一、为什么开始用 AI 重构?去年接手了 3 个祖传代码项目:项目状态痛点A. 内部 API 服务Flask 单文件 2000 行无类型、难维护、文档缺失B. 电商爬虫Python 2 同步 requests慢、漏数据、经常崩溃C. 数据处理平台单体 5000 行没人敢动、改一处崩三处3 个项目加起来,如果用传统方式重构,需要 3~4 周。实际用 AI 工具辅助后:7 天全部完成。下面分享具体怎么做的。二、AI 工具选型工具优势适用场景Cursor编辑器内 AI,支持整个项目上下文大型重构、跨文件改动GitHub Copilot行内补全、轻量写样板代码、补全Claude / GPT-4长上下文、深度推理架构设计、复杂逻辑Cody(Sourcegraph)跨仓库代码搜索理解老项目全貌我的工作流:用Cursor做主力编辑器用Claude做架构讨论和复杂设计用Copilot补全样板代码三、项目 A:Flask → FastAPI 重构背景老代码:一个app.py2000 行,所有路由、数据库操作、工具函数堆在一起。# 重构前:app.py 节选(典型问题)fromflaskimportFlask,request,jsonifyimportpymysql appFlask(__name__)# 全局 DB 连接,没有连接池DB_CONFIG{host:localhost,user:root,password:xxx,db:shop,}defget_user(user_id):# 数据库连接每次都新建connpymysql.connect(**DB_CONFIG)# SQL 拼字符串,有注入风险sqlfSELECT * FROM users WHERE id {user_id}# 没有异常处理curconn.cursor()cur.execute(sql)returncur.fetchone()app.route(/user/int:user_id,methods[GET])defuser_api(user_id):# 参数没有校验# 返回字典直接 JSON 化,字段名不统一userget_user(user_id)returnjsonify({id:user[0],name:user[1],email:user[2],create_time:str(user[3]),# datetime 转字符串})app.route(/user,methods[POST])defcreate_user():datarequest.get_json()# 没有校验,直接入库# ...AI 提示词请把以下 Flask 代码重构为 FastAPI。 要求: 1. 用 Pydantic 定义请求/响应模型 2. 用 Depends 做数据库连接管理 3. 添加类型注解 4. 用 SQLAlchemy 替换裸 SQL 5. 保留原接口路径和语义重构后# 重构后:app.py 拆分后的样子# models.py - Pydantic 模型(AI 自动生成,只需微调)frompydanticimportBaseModel,EmailStr,FieldfromdatetimeimportdatetimefromtypingimportOptionalclassUserResponse(BaseModel):# API 响应模型,自动生成 OpenAPI 文档id:intname:stremail:EmailStr create_time:datetime# 内部字段不暴露给前端internal_note:Optional[str]Field(defaultNone,excludeTrue)classUserCreate(BaseModel):# 创建用户请求模型,自带校验name:strField(min_length1,max_length50)email:EmailStr age:intField(ge0,le150)# database.py - 数据库连接池(AI 给出的标准模板)fromsqlalchemyimportcreate_enginefromsqlalchemy.ormimportsessionmaker,SessionfromtypingimportGenerator DATABASE_URLmysqlpymysql://root:xxxlocalhost/shop# 创建连接池(替代每次新建连接)enginecreate_engine(DATABASE_URL,pool_size10,max_overflow20)SessionLocalsessionmaker(bindengine)defget_db()-Generator[Session,None,None]:# FastAPI 依赖注入,自动管理连接生命周期dbSessionLocal()try:yielddbfinally:db.close()# main.py - FastAPI 入口fromfastapiimportFastAPI,Depends,HTTPExceptionfromsqlalchemy.ormimportSessionfrommodelsimportUserResponse,UserCreatefromdatabaseimportget_db appFastAPI(titleUser API,version2.0)app.get(/user/{user_id},response_modelUserResponse)defget_user(user_id:int,db:SessionDepends(get_db)):# 类型注解 依赖注入,IDE 友好userdb.query(UserORM).filter(UserORM.iduser_id).first()ifnotuser:raiseHTTPException(status_code404,detail用户不存在)returnuser# SQLAlchemy 对象自动按 response_model 转换app.post(/user,response_modelUserResponse,status_code201)defcreate_user(data:UserCreate,db:SessionDepends(get_db)):# Pydantic 自动校验,非法请求直接 422userUserORM(**data.model_dump())db.add(user)db.commit()db.refresh(user)returnuser效果:行数:2000 → 600(主文件) 200(模型) 100(数据库)自动 OpenAPI 文档:/docs直接看类型安全:IDE 提示,运行时校验重构时间:3 天 → 1 天四、项目 B:Python 2 爬虫现代化背景# 重构前:spider.py(典型老代码)# -*- coding: utf-8 -*-# Python 2.7importurllib2# Python 2 模块importreimporttimeimportsysreload(sys)sys.setdefaultencoding(utf-8)deffetch(url):# 没有超时,经常卡死responseurllib2.urlopen(url)returnresponse.read()defparse(html):# 正则硬解析,稍微改版就崩itemsre.findall(rdiv classitem(.?)/div,html,re.DOTALL)returnitemsdefmain():foriinrange(100):urlhttps://example.com/list?pagestr(i)htmlfetch(url)itemsparse(html)# 打印看,没存库,没日志foriteminitems:printitem# Python 2 语法time.sleep(1)# 反爬靠 sleepif__name____main__:main()AI 提示词请把这个 Python 2 爬虫升级到 Python 3.11,要求: 1. 用 httpx 异步,支持并发 2. 用 BeautifulSoup 替代正则 3. 用 loguru 结构化日志 4. 加重试和异常处理 5. 数据存到 SQLite 6. 加上请求频率控制重构后# 重构后:spider.py# Python 3.11,异步 结构化importasyncioimporthttpxfrombs4importBeautifulSoupfromloguruimportloggerfromtypingimportListimportsqlite3fromdataclassesimportdataclassdataclassclassProduct:# 用 dataclass 定义数据结构,比 dict 清晰title:strprice:floaturl:strclassAsyncSpider:# 异步爬虫,单进程并发 10 个请求# 对比老代码:100 个页面要 100 秒 - 现在 10 秒def__init__(self,max_concurrent:int10):self.semaphoreasyncio.Semaphore(max_concurrent)# httpx.AsyncClient 复用连接,比每次新建快self.clienthttpx.AsyncClient(timeout10.0,headers{User-Agent:Mozilla/5.0},http2True,# 启用 HTTP/2)asyncdeffetch(self,url:str,retries:int3)-str:# 加重试机制,网络抖动不怕asyncwithself.semaphore:forattemptinrange(retries):try:respawaitself.client.get(url)resp.raise_for_status()returnresp.textexcepthttpx.HTTPErrorase:logger.warning(f第{attempt1}次重试{url}:{e})awaitasyncio.sleep(2**attempt)# 指数退避raiseRuntimeError(f请求失败{url})defparse(self,html:str)-List[Product]:# BeautifulSoup 替代正则,改版不崩soupBeautifulSoup(html,html.parser)products[]foriteminsoup.select(div.item):try:products.append(Product(titleitem.select_one(.title).text.strip(),pricefloat(item.select_one(.price).text.replace(¥,)),urlitem.select_one(a)[href],))except(AttributeError,ValueError)ase:# 单条解析失败不影响整体logger.error(f解析失败:{e})returnproductsasyncdefcrawl_page(self,page:int)-List[Product]:urlfhttps://example.com/list?page{page}htmlawaitself.fetch(url)returnself.parse(html)asyncdefrun(self,total_pages:int100):# 并发抓取所有页tasks[self.crawl_page(i)foriinrange(total_pages)]all_resultsawaitasyncio.gather(*tasks)# 扁平化products[pforbatchinall_resultsforpinbatch]self.save(products)logger.info(f抓取完成,共{len(products)}条)defsave(self,products:List[Product]):# 存储到 SQLite(也可以换成 MySQL/PostgreSQL)connsqlite3.connect(products.db)forpinproducts:conn.execute(INSERT OR REPLACE INTO products VALUES (?, ?, ?),(p.title,p.price,p.url),)conn.commit()conn.close()asyncdefclose(self):awaitself.client.aclose()# 入口if__name____main__:asyncdefmain():spiderAsyncSpider(max_concurrent10)try:awaitspider.run(total_pages100)finally:awaitspider.close()asyncio.run(main())效果对比:指标重构前重构后抓取 100 页耗时100s10s网络异常处理无3 次重试 指数退避改版后崩溃率80% 5%日志可读性print结构化 JSON 日志重构时间估 3 天半天五、项目 C:单体拆分 加测试背景5000 行的monolith.py,改一处崩三处,没人敢动。AI 提示词(分步骤)第 1 步:理解项目请阅读 monolith.py,告诉我: 1. 整体架构(分层、模块依赖) 2. 核心业务逻辑有哪些 3. 哪些是高频修改,哪些是低频稳定 4. 建议的拆分顺序第 2 步:拆分方案请把这个单体应用拆分为以下模块: - api/ (路由层) - services/(业务逻辑) - models/ (数据模型) - utils/ (工具函数) - config/ (配置) 要求保持接口兼容,逐步迁移。第 3 步:补单元测试请为 services/order_service.py 补充单元测试。 覆盖: 1. 正常下单流程 2. 库存不足的异常 3. 支付失败的回滚 4. 重复提交的幂等性 使用 pytest pytest-mockAI 给出的拆分结果重构前: monolith.py (5000 行,所有东西都在里面) 重构后: api/ __init__.py user_api.py order_api.py services/ __init__.py user_service.py order_service.py models/ user.py order.py product.py utils/ db.py cache.py logger.py config/ settings.py constants.py tests/ test_user_service.py test_order_service.py test_payment.pyAI 生成的测试样例# tests/test_order_service.py# AI 生成的单元测试importpytestfromunittest.mockimportMock,patchfromservices.order_serviceimportOrderServicefrommodels.orderimportOrderclassTestOrderService:# 测试订单服务的核心场景# 用 mock 隔离数据库,确保单元测试快速且独立pytest.fixturedefservice(self):# 每个测试前都建一个全新的 servicereturnOrderService(dbMock(),cacheMock())deftest_create_order_success(self,service):# 场景 1:正常下单order_data{user_id:1,product_id:100,quantity:2,}orderservice.create_order(**order_data)assertorder.statuspendingservice.db.commit.assert_called_once()deftest_create_order_insufficient_stock(self,service):# 场景 2:库存不足service.db.query.return_value.filter.return_value.first.return_value.stock0withpytest.raises(InsufficientStockError):service.create_order(user_id1,product_id100,quantity1)deftest_create_order_payment_failure_rollback(self,service):# 场景 3:支付失败时,订单要回滚service.payment_client.charge.side_effectPaymentError(银行拒绝)withpytest.raises(PaymentError):service.create_order(user_id1,product_id100,quantity1)# 验证:订单被标记为 failed,而不是 pendingservice.db.rollback.assert_called_once()deftest_create_order_idempotent(self,service):# 场景 4:同一请求重复提交,只生成一个订单order_data{user_id:1,product_id:100,quantity:2,request_id:abc-123,}service.create_order(**order_data)service.create_order(**order_data)# 重复请求# 验证:db.commit 只调用一次assertservice.db.commit.call_count1效果:5000 行 → 6 个模块,平均 800 行/模块测试覆盖率:0% → 78%修复 bug 平均时间:2 小时 → 15 分钟(因为有测试兜底)重构时间:1 周 → 3 天六、3 个项目的总数据项目传统估时AI 辅助实际提升A. Flask → FastAPI3 天1 天300%B. 爬虫现代化3 天0.5 天600%C. 单体拆分 测试1 周3 天230%合计13 天4.5 天~290%注:数字含AI 产出后人工 review 调整的时间。如果纯让 AI 写,可能再快 50%,但生产代码必须 review。七、用好 AI 重构的 5 条经验1. 先让 AI 理解代码,再让 AI 改❌ 一上来就:把 X 改成 Y ✅ 先问:这个文件做什么?哪些是核心逻辑?哪些是次要的? 再问:如果要重构,你会怎么拆?给出方案。 最后:按方案改2. 提供具体约束,不要开放式❌ 请优化这段代码 ✅ 请把 O(n²) 改成 O(n),保留返回结果,加注释说明算法3. 一次只改一处,不要一次性大改❌ 把整个 5000 行文件丢给 AI 一次性重构 ✅ 先拆函数 - 再加类型 - 再加测试,逐步推进4. 一定要写测试,作为 AI 的质检员# 重构前先写好行为快照测试deftest_legacy_behavior():# 把老代码的输出存下来,确保重构后输出一致assertnew_func(input)snapshot5. 保留 git 历史,频繁 commitgitcommit-mrefactor: 用 AI 拆分 utils 模块gitcommit-mtest: 给 order_service 加单元测试AI 改坏了可以一行命令回滚。八、AI 还不能做什么(诚实清单)能做的还做不好的样板代码、CRUD业务核心逻辑(需要领域知识)框架迁移、API 翻译跨团队架构决策写单元测试写复杂集成测试解释老代码理解为什么这么写的历史原因重构 性能优化真正的性能 profiling生成文档判断文档是否对人友好最重要的判断:AI 重构后,人必须 review。AI 不知道业务上下文,可能改对了语法、改错了语义。九、推荐工作流(可直接套用)1. 阅读老代码 - 列出核心问题清单(手写 10 分钟) 2. 让 AI 给出重构方案 拆分建议(AI 5 分钟) 3. 人工 review 方案,标注哪些可以 AI 自动改、哪些要自己改 4. 拆任务:小步快跑,每改一处就 commit 5. 让 AI 写测试,人工 review 6. 跑全套测试 手动冒烟 7. Code Review(让同事帮忙看一眼) 8. 上线灰度十、总结AI 工具不是替代程序员,而是把程序员从重复劳动中解放出来。过去:写样板代码 60% 时间改 bug 30% 时间思考业务 10% 时间用 AI 之后:写样板代码 10% 时间改 bug 15% 时间思考业务50%时间Review AI 输出 25% 时间本质变化:从搬砖变成设计。如果你还在犹豫要不要用 AI 重构老项目,我的建议是:选一个 1000 行左右的项目,先试试 1 天。你会立刻感受到区别。参考工具Cursor:https://www.cursor.com/GitHub Copilot:https://github.com/features/copilotClaude:https://claude.ai/Cody(Sourcegraph):https://about.sourcegraph.com/cody