随着以DeepSeek、Claude Code、Cursor为代表的大模型编程工具在开发社区的普及，开发者发现了一个显著的技术痛点：AI倾向于将整个项目逻辑写入单个巨大的文件中，导致代码行数失控，缺乏模块化设计。这种“单文件臃肿”现象主要是由于大模型为了规避跨文件引用的上下文丢失风险，以及降低推理过程中的Token消耗成本，从而选择将所有逻辑内聚在一个视图内。然而，这种做法严重违背了软件工程的高内聚低耦合原则，极大地增加了后期维护和重构的难度。针对这一问题，Linux.do社区的讨论指出，单纯依靠提示词难以根治这一现象，行业亟需引入更严格的“Skills”（技能/工作流）或预设架构规范来约束AI的生成行为。这表明，当前AI编程正处于从“辅助写代码”向“辅助做工程”转型的关键阶段，如何通过类似MCP协议或特定Agent配置，强制AI遵循目录结构和解耦规范，已成为提升AI生成代码生产可用度的核心挑战。
事件分析
从技术底层逻辑来看，单文件代码的泛滥暴露了当前大模型在处理长上下文与跨文件依赖关系时的局限性。大模型倾向于在当前上下文窗口内“抄近道”，通过减少文件操作来保证逻辑的连贯性，但这恰恰牺牲了工程的可扩展性。这一问题的解决路径正逐渐清晰，即通过引入具备工程化能力的AI Agent（如Cursor的Composer或Claude的Projects功能），利用预定义的项目结构蓝图或特定的MCP（Model Context Protocol）工具来对齐模型的输出。未来，能够有效整合架构规范与代码生成的AI工作流，将取代简单的对话式编程，成为企业级应用开发的主流范式。
核心观点：解决单文件臃肿问题，标志着AI编程从简单的文本生成迈向复杂的工程化架构管理，是AGI落地软件开发的关键分水岭。
原文链接：Linux.do
