AI 编程的“屎山”困境：如何引导 AI 优先重构而非打补丁？

随着 AI 编程工具的普及，开发者发现了一个普遍痛点：虽然 AI 在初期开发中速度极快，但在后期维护中往往导致代码失控。AI 面对问题时，倾向于通过增加特例判断或兜底逻辑来进行局部“缝补”，而非深入数据结构或模块边界进行源头重构。这种“打补丁”的方式最终导致项目沦为难以维护的“屎山”。本文探讨了是否存在有效的约束机制或方法论，能引导 AI 进行更负责任的底层修复，以规避技术债务的累积。